1. Faro

Nivel 3 · Planifica una subida de precios con UPDATE

La solicitud

De Jessica Turner, Gerente de Merchandising

“Nuestro proveedor de lámparas colgantes y apliques está subiendo los costos, así que planeamos una subida del 6% del precio de lista solo en esas dos subcategorías. ¿Puedes hacer una maqueta sobre una copia del catálogo activo de Lighting y mostrarme los promedios antiguos frente a los nuevos?”

Tu objetivo

Crea price_plan a partir de los productos activos de Lighting con product_id, name, subcategory, old_price y new_price (ambos empiezan como unit_price). Usa UPDATE para fijar new_price en ROUND(old_price * 1.06, 2) solo para las subcategorías 'Pendants' y 'Sconces'. Luego devuelve una fila por subcategoría con: subcategory, products, changed_products (filas donde new_price difiere de old_price), avg_old_price y avg_new_price (ambos redondeados a 2), ordenado por subcategory.

  • Lee de la tabla productspendiente
  • Muestra exactamente subcategory products changed_products avg_old_price avg_new_pricependiente
  • 4 filas, ordenadas como se pidependiente

Tu consulta

SQL

Cargando el editor…

    ResultadoVista previa de products · presiona Ejecutar para ver el tuyo
    Vista previa de products
    product_idnamecategorysubcategoryunit_price
    101Vale Velvet LoveseatFurnitureSofas1659.00
    102Alder Oak Coffee TableFurnitureTables919.00
    103Orchard Rattan Dining ChairFurnitureChairs789.00
    104Upland Oak BookcaseFurnitureStorage429.00

    Mote revisa tu resultado

    Presiona Ejecutar. Cada fila que cumple el objetivo se vuelve una luciérnaga en tu linterna.

    Tablas

    Datos de la tienda Harbor & Pine, listos para consultar.

    products120 filas · 8 columnas
    • product_idinteger
    • namevarchar
    • categoryvarchar
    • subcategoryvarchar
    • unit_pricedecimal
    • unit_costdecimal
    • launched_ondate
    • is_activeboolean
    Primeras 5 filas de products
    product_idnamecategorysubcategoryunit_priceunit_costlaunched_onis_active
    101Vale Velvet LoveseatFurnitureSofas1659.00NULL2023-09-11true
    102Alder Oak Coffee TableFurnitureTables919.00503.502024-05-16true
    103Orchard Rattan Dining ChairFurnitureChairs789.00429.872023-05-27true
    104Upland Oak BookcaseFurnitureStorage429.00214.702022-12-20true
    105Avery Leather Bed FrameFurnitureBeds449.00232.702021-08-31true
    customers2,018 filas · 9 columnas
    • customer_idinteger
    • first_namevarchar
    • last_namevarchar
    • emailvarchar
    • cityvarchar
    • statevarchar
    • signup_datedate
    • segmentvarchar
    • referral_sourcevarchar
    Primeras 5 filas de customers
    customer_idfirst_namelast_nameemailcitystatesignup_datesegmentreferral_source
    1OwenHudsonowen.hudson@icloud.comSan FranciscoCA2022-06-02consumersearch
    2DouglasMendozadmendoza69@gmail.comAtlantaGA2022-06-02consumerNULL
    3HenryBrookshbrooks@lakesidecafe.comLos AngelesCA2022-06-04businessNULL
    4BrianGrahambgraham@bluecedarhomes.comSeattleWA2022-06-06businesspinterest
    5KyleJimenezkjimenez27@yahoo.comIndianapolisIN2022-06-07consumerNULL
    orders12,000 filas · 7 columnas
    • order_idinteger
    • customer_idinteger
    • order_datetimestamp
    • statusvarchar
    • channelvarchar
    • shipping_feedecimal
    • coupon_codevarchar
    Primeras 5 filas de orders
    order_idcustomer_idorder_datestatuschannelshipping_feecoupon_code
    10011252023-01-01 20:51:19completedweb0.00NULL
    10021562023-01-02 07:58:46completedweb0.00NULL
    1003222023-01-02 10:25:27completedmarketplace4.99WELCOME10
    1004482023-01-02 11:21:51completedmarketplace4.99WELCOME10
    1005822023-01-02 11:43:36completedweb0.00WELCOME10
    order_items30,338 filas · 6 columnas
    • order_item_idinteger
    • order_idinteger
    • product_idinteger
    • quantityinteger
    • unit_pricedecimal
    • discount_pctdecimal
    Primeras 5 filas de order_items
    order_item_idorder_idproduct_idquantityunit_pricediscount_pct
    11001121931.990.00
    21001154311.990.00
    31002154411.990.00
    410021941149.000.00
    51002193219.990.00
    returns1,673 filas · 5 columnas
    • return_idinteger
    • order_item_idinteger
    • returned_ondate
    • reasonvarchar
    • refund_amountdecimal
    Primeras 5 filas de returns
    return_idorder_item_idreturned_onreasonrefund_amount
    1142023-01-10damaged83.69
    2422023-01-10wrong_item19.99
    31052023-01-14wrong_item10.99
    4242023-01-16changed_mind26.99
    51262023-01-16late20.99
    employees60 filas · 8 columnas
    • employee_idinteger
    • first_namevarchar
    • last_namevarchar
    • departmentvarchar
    • titlevarchar
    • manager_idinteger
    • hire_datedate
    • salaryinteger
    Primeras 5 filas de employees
    employee_idfirst_namelast_namedepartmenttitlemanager_idhire_datesalary
    1CatherineHaleExecutiveChief Executive OfficerNULL2016-03-01285000
    2RobertKimExecutiveChief Operating Officer12017-01-09235000
    3MeganCollinsSalesHead of Sales12018-04-16172000
    4ChloeGutierrezSalesAccount Executive32020-01-2172000
    5FrankBellSalesAccount Executive32023-05-2173000
    web_sessions40,000 filas · 7 columnas
    • session_idinteger
    • customer_idinteger
    • started_attimestamp
    • devicevarchar
    • sourcevarchar
    • pages_viewedinteger
    • convertedboolean
    Primeras 5 filas de web_sessions
    session_idcustomer_idstarted_atdevicesourcepages_viewedconverted
    1NULL2023-01-01 23:02:24mobilepaid1false
    2182023-01-01 15:07:49desktoppaid1false
    3NULL2023-01-01 16:55:46desktopdirect7false
    4NULL2023-01-01 12:43:28mobileorganic3false
    5NULL2023-01-01 13:06:21mobilesocial2false
    marketing_spend3,276 filas · 3 columnas
    • spend_datedate
    • channelvarchar
    • amountdecimal
    Primeras 5 filas de marketing_spend
    spend_datechannelamount
    2023-01-01paid492.99
    2023-01-01email37.38
    2023-01-01social200.53
    2023-01-02paid709.13
    2023-01-02email64.13

    La lección

    UPDATE cambia valores en filas que ya existen. Es la sentencia más peligrosa que escribe un analista, porque no se puede deshacer una vez confirmada, y una línea que falte cambia todas las filas de la tabla.

    UPDATE … SET … WHERE

    UPDATE price_plan
    SET new_price = ROUND(old_price * 1.06, 2)
    WHERE subcategory IN ('Pendants', 'Sconces');

    SET dice qué columnas reciben qué valores nuevos. La expresión puede usar los valores actuales de la fila, aquí old_price. WHERE decide qué filas cambian, usando las mismas condiciones que ya conoces de SELECT. Cada fila que coincide cambia; las demás se quedan como están. Puedes fijar varias columnas a la vez: SET a = ..., b = ....

    Primero previsualiza, luego actualiza una copia

    Dos hábitos mantienen seguro un UPDATE.

    Ejecuta primero el WHERE como un SELECT. Cambia UPDATE ... SET ... por SELECT * FROM ... con el mismo WHERE y mira qué devuelve. En el catálogo activo de Lighting devuelve 10 filas, 5 Pendants y 5 Sconces. Si hubiera devuelto 20, sabrías que la condición estaba mal antes de que cambiara nada.

    Trabaja sobre una copia. El starter construye price_plan con CREATE TABLE ... AS SELECT, guardando el precio actual dos veces: old_price se queda como está y new_price se actualiza. El plan se puede revisar, cambiar y tirar sin tocar products, y la comparación es un GROUP BY:

    subcategory products changed_products avg_old_price avg_new_price
    Floor Lamps 5 0 138.20 138.20
    Pendants 5 5 183.40 194.40
    Sconces 5 5 216.20 229.17
    Table Lamps 5 0 222.00 222.00

    Las dos subcategorías intactas son la prueba de que el WHERE hizo su trabajo.

    En una base de datos real, envuelve los cambios arriesgados en una transacción: BEGIN TRANSACTION;, el UPDATE, un SELECT de comprobación y luego COMMIT; si se ve bien o ROLLBACK; si no. Este juego hace la reversión por ti después de cada ejecución, por eso cada ejecución empieza recreando price_plan.

    Errores comunes

    • Sin WHERE. UPDATE price_plan SET new_price = ... cambia las 20 filas. La mayoría de los clientes SQL lo ejecutarán sin ninguna advertencia.
    • Actualizar la tabla de origen. Subir products.unit_price directamente destruye el precio antiguo, así que la comparación es imposible y todos los informes que leen products cambian a la vez.
    • Redondear en el momento equivocado. Redondea cada precio nuevo, como lo haría una tienda, y luego promedia. Promediar precios sin redondear puede diferir en un centavo.
    • Comparar con NULL. new_price <> old_price es desconocido cuando cualquiera de los lados es NULL; en esta copia todos los productos de Lighting tienen precio, pero comprueba antes de contar filas cambiadas con otros datos.

    En SQL Server

    UPDATE ... SET ... WHERE es idéntico en T-SQL. SQL Server añade una cláusula OUTPUT que devuelve los valores anteriores y posteriores de cada fila cambiada, útil como recibo:

    BEGIN TRAN;
    UPDATE dbo.PricePlan SET NewPrice = ROUND(OldPrice * 1.06, 2)
    OUTPUT deleted.NewPrice, inserted.NewPrice
    WHERE Subcategory IN ('Pendants', 'Sconces');
    ROLLBACK;  -- or COMMIT

    En SSMS, BEGIN TRAN queda abierto hasta que confirmes o revierstas, así que termínalo.

    Elige qué puede ejecutarse en este sitio. Puedes cambiarlo cuando quieras desde "Configurar cookies", al pie de cada página.