Patrones avanzados de análisis de datos

Introducción a Databricks SQL

Kevin Barlow

Data Manager

Motivación

Diagrama Lakehouse - Análisis

Subconsultas

Se logra con consultas SQL "anidadas"
- La consulta anidada se trata como una nueva "tabla"
- Similar a crear una vista
Útil para muchos casos de uso
- Recuperar resultados de otra consulta
- Simplificar consultas complejas
- Agregaciones dentro de una consulta

SELECT store, totalRev, product

FROM (
    SELECT count(*) as count,
          sum(revenue) as totalRev,
          min(price) as minPrice,
          max(units) as maxUnits,
          region,
          store,
          product
      FROM sales 
      GROUP BY region, store, product
) q

Funciones de ventana

Categoría de funciones y técnicas SQL
Calculan sobre un rango específico de filas
- Las filas tienen alguna relación entre sí
Ejemplos:
- Métrica basada en un rango temporal
- Cambio entre filas consecutivas
- Cálculos en varias dimensiones

SELECT name,
       dept,
       RANK() OVER 
           (PARTITION BY dept 
         ORDER BY salary) AS rank
  FROM employees;

name	dept	salary	rank
Lisa	Sales	10000	1
Alex	Sales	30000	2
Fred	Engineering	21000	1
Tom	Engineering	23000	2

Funciones avanzadas de Databricks SQL

RANK()

Compara filas dentro de una partición y calcula el rango de cada una

SELECT a,
       b,
       RANK() OVER(PARTITION BY a ORDER BY b DESC),
    FROM table_name;

a	b	rank
A1	3	1
A1	1	3
A1	2	2
A2	1	1

LAG() y LEAD()

Devuelven el valor anterior (LAG()) o siguiente (LEAD()) de la fila

SELECT a,
       b,
       LAG(b) OVER (PARTITION BY a ORDER BY b)
    FROM table_name;

a	b	lag
A1	3	NULL
A1	1	3
A1	2	1
A2	1	NULL

¡Vamos a practicar!

Introducción a Databricks SQL