1. Faro

Nivel 7 · Participación de la app en cada mes

La solicitud

De Daniel Foster, Gerente de Producto Móvil

“Para la revisión del roadmap de la app necesito la participación de la app en los pedidos completados de cada mes de 2025, junto a la web y el marketplace, para ver si la app está ganando terreno.”

Tu objetivo

Para los pedidos con estado 'completed' realizados en 2025, devuelve una fila por mes y canal con: month (primer día del mes, como DATE), channel, orders (los pedidos de ese canal en el mes), month_orders (los pedidos de todos los canales en el mes) y share_pct (orders / month_orders * 100, redondeado a 1). Ordena por month y luego por channel.

  • Lee de la tabla orderspendiente
  • Muestra exactamente month channel orders month_orders share_pctpendiente
  • 36 filas, ordenadas como se pidependiente

Tu consulta

SQL

Cargando el editor…

    ResultadoVista previa de orders · presiona Ejecutar para ver el tuyo
    Vista previa de orders
    order_idcustomer_idorder_datestatuschannel
    10011252023-01-01 20:51:19completedweb
    10021562023-01-02 07:58:46completedweb
    1003222023-01-02 10:25:27completedmarketplace
    1004482023-01-02 11:21:51completedmarketplace

    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.

    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
    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
    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
    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

    Una participación necesita dos números en la misma fila: la parte y el todo. Una función de ventana calcula el todo sin colapsar las filas.

    COUNT(*) OVER frente a GROUP BY

    GROUP BY month devuelve una fila por mes. COUNT(*) OVER (PARTITION BY month) devuelve cada fila de entrada y añade a cada una el conteo del mes. Eso facilita comparar una fila con su grupo:

    SELECT order_id,
           channel,
           COUNT(*) OVER (PARTITION BY channel) AS channel_orders
    FROM orders
    WHERE status = 'completed'
    LIMIT 5;

    Cada pedido lleva el conteo de todo su canal (5,367 pedidos web completados, por ejemplo). En la solución de referencia, PARTITION BY month, channel da la parte, PARTITION BY month da el todo y DISTINCT elimina las filas repetidas.

    El mismo resultado sale también de la consulta agrupada del starter más una ventana encima de los conteos agrupados: SUM(COUNT(*)) OVER (PARTITION BY month). El COUNT(*) interno es por mes y canal, y la ventana suma los tres canales. Ambas versiones están bien; el verificador compara resultados, no código.

    Leer el resultado

    La participación de la app en los pedidos completados sube del 32.8% en enero de 2025 al 50.3% en diciembre, mientras que el total de diciembre (634 pedidos) es más del doble que el de enero (268). Participaciones y totales responden preguntas distintas, por eso el ticket quiere ambas columnas. Una participación creciente puede venir de que la app crece o de que los otros canales se encogen; solo los conteos a su lado te dicen cuál.

    Errores comunes

    • Filtrar antes de la ventana. WHERE channel = 'app' elimina las filas de web y marketplace antes de que la ventana cuente, así que month_orders es igual a orders y todas las participaciones son 100%. Calcula todos los canales en una CTE y filtra por fuera.
    • Partición equivocada. PARTITION BY channel divide entre el total anual del canal, otra pregunta distinta.
    • División entera. Multiplica por 100.0 antes de dividir.

    En SQL Server

    COUNT(*) OVER (PARTITION BY ...) funciona igual, pero el resultado es un int, y int dividido entre int trunca. Escribe 100.0 * COUNT(*) OVER (...) / COUNT(*) OVER (...) para que la división ocurra en decimales. Para el mes, usa DATETRUNC(month, order_date) (SQL Server 2022) o DATEFROMPARTS(YEAR(order_date), MONTH(order_date), 1).

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