Contenido del curso
SQL para ventas: del filtro al insight
Saber leer una consulta SQL es solo el inicio. Lo valioso es entender cómo usar SQL en ventas para decidir sobre promociones, inventario, pricing y campañas con datos reales, no con corazonadas.
Cuando dominas filtros, joins y agregaciones aplicados a un caso concreto como las ventas, ganas algo más importante que escribir código: aprendes a pedir mejor, cuestionar mejor y actuar con mayor confianza frente al equipo técnico.
¿Qué preguntas de negocio se pueden responder con SQL?
La lista es larga, pero hay clásicos que aparecen en casi cualquier reunión comercial. Si trabajas con un área de ventas, seguro reconoces estas:
Todas estas preguntas se pueden responder si sabes plantearlas bien. Y aquí viene lo interesante: la mayoría se resuelve combinando piezas que ya conoces.
¿Qué es un análisis de cohorts en ventas? Es agrupar a los clientes según el mes de su primera compra y observar cómo se comportan en los meses siguientes. Sirve para medir retención y saber si una promoción atrae clientes recurrentes o solo oportunistas.
¿Cuáles son las piezas clave de SQL aplicadas a ventas?
Cada pregunta de negocio se traduce en una combinación de cláusulas. Conocerlas te ayuda a saber qué pedir y qué esperar como resultado.
¿Cómo filtrar ventas con WHERE?
La cláusula WHERE te permite acotar el universo. Aquí defines condiciones como fecha, región, categoría o canal de venta. Por ejemplo: solo ventas de julio, solo el canal online, o solo productos electrónicos. Sin filtros, terminas mirando ruido en lugar de señal.
¿Cómo obtener un Top N de productos o clientes?
Cuando te interesa lo más relevante, ordenas y recortas. Usas ORDER BY y lo combinas con LIMIT (o su equivalente según la base de datos) para quedarte con los primeros resultados. Casos típicos: top 10 productos con más ventas o top 5 clientes por ticket promedio.
¿Para qué sirven los JOINs entre tablas?
Los joins enriquecen tu tabla de ventas con contexto que vive en otras tablas. Así pasas de un id_producto a saber el nombre del producto, la ciudad del cliente o la categoría del canal. Eso convierte datos crudos en información accionable.
¿Cómo traducir una pregunta de negocio a una consulta SQL?
Imagina dos tablas. La primera, ventas, con: id_venta, id_producto, id_cliente, monto_venta y fecha_venta. La segunda, productos, con: id_producto, categoria_producto y nombre_producto.
La pregunta de negocio: ¿cuál es el total de ventas por categoría durante el último mes?
El paso a paso mental sería así:
SUM(monto_venta).WHERE fecha_venta BETWEEN '2025-08-01' AND '2025-08-31'.GROUP BY categoria_producto.sql SELECT p.categoria_producto, SUM(v.monto_venta) AS total_ventas FROM ventas v JOIN productos p ON v.id_producto = p.id_producto WHERE v.fecha_venta BETWEEN '2025-08-01' AND '2025-08-31' GROUP BY p.categoria_producto;
Fíjate que ya estás pensando en SQL sin escribir nada técnico al inicio. Ese es el músculo que conviene entrenar.
¿Cómo escribo una consulta SQL paso a paso? Define qué quieres calcular, decide qué tablas necesitas unir, agrega los filtros temporales o de segmento y termina con la agrupación correcta. El orden mental es: medir, unir, filtrar, agrupar.
¿Por qué validar los resultados antes de usarlos?
Una consulta puede estar escrita correctamente y aun así darte un número engañoso. SQL no valida la lógica del negocio por ti. Eso lo haces tú con criterio.
Antes de presentar un resultado, hazte tres preguntas:
Esa verificación es lo que separa a quien repite consultas de quien las usa para decidir.
¿Qué reto puedes practicar con una tabla de ventas?
Con una tabla simulada que tenga cliente_id, fecha_compra y monto, intenta escribir tres consultas que aparecen todo el tiempo en analítica de clientes:
No necesita estar perfecto a la primera. La idea es traducir una pregunta de negocio a una consulta bien planteada, aunque la pulas después con el equipo técnico.
Este ejercicio te acerca a algo más grande: dejar de ser solo intérprete de datos y empezar a guiar al equipo técnico con preguntas claras. ¿Qué consulta de tu trabajo actual te gustaría aprender a plantear primero? Cuéntalo en los comentarios.
Gabriel Obregón
Estudiante
Aaron Mainero
Estudiante
Carlos Mario Agudelo Castrillon
Estudiante
Jhon Freyman Ramírez Cortés
EstudianteJhon Freyman Ramírez Cortés
Estudiante
Hugo Armando Romero Cadena
EstudianteJhon Freyman Ramírez Cortés
EstudianteEsteban Bastías B.
EstudianteEsteban Bastías B.
Estudiante
Carlos Eduardo Cabello Rodriguez
Estudiante
Jaime Lopez Hidalgo
EstudianteJaime Lopez Hidalgo
Estudiante
ANGELA MARIA SUAZA VARELA
Estudiante
Jhon Arismendy
EstudianteCarolina Parra Gomez
Estudiante
Carlos Andres Prieto Garavito
Estudiante
Claudia Cecilia Ruiz Duque
EstudianteGladys Martinez
Estudiante
Claudia Suárez
Estudiante
Felipe Martínez
Estudiante📊 SQL en Ventas
🎯 OBJETIVO
Transformar datos → decisiones de negocio
🔹 Detectar productos y clientes clave
🔹 Medir crecimiento por ciudad o categoría
🔹 Analizar retención y fidelidad (cohorts)
❓ PREGUNTAS CLAVE EN VENTAS
🔸 ¿Qué productos son los más vendidos?
🔸 ¿Quiénes son los clientes más frecuentes o de mayor ticket?
🔸 ¿Dónde crecemos más rápido (ciudades)?
🔸 ¿Qué categorías aumentan su ticket promedio?
🔸 ¿Qué cohorts siguen comprando después del primer mes?
🔧 COMPONENTES DE UNA CONSULTA SQL
🔹 Filtros (WHERE): fechas, regiones, categorías, canales
🔹 Joins: unir ventas con productos/clientes/regiones
🔹 Agregaciones (SUM, COUNT, AVG): cuánto, cuántos, quiénes
🔹 Orden + cortes (ORDER BY, LIMIT): armar TOP N
✅ VALIDAR RESULTADOS
✔ ¿Los números tienen sentido con el negocio?
✔ Detecta valores raros, duplicados o picos inesperados
✔ Contrasta con otra métrica o fuente
⚠ SQL no valida por sí solo: lo haces tú con criterio
📌 EJEMPLO: Ventas por categoría (agosto 2025)
SELECT p.categoria_producto,
SUM(v.monto_venta) AS total_ventas
FROM ventas AS v
JOIN productos AS p ON v.id_producto = p.id_producto
WHERE v.fecha_venta BETWEEN '2025-08-01' AND '2025-08-31'
GROUP BY p.categoria_producto
ORDER BY total_ventas DESC;
🗝️ Claves: ➡ SUM = consolida ventas ➡ JOIN = agrega categoría ➡ WHERE = filtra por fechas ➡ GROUP BY + ORDER BY = organiza resultados
⭐ TOP N CLIENTES O PRODUCTOS
SELECT v.id_cliente,
COUNT(*) AS compras
FROM ventas AS v
GROUP BY v.id_cliente
ORDER BY compras DESC
LIMIT 10;
👉 Ordena por métrica objetivo 👉 Usa LIMIT para el tamaño del ranking
🔍 ANALISIS DE COHORTS
🗓️ Define mes de primera compra
👥 Agrupa clientes por mes de inicio
📈 Observa retención y recurrencia
🎯 Evalúa si hay clientes fieles o solo compras únicas
🧠 PENSAR EN SQL (antes de escribir)
1️⃣ ¿Qué filtras?
2️⃣ ¿Qué unes?
3️⃣ ¿Qué agregas?
4️⃣ ¿Cómo ordenas/recortas?
Obtener los 10 clientes con más compras (por monto total gastado)
sql
SELECT cliente_id, SUM(monto) AS total_gastado FROM ventas GROUP BY cliente_id ORDER BY total_gastado DESC LIMIT 10;
Detectar la primera compra por cliente
sql
SELECT cliente_id, MIN(fecha_compra) AS primera_compra FROM ventas GROUP BY cliente_id ORDER BY primera_compra DESC;
sql
SELECT cliente_id, fecha_compra, monto FROM ventas v1 WHERE fecha_compra = ( SELECT MIN(fecha_compra) FROM ventas v2 WHERE v2.cliente_id = v1.cliente_id ) ORDER BY cliente_id;
¿Qué pasa si los resultados no tienen sentido?
Si notas saltos inesperados, duplicados o cifras que desafían la lógica del negocio (como vender un millón de unidades en un día normal), debes detenerte y validar la consulta. SQL es una herramienta obediente: ejecutará exactamente lo que le pidas, incluso si la lógica de negocio detrás de la instrucción es incorrecta.
Lo primero que debes hacer es cruzar esa información con otra fuente de verdad, como el panel de tu pasarela de pagos o el reporte financiero mensual. Revisa si olvidaste un filtro crucial en el WHERE o si un JOIN mal planteado está multiplicando las filas (un error muy común llamado producto cartesiano). La intuición y tu conocimiento del contexto comercial son tu mejor defensa; nunca confíes ciegamente en un resultado solo porque el código se ejecutó sin errores técnicos.
¿Cómo mido la retención de mis clientes?
Para medir la retención, la técnica ideal es el análisis de cohorts. En lugar de ver las ventas totales como un bloque gigante, agrupas a los usuarios según el mes en el que hicieron su primera compra.
Imagina que lanzas una campaña en enero y adquieres 100 clientes. Un cohort te permite rastrear específicamente a ese grupo para ver cuántos de ellos volvieron a comprar en febrero, marzo o abril. Si notas que el 90% deja de comprar al segundo mes, sabes que tienes un problema de fidelidad, no de adquisición. En SQL, esto se logra agrupando por la fecha de la primera transacción y calculando la diferencia en meses para sus compras posteriores. Es la forma más precisa de saber si tu producto realmente genera un hábito de consumo o si fue solo una compra impulsiva.
¿Qué pasa si los resultados no tienen sentido?
Si notas saltos inesperados, duplicados o cifras que desafían la lógica del negocio (como vender un millón de unidades en un día normal), debes detenerte y validar la consulta. SQL es una herramienta obediente: ejecutará exactamente lo que le pidas, incluso si la lógica de negocio detrás de la instrucción es incorrecta.
Lo primero que debes hacer es cruzar esa información con otra fuente de verdad, como el panel de tu pasarela de pagos o el reporte financiero mensual. Revisa si olvidaste un filtro crucial en el WHERE o si un JOIN mal planteado está multiplicando las filas (un error muy común llamado producto cartesiano). La intuición y tu conocimiento del contexto comercial son tu mejor defensa; nunca confíes ciegamente en un resultado solo porque el código se ejecutó sin errores técnicos.
¿Cuándo debo usar la cláusula limit en ventas?
Debes usar LIMIT (o su equivalente como TOP) cuando necesitas enfocarte exclusivamente en los extremos de tu rendimiento comercial, ignorando el ruido del promedio general.
Por ejemplo, si tienes un catálogo de 5,000 artículos, ver la lista completa no te ayudará a tomar decisiones rápidas de inventario. Al combinar ORDER BY de forma descendente con un LIMIT 10, aíslas instantáneamente tus productos estrella para asegurar su abastecimiento. De manera similar, puedes usarlo para encontrar a tus 5 clientes con el ticket promedio más alto y enviarles un regalo VIP, o identificar las 3 sucursales con peor desempeño para investigar qué está fallando. Es una táctica de priorización pura: te ayuda a dirigir tu energía y presupuesto a donde tendrán el mayor impacto.
SELECT
cliente_id, COUNT(*) AS total_compras
FROM
ventas
GROUP BY
cliente_id ORDER BY total_compras DESC LIMIT 10;
SELECT
cliente_id,
MIN(fecha_compra) AS primera_compra
FROM
ventas
GROUP BY
cliente_id;
--Detectar la primera compra por cliente.
Select v.id_cliente, MIN(v.fecha_venta) AS primera_compra FROM venta AS v GROUP BY v.id_cliente
-- Calcular cohorts: desde el mes de primera compra, cómo evoluciona cada grupo.
No, definitivamente no puedo con el conocimiento actual, podría consultar un LLM pero prefiero reconocer mi falta de conocimiento y seguir aprendiendo
Select id_cliente, min(fecha_compra) as primera_compra
Group by id_cliente
Order by primera_compra--TOTAL VENTAS POR CATEGORIA
SELECT *
FROM CLIENTE_ID,
SUM(VENTAS) AS VENTAS.V
JOIN PRODUCTOS.P
P.CATEGORIA_PRODUCTO = V.CATEGORIA_CATEGORIA
WHERE
P.CATEGORIA_PRODCUTO = FECHA_VENTA BETWEEN '2025-08-01' AND '2025-08-31'
GRUOUP BY
CATEGORIA PRODUCTO
-------------------------------
TOP 10 MAS COMPRAS
SELECT V.ID_CLIENTE COUNT(*) FROM VENTAS AS V GROUP BY V.ID_CLIENTE
ORDER BY COMPRAS DESC LIMIT 10
1 COMPRA POR CLIENTE
WITH primera_compra AS (
SELECT cliente_id, MIN(fecha_compra) AS fecha_inicial
FROM ventas GROUP BY cliente_id
),
-- 2. Asignar cohorte
cohortes AS (
SELECT
cliente_id,
DATE_FORMAT(fecha_inicial, '%Y-%m') AS cohorte
FROM primera_compra
)
-- 3. Relacionar compras posteriores con el cohorte
SELECT
c.cohorte,
DATE_FORMAT(v.fecha_compra AS mes_compra,
COUNT(DISTINCT v.cliente_id) AS clientes_activos
FROM cohortes c
JOIN ventas v
ON c.cliente_id = v.cliente_id
GROUP BY c.cohorte, mes_compra
ORDER BY c.cohorte, mes_compra;
SELECT v.id_ventas AS total_ ventas_categoria
FROM ventas
JOIN producto AS p ON v.id_product =p.id_product
WHERE v.Fecha_de _ventas >2026-05-01 <2026-05-31
ORDER BY DESC
Obtener los 10 clientes con más compras
Idea central: sumar el monto total comprado por cada cliente y ordenar de mayor a menor.
Lógica:
cliente_idmontoDetectar la primera compra por cliente
Idea central: encontrar la fecha mínima de compra para cada cliente.
Lógica:
cliente_idMIN(fecha_compra) como primera compraCalcular cohortes (mes de primera compra)
Idea central: asignar a cada cliente el mes en que compró por primera vez, y luego agrupar clientes por ese mes.
Lógica:
R1. Obtener los 10 clientes con mas compras
SELECT cliente_id sum( monto) as total_venta from tablav
GROUP BY cliente_id
ORDER BY total_venta DESC
LIMIT 10
R2. Detectar la primera compra por cliente
SELECT cliente_id fecha_compra MIN(fecha_compra) as fecha from tablav
ORDER BY fecha_compra DESC
¿Cómo mido la retención de mis clientes?
Para medir la retención, la técnica ideal es el análisis de cohorts. En lugar de ver las ventas totales como un bloque gigante, agrupas a los usuarios según el mes en el que hicieron su primera compra.
Imagina que lanzas una campaña en enero y adquieres 100 clientes. Un cohort te permite rastrear específicamente a ese grupo para ver cuántos de ellos volvieron a comprar en febrero, marzo o abril. Si notas que el 90% deja de comprar al segundo mes, sabes que tienes un problema de fidelidad, no de adquisición. En SQL, esto se logra agrupando por la fecha de la primera transacción y calculando la diferencia en meses para sus compras posteriores. Es la forma más precisa de saber si tu producto realmente genera un hábito de consumo o si fue solo una compra impulsiva.
Los 10 mejores clientes.
