Nivel 9 · Desafío final: perfil de la base de clientes

Este Desafío final combina las herramientas del capítulo en un perfil con el que marketing puede planificar.

Paso 1: registros por mes y segmento

Es un pivot pequeño: meses en vertical, segmentos en horizontal. DATE_TRUNC construye la clave de mes y la agregación condicional divide el conteo:

SUM(CASE WHEN segment = 'business' THEN 1 ELSE 0 END) AS business_signups

signup_date ya es un DATE, así que el rango semiabierto se compara limpiamente. Incluir total_signups permite al lector verificar que las dos columnas de segmento suman, una pequeña cortesía que genera confianza.

Paso 2: dominios de correo

El dominio es todo lo que va después de la @. DuckDB y Postgres tienen SPLIT_PART(s, delimitador, n), que divide una cadena y devuelve la n-ésima parte (empezando en 1):

SPLIT_PART(LOWER(TRIM(email)), '@', 2) AS domain

Limpia primero y divide después: ' Owen@ICloud.com' y 'owen@icloud.com' deben caer en el mismo grupo. Los dialectos varían mucho aquí:

base de datos	dominio de un correo
DuckDB, Postgres, Snowflake	SPLIT_PART(email, '@', 2)
BigQuery	SPLIT(email, '@')[SAFE_OFFSET(1)] (empieza en 0)
MySQL	SUBSTRING_INDEX(email, '@', -1)
Cualquiera	SUBSTRING(email FROM POSITION('@' IN email) + 1)

Un conteo de filas de clientes por dominio es un primer vistazo, no una respuesta final: los registros de clientes duplicados lo inflan un poco. Deduplicarás clientes correctamente en el capítulo 7.

Paso 3: etiquetar lo desconocido

COALESCE(a, b, ...) devuelve su primer argumento que no es NULL. Es la forma estándar de dar una etiqueta a un NULL en un informe:

COALESCE(referral_source, 'unknown') AS referral_source

Agrupar por el valor con COALESCE convierte el grupo NULL en una fila “unknown” legible. Esa fila importa: si un tercio de los clientes no tiene fuente registrada, los datos de atribución tienen un hueco, y Jordan debería saberlo antes de repartir un presupuesto por fuente. No la elimines con un WHERE.

Usa COALESCE para etiquetas y para valores por defecto reales (un descuento que falta de verdad es 0). No lo uses para esconder números desconocidos: COALESCE(unit_cost, 0) haría que los productos de costo desconocido parecieran 100 % rentables.

Nota de dialecto

COALESCE es estándar y funciona en todas partes. También verás IFNULL(a, b) en MySQL y BigQuery, NVL en Oracle y Snowflake, e ISNULL en SQL Server. Reciben exactamente dos argumentos; COALESCE recibe cualquier cantidad.

Errores comunes

• Dividir antes de limpiar. SPLIT_PART(email, '@', 2) pone ICloud.com e icloud.com en grupos distintos. Limpia primero: SPLIT_PART(LOWER(TRIM(email)), '@', 2).
• Contar con un ELSE 0. COUNT(CASE WHEN segment = 'business' THEN 1 ELSE 0 END) cuenta todas las filas, porque 0 no es NULL. Usa SUM con ELSE 0, o COUNT sin ELSE.
• Descartar las fuentes desconocidas. WHERE referral_source IS NOT NULL oculta el hueco que Jordan necesita ver. Etiquétalas con COALESCE(referral_source, 'unknown') en su lugar.
• Usar COALESCE con números realmente desconocidos. COALESCE(unit_cost, 0) convierte un costo que falta en un producto gratis. Reserva COALESCE para etiquetas y valores por defecto reales.

En SQL Server

No hay SPLIT_PART. Obtén el dominio con SUBSTRING(email, CHARINDEX('@', email) + 1, LEN(email)). ISNULL(referral_source, 'unknown') funciona como el COALESCE de dos argumentos, y la clave de mes es DATEFROMPARTS(YEAR(signup_date), MONTH(signup_date), 1).