Capítulo 10 · 8 niveles
Limpiar datos en SQL
Haz que los datos desordenados sean confiables antes de reportar sobre ellos: estandariza texto, elimina registros duplicados, maneja los NULL, divide con seguridad, convierte y analiza texto en bruto y marca valores atípicos.
Las tablas reales están desordenadas. La tabla de clientes de Harbor & Pine tiene la misma ciudad escrita de cuatro formas, personas que se registraron dos veces y cientos de fuentes de referencia en blanco. Las líneas de pedido incluyen algunas cantidades en cero y negativas, y los archivos de proveedores y transportistas llegan como texto plano con signos de dólar y tres formatos de fecha.
Este capítulo convierte ese desorden en números que puedes defender. Construirás claves de agrupación
limpias, conservarás un registro por persona con ROW_NUMBER, etiquetarás y contarás los NULL con
COALESCE, evitarás dividir entre cero con NULLIF, convertirás texto con TRY_CAST y try_strptime, y
marcarás los valores atípicos en lugar de borrarlos en silencio. Cada lección también muestra la forma de
escribirlo en SQL Server, ya que muchos cursos enseñan T-SQL. El nivel del desafío final construye una
vista limpia de clientes y reporta a partir de ella.
Niveles
- Una clave por ubicación
de Ryan Cooper, Gerente Regional de Ventas
data cleaning, trim, upper, lower, concat, grouping key
- Conserva un registro por persona
de Tyler Morgan, Ingeniero de Datos Junior
deduplication, row number, window functions, data cleaning
- Etiqueta los vacíos con COALESCE
de Jordan Reyes, Director de Marketing
coalesce, null, data cleaning, percent of total
- Costo por conversión sin dividir entre cero
de Jordan Reyes, Director de Marketing
nullif, division by zero, ratios, data cleaning
- Convierte una hoja de precios pegada en números
de Jessica Turner, Gerente de Merchandising
try cast, cast, replace, type conversion, data cleaning
- Analiza un feed de transportista con formatos de fecha mezclados
de Kevin Brooks, Gerente de Operaciones
date parsing, strptime, strftime, coalesce, data cleaning
- Marca los valores atípicos, no los borres
de Brian Mitchell, Analista Financiero
outliers, iqr, quantile, data quality, cte, data cleaning
- Desafío final: una vista limpia de clientes
de Priya Shah, Directora de Datos
data cleaning, deduplication, row number, coalesce, nullif, trim, cte