https://github.com/aliciagilmatute/sql-data-analysis-complete-project
Colección de scripts de SQL (PostgreSQL) donde se aplican una serie de técnicas de Análisis de Datos: cambios a lo largo del tiempo, análisis acumulativos, análisis de rendimiento, segmentación de datos, análisis de proporciones, etc.
https://github.com/aliciagilmatute/sql-data-analysis-complete-project
advanced-data-analysis data-analytics data-science data-segmentation exploratory-data-analysis performance-analysis postgresql sql
Last synced: 24 days ago
JSON representation
Colección de scripts de SQL (PostgreSQL) donde se aplican una serie de técnicas de Análisis de Datos: cambios a lo largo del tiempo, análisis acumulativos, análisis de rendimiento, segmentación de datos, análisis de proporciones, etc.
- Host: GitHub
- URL: https://github.com/aliciagilmatute/sql-data-analysis-complete-project
- Owner: aliciagilmatute
- License: mit
- Created: 2026-05-08T09:42:09.000Z (about 1 month ago)
- Default Branch: main
- Last Pushed: 2026-05-08T10:49:19.000Z (about 1 month ago)
- Last Synced: 2026-05-08T11:37:38.828Z (about 1 month ago)
- Topics: advanced-data-analysis, data-analytics, data-science, data-segmentation, exploratory-data-analysis, performance-analysis, postgresql, sql
- Language: PLpgSQL
- Homepage:
- Size: 5.86 MB
- Stars: 0
- Watchers: 0
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
- License: LICENSE.txt
Awesome Lists containing this project
README
# 📊 SQL Data Analysis — Proyecto Completo
> Colección de scripts SQL (PostgreSQL / PLpgSQL) que aplica técnicas avanzadas de Análisis de Datos sobre un modelo de datos de ventas y clientes.
---
## 🎯 ¿Qué aprenderás con este proyecto?
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.
---
## 📝 Descripción General
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.
---
## 🏛️ Arquitectura del Proyecto
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.
---
## 🗂️ Estructura del Repositorio
```
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
```
### 📁 `datasets/`
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 |
### 📁 `docs/`
Documentación de apoyo: diagramas del modelo de datos (ERD), descripción de los conjuntos de datos y guías de uso.
### 📁 `scripts/`
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 |
---
## 🔍 Técnicas Analíticas Aplicadas
### 1. 🗺️ Exploración de la Base de Datos
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.
### 2. 📈 Cambios a lo Largo del Tiempo (*Change Over Time*)
Análisis de evolución temporal usando funciones de ventana y agrupaciones por fecha. Permite identificar tendencias, estacionalidades y variaciones interanuales.
```sql
-- 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 |
### 3. 📊 Análisis Acumulativos (*Cumulative Analysis*)
Cálculo de totales acumulados y medias móviles con `SUM() OVER` y `AVG() OVER`. Útil para visualizar el crecimiento progresivo de una métrica.
```sql
-- Total acumulado de ventas
SELECT
order_date,
sales_amount,
SUM(sales_amount) OVER (ORDER BY order_date) AS ventas_acumuladas
FROM gold.fact_sales;
```
### 4. 🏆 Análisis de Rendimiento (*Performance Analysis*)
Compara el rendimiento actual frente a un período anterior usando `LAG()`. Permite detectar de un vistazo si el negocio crece o retrocede.
```sql
-- 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;
```
### 5. 🧩 Segmentación de Datos (*Data Segmentation*)
Agrupa clientes o productos en segmentos según criterios cuantitativos usando `CASE WHEN`, `NTILE()` o rangos personalizados.
```sql
-- 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 |
### 6. 🍰 Análisis de Proporciones (*Part-to-Whole*)
Calcula el porcentaje que representa cada categoría sobre el total global. Fundamental para entender la distribución del negocio y detectar concentraciones de riesgo.
```sql
-- % 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;
```
### 7. 📋 Informes Consolidados (*Reports*)
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).
---
## ⚙️ Requisitos y Configuración
### Prerrequisitos
- **PostgreSQL** versión 12 o superior.
- Cliente SQL: [pgAdmin](https://www.pgadmin.org/), [DBeaver](https://dbeaver.io/), o cualquier cliente compatible.
### Pasos para Ejecutar el Proyecto
**1. Clona el repositorio:**
```bash
git clone https://github.com/aliciagilmatute/sql-data-analysis-complete-project.git
cd sql-data-analysis-complete-project
```
**2. Crea la base de datos:**
```sql
CREATE DATABASE sql_analytics_db;
```
**3. Carga los datos de la capa Gold:**
```bash
-- 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`.
---
## 🧰 Tecnologías Utilizadas
| 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 |
---
## 📚 Conceptos SQL Demostrados
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 `WITH` para 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
---
## 📌 Casos de Uso
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.
---
## 🔗 Proyectos Relacionados
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](https://github.com/aliciagilmatute/sql_data_warehouse_project)** — Construcción de un Data Warehouse desde fuentes brutas hasta la capa Gold, con arquitectura Medallion (Bronze → Silver → Gold).
---
## 👤 Autora
**Alicia Gil Matute**
[](https://github.com/aliciagilmatute)
---
## 📄 Licencia
Este proyecto está licenciado bajo la **Licencia MIT** — consulta el archivo [LICENSE](LICENSE.txt) 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.*