1. Faro

Nivel 6 · Reembolsos de 2025 por categoría

La solicitud

De Rachel Adams, Líder de Atención al Cliente

“Estoy planeando la dotación del centro de devoluciones del próximo año. De todo lo devuelto en 2025, ¿qué categorías de producto nos cuestan más en reembolsos, y qué tan grande es un reembolso típico en cada una?”

Tu objetivo

Une returns con order_items (por order_item_id) y order_items con products (por product_id). Para las devoluciones con returned_on en 2025, devuelve una fila por categoría con: category, returns (número de devoluciones), total_refund (suma de refund_amount, redondeada a 2) y avg_refund (promedio de refund_amount, redondeado a 2). Ordena por total_refund descendente.

  • Lee de la tabla productspendiente
  • Lee de la tabla order_itemspendiente
  • Muestra exactamente category returns total_refund avg_refundpendiente

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
    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
    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
    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

    Muchas preguntas necesitan más de dos tablas. Aquí la devolución conoce su línea de pedido, la línea de pedido conoce su producto, y solo el producto conoce su categoría. Recorres la cadena un join a la vez.

    Encadenar joins

    Cada JOIN añade una tabla usando una clave que comparte con una tabla que ya está en la consulta:

    SELECT o.channel,
           COUNT(*) AS returns,
           ROUND(SUM(r.refund_amount), 2) AS refunded
    FROM returns AS r
    JOIN order_items AS i ON i.order_item_id = r.order_item_id
    JOIN orders AS o ON o.order_id = i.order_id
    WHERE r.returned_on >= '2025-01-01'
    GROUP BY o.channel
    ORDER BY returns DESC;

    Esto va de las devoluciones a la línea de pedido, y luego al pedido, y reporta las devoluciones de 2025 por canal: web 289, app 286 y marketplace 84. Tu ticket toma la otra rama, de la línea de pedido a products.

    Antes de agrupar, pregúntate qué significa una fila tras los joins. Una devolución coincide con una línea de pedido y una línea tiene un producto, así que cada devolución sigue siendo una fila. Por eso COUNT(*) cuenta devoluciones aquí. Unir en la otra dirección, de un producto a sus muchas líneas, multiplicaría las filas.

    Fíjate también en que el filtro de fecha está en returned_on, la fecha en que el dinero se devolvió, no en la fecha del pedido. Una devolución procesada en enero de 2025 de un pedido de diciembre de 2024 es un reembolso de 2025.

    Una comprobación rápida tras cualquier cadena de joins: cuenta las filas antes de agrupar y compáralas con la tabla cuyo grano quieres. Aquí las filas unidas de 2025 son 659, las mismas que las filas de 2025 en returns, así que no se perdió ni se duplicó ninguna fila por el camino.

    Errores comunes

    • Saltarse el puente. No hay ninguna columna que enlace returns con products directamente, así que el camino tiene que pasar por order_items.
    • Columna de fecha equivocada. Filtrar por la fecha del pedido responde a otra pregunta.
    • Ordenar por el número equivocado. Decor tiene más devoluciones en 2025 (179) pero un reembolso promedio de solo $100.82, mientras que Furniture tiene 35 devoluciones con un promedio de $994.22. Ordena por total_refund, no por returns.

    En SQL Server

    Los joins son idénticos. Solo cambia el estilo del literal de fecha si prefieres valores tipados: WHERE r.returned_on >= '20250101' AND r.returned_on < '20260101' funciona en SQL Server, y '2025-01-01' también funciona con una columna date.

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