Nivel 3 · Pedidos en la app por cliente empresarial

Este es el error de join más común en analítica, y el código inicial lo tiene. La idea central: una condición de WHERE sobre la tabla derecha de un LEFT JOIN descarta las filas sin coincidencia, así que el LEFT JOIN actúa como un inner join. Ejecuta el código inicial y luego cuenta los clientes empresariales: devuelve menos filas de las que hay de clientes empresariales.

Qué sale mal

SELECT c.customer_id, COUNT(o.order_id) AS app_orders
FROM customers AS c
LEFT JOIN orders AS o ON o.customer_id = c.customer_id
WHERE c.segment = 'business'
  AND o.channel = 'app'          -- the bug
GROUP BY c.customer_id;

Sigue el orden lógico. El LEFT JOIN se ejecuta primero y conserva correctamente a los clientes sin pedidos, con NULL en todas las columnas de pedido. También conserva a los clientes cuyos únicos pedidos fueron en la web, una fila por pedido web. Luego se ejecuta WHERE o.channel = 'app'. Para ambos grupos, o.channel es NULL o ‘web’, así que la condición no es verdadera y las filas se eliminan. Los clientes que más le importan a Daniel, los que tienen cero pedidos en la app, son justo los que desaparecen.

Una condición de WHERE sobre la tabla derecha de un LEFT JOIN lo convierte en un INNER JOIN.

La solución: filtrar en ON

Las condiciones en ON deciden qué filas del lado derecho coinciden. Nunca eliminan filas del lado izquierdo:

SELECT c.customer_id, COUNT(o.order_id) AS app_orders
FROM customers AS c
LEFT JOIN orders AS o
  ON o.customer_id = c.customer_id
 AND o.channel = 'app'
WHERE c.segment = 'business'
GROUP BY c.customer_id;

Ahora cada cliente empresarial se empareja solo con sus pedidos de la app. Si no hay ninguno, el cliente se conserva con NULL, y COUNT(o.order_id) cuenta cero valores no NULL, dando 0.

La condición sobre la tabla izquierda, c.segment = 'business', se queda correctamente en WHERE: está pensada para eliminar clientes. Ponerla en ON conservaría en cambio a todos los clientes y solo dejaría de emparejar pedidos para los consumidores, así que los consumidores aparecerían con 0.

condición sobre	va en
qué filas izquierdas conservar	WHERE
qué filas derechas cuentan como coincidencia	ON

COUNT(*) también sería incorrecto

Con la solución aplicada, prueba COUNT(*). Los clientes sin pedidos en la app ahora muestran 1, porque el LEFT JOIN produjo una fila para ellos (llena de NULL). Cuenta una columna de la tabla derecha en su lugar.

Nota de entrevista

“¿Por qué mi LEFT JOIN perdió filas?” es un clásico de las entrevistas de SQL y de las revisiones de pruebas técnicas. Explícalo en términos de NULL: las filas sin coincidencia tienen NULL en las columnas del lado derecho, una comparación de WHERE con NULL es desconocida, y WHERE conserva solo las filas verdaderas. Luego da la solución: mover la condición a ON, o filtrar la tabla derecha en una subconsulta antes de unirla.

Errores comunes

• Filtrar la tabla derecha en WHERE. WHERE o.channel = 'app' elimina a todo cliente sin pedidos en la app. Muévelo al join: ON o.customer_id = c.customer_id AND o.channel = 'app'.
• Parchearlo con OR o.order_id IS NULL. Eso conserva a los clientes sin ningún pedido, pero los clientes cuyos únicos pedidos fueron en la web siguen teniendo un o.order_id no NULL y siguen desapareciendo.
• Mover la condición de la tabla izquierda a ON. ON ... AND c.segment = 'business' conserva también a todos los consumidores, cada uno con 0 pedidos en la app. Las condiciones que eligen qué clientes conservar se quedan en WHERE.
• Contar con COUNT(*). Un cliente sin coincidencia aún tiene una fila llena de NULL, así que COUNT(*) reporta
  1. Cuenta una columna de la tabla derecha: COUNT(o.order_id).

En SQL Server

Sin diferencia: la regla de ON frente a WHERE es SQL estándar. COUNT(o.order_id) también devuelve 0 para los clientes sin coincidencia allí. Solo SUM de una coincidencia vacía devuelve NULL, que envolverías en ISNULL(..., 0) o COALESCE(..., 0).