Electro Store - Análisis de Datos con SQL

Realizo consultas a la base de datos relacional de Electro Store, una cadena ficticia de tiendas de electrónica y robótica, el cual tiene presencia en 5 ciudades del país y un canal de ventas online, con el objetivo de realizar un análisis de los datos y generar insights valiosos acerca del desempeño entre Enero 2024 y Diciembre 2026. Este es un proyecto de portafolio para mis prácticas preprofesionales en Análisis de Datos e Inteligencia Artificial.

Objetivo

Generar insights valiosos para el negocio a través del análisis de datos y consultas a una base de datos utilizando SQL. Asimismo busco demostrar mi comodidad para trabajar con este lenguaje de consulta.

Modelo de Datos

Mi modelo de datos sigue el esquema copo de nieve, en la cual podemos identificar 3 fact tables: transacciones, devoluciones e inventario, y 7 dimension tables: clientes, productos, tiendas, categorias, subcategorias, metodoPago, calendario.

Reportes Finales

Reporte de Clientes

Reporte de Productos

Reporte de Tiendas

Funcionalidades Utilizadas

• Funciones de Agregación: Utilicé SUM(), COUNT(), MIN(), MAX(), AVG() para calcular valores como los ingresos totales, unidades vendidas, total de clientes y productos, cliente más joven y más adulto, valor promedio por pedido, etc.
• Funciones de Fecha y Tiempo: EOMONTH(), YEAR(), DATEDIFF() para analizar los ingresos mensuales y anuales, y calcular las edades de los clientes.
• Funciones de Formateo: Usé FORMAT() para darle el formato de la moneda peruana a los ingresos (mensuales, anuales y totales) y a las fechas (pasamos de yyyy-mm-dd a dd/mm/yyyy).
• Segmentación de Datos: Utilicé CASE WHEN para segmentar a los productos según su costo y a los clientes según el total de ingresos generados en compras para la empresa (bronce, plata y dorado).
• JOINS múltiples: Usé LEFT JOIN para combinar diferentes tablas, tales como Transacciones, Productos, Clientes, Subcategorías y Categorías, para así enriquecer los resultados y generar insights como las categorías de productos con mayores ingresos, los productos más vendidos, la tasa de devolución por categoría de producto, etc.
• Subconsultas: Usé subconsultas para calcular el total de ingresos por categoría, el total de productos por categoría y el total acumulado de ingresos.
• CTEs: Utilicé CTEs para crear consultas de múltiples pasos y crear los reportes finales de clientes y productos, así como para calcular los ingresos por categoría y segmentar a los productos según su costo.
• Funciones de Ventana: Usé SUM() OVER() para calcular los ingresos totales por categoría.
• Vistas: Creé vistas para almacenar los reportes finales de clientes, productos y tiendas.

Hallazgos generados

• Los ingresos totales generados entre Enero 2024 y Diciembre 2026 fueron de S/ 2,363,103.
• De nuestro total de 400 clientes, el 88.5% (354) son personas naturales y solo el 11.5% (46) son empresas.
• La categoría de producto con mayores ingresos es la de Computación Embebida / SBC con un total de S/ 1,243,073.
• Mientras que la categoría con menores ingresos es la de Componentes Electrónicos con un total de S/ 66,715.
• El método de pago a través del cual se generaron mayores ingresos es Yape con S/ 689,987. Por otro lado, el método de pago con menores ingresos es la de Transferencia Bancaria con S/ 141,981.
• Más del 54% (217) de nuestros clientes, entre personas y empresas, se concentra en el departemento de Lima.
• La categoría con mayor tasa de devolución es la de Motores y Movimiento con 5.89% (87 devoluciones de las 1477 ventas realizadas).
• La categoría con menor tasa de devolución es la de Fuentes y Energía con 4.49% (81 devoluciones de las 1804 ventas.)
• La tienda con mayores ingresos fue la de San Martín de Porres con un total de S/ 334,666. Por otro lado, la tienda con menores ingresos fue la de Cusco con S/ 267,222.

¿Cómo usarlo?

1. Descargue y descomprima la carpeta sql_scripts.
2. Abra master.sql, actualice las rutas absolutas al inicio del archivo para que coincidan con la ubicación donde descomprimió la carpeta.
3. Ejecute master.sql en SQL Server Management Studio (SSMS) con SQLCMD Mode habilitado (Query → SQLCMD Mode) para crear y poblar la base de datos electroStoreDB.
4. Abra el archivo Análisis Exploratorio de Datos.sql y ejecute las diferentes consultas ya redactadas. Si desea ver los reportes finales de clientes, productos y tiendas, diríjase a la parte inferior de Análisis Avanzado de Datos.sql para crear las vistas. Del mismo modo, ejecute las consultas ya redactadas para ver los resultados.

Autor

Luis Tomás Dávila Naveda Estudiante de Ingeniería de Sistemas de Información — USIL

• Email: tonadavnav05@gmail.com
• LinkedIn: linkedin.com/in/tomasdavilanaveda

Licencia

Este proyecto está bajo la licencia MIT.