La solicitud

De Jordan Reyes, Director de Marketing
Tu objetivo
Usando los dos resúmenes del código inicial (gasto de 2025 por canal desde marketing_spend, sesiones de 2025 por fuente desde web_sessions), devuelve una fila por cada canal que aparezca en cualquiera de los resúmenes, con: channel (el nombre del canal, tomado del lado que lo tenga), spend (NULL cuando no hubo gasto), sessions y conversions.
- Lee de la tabla
web_sessionspendiente - Lee de la tabla
marketing_spendpendiente - Muestra exactamente
channelspendsessionsconversionspendiente
Tu consulta
Cargando el editor…
Solución de referencia
| session_id | customer_id | started_at | device | source |
|---|---|---|---|---|
| 1 | NULL | 2023-01-01 23:02:24 | mobile | paid |
| 2 | 18 | 2023-01-01 15:07:49 | desktop | paid |
| 3 | NULL | 2023-01-01 16:55:46 | desktop | direct |
| 4 | NULL | 2023-01-01 12:43:28 | mobile | organic |
Mote revisa tu resultado
Presiona Ejecutar. Cada fila que cumple el objetivo se vuelve una luciérnaga en tu linterna.
Lo que recibe Jordan, y por qué
Tablas
Datos de la tienda Harbor & Pine, listos para consultar.
web_sessions40,000 filas · 7 columnas
session_idintegercustomer_idintegerstarted_attimestampdevicevarcharsourcevarcharpages_viewedintegerconvertedboolean
| session_id | customer_id | started_at | device | source | pages_viewed | converted |
|---|---|---|---|---|---|---|
| 1 | NULL | 2023-01-01 23:02:24 | mobile | paid | 1 | false |
| 2 | 18 | 2023-01-01 15:07:49 | desktop | paid | 1 | false |
| 3 | NULL | 2023-01-01 16:55:46 | desktop | direct | 7 | false |
| 4 | NULL | 2023-01-01 12:43:28 | mobile | organic | 3 | false |
| 5 | NULL | 2023-01-01 13:06:21 | mobile | social | 2 | false |
marketing_spend3,276 filas · 3 columnas
spend_datedatechannelvarcharamountdecimal
| spend_date | channel | amount |
|---|---|---|
| 2023-01-01 | paid | 492.99 |
| 2023-01-01 | 37.38 | |
| 2023-01-01 | social | 200.53 |
| 2023-01-02 | paid | 709.13 |
| 2023-01-02 | 64.13 |
customers2,018 filas · 9 columnas
customer_idintegerfirst_namevarcharlast_namevarcharemailvarcharcityvarcharstatevarcharsignup_datedatesegmentvarcharreferral_sourcevarchar
| customer_id | first_name | last_name | city | state | signup_date | segment | referral_source | |
|---|---|---|---|---|---|---|---|---|
| 1 | Owen | Hudson | owen.hudson@icloud.com | San Francisco | CA | 2022-06-02 | consumer | search |
| 2 | Douglas | Mendoza | dmendoza69@gmail.com | Atlanta | GA | 2022-06-02 | consumer | NULL |
| 3 | Henry | Brooks | hbrooks@lakesidecafe.com | Los Angeles | CA | 2022-06-04 | business | NULL |
| 4 | Brian | Graham | bgraham@bluecedarhomes.com | Seattle | WA | 2022-06-06 | business | |
| 5 | Kyle | Jimenez | kjimenez27@yahoo.com | Indianapolis | IN | 2022-06-07 | consumer | NULL |
products120 filas · 8 columnas
product_idintegernamevarcharcategoryvarcharsubcategoryvarcharunit_pricedecimalunit_costdecimallaunched_ondateis_activeboolean
| product_id | name | category | subcategory | unit_price | unit_cost | launched_on | is_active |
|---|---|---|---|---|---|---|---|
| 101 | Vale Velvet Loveseat | Furniture | Sofas | 1659.00 | NULL | 2023-09-11 | true |
| 102 | Alder Oak Coffee Table | Furniture | Tables | 919.00 | 503.50 | 2024-05-16 | true |
| 103 | Orchard Rattan Dining Chair | Furniture | Chairs | 789.00 | 429.87 | 2023-05-27 | true |
| 104 | Upland Oak Bookcase | Furniture | Storage | 429.00 | 214.70 | 2022-12-20 | true |
| 105 | Avery Leather Bed Frame | Furniture | Beds | 449.00 | 232.70 | 2021-08-31 | true |
orders12,000 filas · 7 columnas
order_idintegercustomer_idintegerorder_datetimestampstatusvarcharchannelvarcharshipping_feedecimalcoupon_codevarchar
| order_id | customer_id | order_date | status | channel | shipping_fee | coupon_code |
|---|---|---|---|---|---|---|
| 1001 | 125 | 2023-01-01 20:51:19 | completed | web | 0.00 | NULL |
| 1002 | 156 | 2023-01-02 07:58:46 | completed | web | 0.00 | NULL |
| 1003 | 22 | 2023-01-02 10:25:27 | completed | marketplace | 4.99 | WELCOME10 |
| 1004 | 48 | 2023-01-02 11:21:51 | completed | marketplace | 4.99 | WELCOME10 |
| 1005 | 82 | 2023-01-02 11:43:36 | completed | web | 0.00 | WELCOME10 |
order_items30,338 filas · 6 columnas
order_item_idintegerorder_idintegerproduct_idintegerquantityintegerunit_pricedecimaldiscount_pctdecimal
| order_item_id | order_id | product_id | quantity | unit_price | discount_pct |
|---|---|---|---|---|---|
| 1 | 1001 | 121 | 9 | 31.99 | 0.00 |
| 2 | 1001 | 154 | 3 | 11.99 | 0.00 |
| 3 | 1002 | 154 | 4 | 11.99 | 0.00 |
| 4 | 1002 | 194 | 1 | 149.00 | 0.00 |
| 5 | 1002 | 193 | 2 | 19.99 | 0.00 |
returns1,673 filas · 5 columnas
return_idintegerorder_item_idintegerreturned_ondatereasonvarcharrefund_amountdecimal
| return_id | order_item_id | returned_on | reason | refund_amount |
|---|---|---|---|---|
| 1 | 14 | 2023-01-10 | damaged | 83.69 |
| 2 | 42 | 2023-01-10 | wrong_item | 19.99 |
| 3 | 105 | 2023-01-14 | wrong_item | 10.99 |
| 4 | 24 | 2023-01-16 | changed_mind | 26.99 |
| 5 | 126 | 2023-01-16 | late | 20.99 |
employees60 filas · 8 columnas
employee_idintegerfirst_namevarcharlast_namevarchardepartmentvarchartitlevarcharmanager_idintegerhire_datedatesalaryinteger
| employee_id | first_name | last_name | department | title | manager_id | hire_date | salary |
|---|---|---|---|---|---|---|---|
| 1 | Catherine | Hale | Executive | Chief Executive Officer | NULL | 2016-03-01 | 285000 |
| 2 | Robert | Kim | Executive | Chief Operating Officer | 1 | 2017-01-09 | 235000 |
| 3 | Megan | Collins | Sales | Head of Sales | 1 | 2018-04-16 | 172000 |
| 4 | Chloe | Gutierrez | Sales | Account Executive | 3 | 2020-01-21 | 72000 |
| 5 | Frank | Bell | Sales | Account Executive | 3 | 2023-05-21 | 73000 |
La lección
Hasta ahora has usado inner joins (solo coincidencias) y left joins (todo lo de la izquierda, coincidencias en la derecha). Dos tipos más de join completan el conjunto.
RIGHT JOIN y FULL OUTER JOIN
A RIGHT JOIN Bconserva todas las filas de B. Es lo mismo queB LEFT JOIN A, y la mayoría de los analistas lo reescriben así porque leer de izquierda a derecha es más fácil.A FULL OUTER JOIN Bconserva todas las filas de ambos: pares coincidentes, más filas de A con NULL para B, más filas de B con NULL para A.
Los resúmenes de 2025 se ven así cuando se unen por completo:
| channel | spend | sessions | conversions |
|---|---|---|---|
| paid | 340,778.33 | 3,585 | 55 |
| social | 131,540.77 | 2,563 | 19 |
| 38,322.22 | 1,946 | 187 | |
| organic | NULL | 5,540 | 100 |
| direct | NULL | 2,591 | 139 |
El inner join del código inicial devuelve solo las tres primeras filas. La búsqueda orgánica trajo más sesiones que cualquier otra fuente y no cuesta nada en gasto publicitario, que es exactamente lo que el director de marketing quiere ver.
El código inicial usa subconsultas en FROM (tablas derivadas) para que cada lado ya sea una fila por canal antes del
join. Eso evita el fan-out que viste antes: unir las filas diarias de gasto en bruto con las filas de sesiones en bruto
multiplicaría ambas.
¿Por qué no solo un LEFT JOIN?
Hoy todo canal con gasto también tiene sesiones, así que w LEFT JOIN s daría las mismas cinco filas. El full
join sigue siendo la opción más segura para una conciliación: si marketing empieza a pagar por un canal que no está
rastreado como fuente de sesiones, un left join desde sesiones ocultaría ese gasto, y un FULL OUTER JOIN lo muestra.
Errores comunes
- Tomar la clave de un solo lado. Usa
COALESCE(clave_izquierda, clave_derecha). - Filtrar un FULL OUTER JOIN en
WHEREpor columnas de un lado, por ejemploWHERE s.spend > 0. Eso elimina las filas NULL y lo convierte de nuevo en un join más estrecho.
En SQL Server
FULL OUTER JOIN y RIGHT JOIN se escriben igual. ISNULL(s.channel, w.source) funciona como el
COALESCE de dos argumentos. Los booleanos difieren: SQL Server no tiene TRUE, así que la bandera es un bit y la
condición es CASE WHEN converted = 1 THEN 1 END.
¡Linterna encendida!
Practicaste: full outer joinright joinleft joincoalescederived table
- Resuelto
- Sin pistas
- Al primer intento
