Colección de scripts SQL (PostgreSQL / PLpgSQL) que aplica técnicas avanzadas de Análisis de Datos sobre un modelo de datos de ventas y clientes.
Este repositorio es una guía práctica de análisis de datos con SQL puro. Si lo estudias y ejecutas, serás capaz de:
- Explorar y entender la estructura de cualquier base de datos relacional desde cero.
- Aplicar las técnicas analíticas más demandadas en el mundo real: rankings, acumulados, análisis temporal, segmentación y proporciones.
- Escribir consultas SQL avanzadas con funciones de ventana, CTEs y agrupaciones complejas.
- Construir informes consolidados de clientes y productos listos para negocio.
Es ideal como proyecto de portfolio para demostrar habilidades analíticas en entrevistas de trabajo, o como referencia reutilizable en el día a día como analista o profesional de BI.
Los scripts cubren desde la exploración inicial de la base de datos hasta técnicas avanzadas como análisis acumulativos, segmentación de clientes, análisis de rendimiento y cálculo de proporciones. Cada script aborda un tema analítico concreto y está diseñado para ser comprensible de forma independiente, aunque juntos forman un flujo de análisis completo.
Este repositorio forma parte de un flujo completo Data Engineering → Data Analysis:
┌──────────────────────────────────────────────────────────────────┐
│ PROYECTO DE DATA ENGINEERING (origen) │
│ │
│ Fuentes externas ──► 🥉 Bronze ──► 🥈 Silver ──► 🥇 Gold │
│ (CRM, ERP, etc.) (raw) (limpia) (analítico) │
└──────────────────────────────────────────────────────────────────┘
│
▼
┌──────────────────────────────────────────────────────────────────┐
│ ESTE REPOSITORIO (análisis sobre Gold) │
│ │
│ scripts/ ──► Consultas analíticas sobre tablas dim_* y fact_* │
└──────────────────────────────────────────────────────────────────┘
Los scripts de análisis trabajan directamente sobre la capa Gold, que contiene tablas dimensionales (dim_*) y de hechos (fact_*) ya limpias, estandarizadas e integradas.
sql-data-analysis-complete-project/
│
├── datasets/
│ └── csv-files/ # 17 archivos CSV exportados del Data Warehouse
│ ├── bronze_*.csv # Capa Bronze: datos crudos de los sistemas fuente
│ ├── silver_*.csv # Capa Silver: datos limpios y estandarizados
│ └── gold_*.csv # Capa Gold: tablas dim_* y fact_* del modelo estrella
│
├── docs/ # Diagramas del modelo de datos y documentación adicional
│
└── scripts/ # Scripts SQL organizados por técnica analítica
Contiene los archivos CSV resultantes del Data Warehouse. Para los análisis se utilizan únicamente las vistas de la capa Gold:
| Vista | Descripción |
|---|---|
gold.dim_customer |
Información de los clientes |
gold.dim_products |
Catálogo de artículos con categorías y precios |
gold.fact_sales |
Transacciones con fechas, cantidades e importes |
Documentación de apoyo: diagramas del modelo de datos (ERD), descripción de los conjuntos de datos y guías de uso.
El núcleo del proyecto. Los scripts están organizados por categoría analítica y deben ejecutarse en orden numérico:
| Script | Descripción |
|---|---|
01_database_exploration.sql |
Exploración inicial: tablas, columnas, tipos de datos, conteos de registros y valores únicos |
02_dimensions_exploration.sql |
Análisis de tablas de dimensiones: clientes, productos y territorios |
03_date_range_exploration.sql |
Exploración del rango temporal de los datos y detección de huecos en fechas |
04_measures_exploration.sql |
Cálculo de métricas clave: totales, promedios, mínimos y máximos |
05_magnitude_analysis.sql |
Análisis de magnitud: identificación de los valores más grandes y más pequeños |
06_ranking_analysis.sql |
Técnicas de ranking con RANK(), DENSE_RANK() y ROW_NUMBER() |
07_change_over_time.sql |
Análisis de cambios a lo largo del tiempo: tendencias mensuales, anuales y comparativas |
08_cumulative_analysis.sql |
Análisis acumulativos: totales acumulados, medias móviles y sumas rodantes |
09_performance_analysis.sql |
Comparación de resultados reales frente a objetivos o períodos anteriores |
10_part_to_whole.sql |
Análisis de proporciones: contribución de cada parte al total (%) |
11_data_segmentation.sql |
Segmentación de clientes y productos en grupos significativos |
12_customer_report.sql |
Informe consolidado de clientes con métricas de valor, recencia y frecuencia |
13_product_report.sql |
Informe consolidado de productos con análisis de ventas, márgenes y tendencias |
Antes de analizar, es necesario entender los datos. Estos scripts permiten inspeccionar la estructura del esquema, identificar tablas y relaciones, detectar valores nulos y comprender el rango temporal de los registros disponibles.
Análisis de evolución temporal usando funciones de ventana y agrupaciones por fecha. Permite identificar tendencias, estacionalidades y variaciones interanuales.
-- Ventas totales por año y mes
SELECT
DATE_TRUNC('month', order_date) AS mes,
SUM(sales_amount) AS ventas_totales
FROM gold.fact_sales
GROUP BY 1
ORDER BY 1;Ejemplo de resultado:
| mes | ventas_totales |
|---|---|
| 2022-01-01 | 48,320.00 |
| 2022-02-01 | 52,180.00 |
| 2022-03-01 | 61,450.00 |
Cálculo de totales acumulados y medias móviles con SUM() OVER y AVG() OVER. Útil para visualizar el crecimiento progresivo de una métrica.
-- Total acumulado de ventas
SELECT
order_date,
sales_amount,
SUM(sales_amount) OVER (ORDER BY order_date) AS ventas_acumuladas
FROM gold.fact_sales;Compara el rendimiento actual frente a un período anterior usando LAG(). Permite detectar de un vistazo si el negocio crece o retrocede.
-- Crecimiento respecto al año anterior
SELECT
anio,
ventas,
LAG(ventas) OVER (ORDER BY anio) AS ventas_anio_anterior,
ventas - LAG(ventas) OVER (ORDER BY anio) AS diferencia
FROM gold.fact_sales;Agrupa clientes o productos en segmentos según criterios cuantitativos usando CASE WHEN, NTILE() o rangos personalizados.
-- Segmentación de clientes por gasto total
SELECT
customer_key,
total_spent,
CASE
WHEN total_spent >= 10000 THEN 'VIP'
WHEN total_spent >= 3000 THEN 'Regular'
ELSE 'Ocasional'
END AS segmento
FROM gold.dim_customers;Ejemplo de resultado:
| customer_key | total_spent | segmento |
|---|---|---|
| C-0041 | 15,200.00 | VIP |
| C-0112 | 4,850.00 | Regular |
| C-0237 | 980.00 | Ocasional |
Calcula el porcentaje que representa cada categoría sobre el total global. Fundamental para entender la distribución del negocio y detectar concentraciones de riesgo.
-- % de ventas por categoría de producto
SELECT
category,
SUM(sales_amount) AS ventas,
ROUND(
100.0 * SUM(sales_amount) / SUM(SUM(sales_amount)) OVER (),
2) AS porcentaje
FROM fact_sales
JOIN gold.dim_products USING (product_key)
GROUP BY category;Scripts que combinan múltiples técnicas para generar vistas analíticas completas. Incluyen métricas de Recencia (última compra), Frecuencia (número de pedidos) y Valor monetario (gasto total acumulado).
1. Clona el repositorio:
git clone https://github.com/aliciagilmatute/sql-data-analysis-complete-project.git
cd sql-data-analysis-complete-project2. Crea la base de datos:
CREATE DATABASE sql_analytics_db;3. Carga los datos de la capa Gold:
-- Ejecuta en orden los archivos de datasets/csv-files/gold_*.csv
-- o importa directamente desde tu cliente SQL (pgAdmin / DBeaver)💡 Los scripts de análisis solo necesitan las tablas de la capa Gold (
gold.dim_customer,gold.dim_products,gold.fact_sales). Si ya tienes un Data Warehouse propio, puedes adaptar los scripts a tu esquema.
4. Ejecuta los scripts de análisis:
Abre los archivos de la carpeta scripts/ y ejecútalos en orden numérico, comenzando por 01_database_exploration.sql.
| Tecnología | Uso |
|---|---|
| PostgreSQL | Motor de base de datos relacional |
| PLpgSQL | Lenguaje procedural para scripts avanzados |
| pgAdmin / DBeaver | Clientes SQL para ejecutar y visualizar resultados |
| SQL Window Functions | RANK(), LAG(), SUM() OVER(), AVG() OVER() |
| CTEs | Consultas estructuradas con WITH para mayor legibilidad |
A lo largo del proyecto se aplican los siguientes conceptos:
- Funciones de ventana:
ROW_NUMBER(),RANK(),DENSE_RANK(),LAG(),LEAD(),SUM() OVER(),AVG() OVER() - CTEs (Common Table Expressions): uso de
WITHpara estructurar consultas complejas en pasos legibles - Agrupaciones avanzadas:
GROUP BY,ROLLUP,CUBE - Funciones de fecha:
DATE_TRUNC(),EXTRACT(),AGE(),DATE_PART() - Funciones condicionales:
CASE WHEN,COALESCE(),NULLIF() - Subqueries y JOINs para combinar múltiples tablas y fuentes de datos
Este proyecto es ideal para:
- 👩💻 Analistas de datos que quieren practicar SQL orientado al análisis de negocio.
- 📊 Profesionales de BI que necesitan plantillas de consultas reutilizables.
- 🎓 Estudiantes que buscan ejemplos reales de técnicas analíticas en SQL.
- 🗂️ Portfolio profesional para demostrar habilidades en entrevistas de trabajo.
Este repositorio es la segunda parte de un flujo completo de datos. El origen de los datasets utilizados aquí es el siguiente proyecto de Data Engineering:
📦 SQL Data Warehouse Project — Construcción de un Data Warehouse desde fuentes brutas hasta la capa Gold, con arquitectura Medallion (Bronze → Silver → Gold).
Alicia Gil Matute
Este proyecto está licenciado bajo la Licencia MIT — consulta el archivo LICENSE para más detalles.
Eres libre de usar, modificar y distribuir este proyecto con la atribución correspondiente.
¿Tienes sugerencias o mejoras? ¡Las contribuciones son bienvenidas! Abre un issue o un pull request.