Análisis de datos SQL con Bigquery Datapath

CASO (TAREA: Usando tabla sales de liquor_sales)

Una empresa de licores desea lanzar una campaña de marketing dirigida a aumentar las ventas
en el próximo año. Para ello, necesita comprender mejor sus datos históricos y tomar decisiones
informadas. El equipo de marketing ha planteado las siguientes preguntas:

1. Tendencia mensual: ¿Cuál ha sido la tendencia de ventas mes a mes durante el último
año registrado? Se espera un resumen mensual.

select
extract(year from date) as Year ,
extract(month from date) as Mes ,
sum(sale_dollars) as ventas from `bigquery-public-data.iowa_liquor_sales.sales`
group by Year , Mes
having Year = 2024
order by Mes asc

-- se concluye que durante el año 2024 se registraron las siguientes ventas:

-- en Enero se registro una venta de 32972813 dolares
-- en Febrero se registro una venta de 35101475 dolares
-- en Marzo se registro una venta de 34164169 dolares
-- por lo que se aprecia hubo in incremento de ventas en febrero con respecto a enero
-- y luego hubo una disminución en las ventas de marzo con respecto a febrero

2. Tiendas destacadas: Identifica las tres tiendas con las mayores ventas en el último año.
Además, para estas tiendas, ofrece el producto más vendido (en cantidad de botellas) y
su categoría de volumen (Bajo, Medio, Alto según las reglas dadas anteriormente).

select
extract(year from date) as Year ,
store_number , store_name ,
sum(sale_dollars) as ventas ,
from `bigquery-public-data.iowa_liquor_sales.sales`
group by Year , store_number , store_name
having year = 2024
order by ventas desc
limit 3

-- Con esta consulta se puede ver que las 3 tiendas con mayores ventas son:
-- HY-VEE #3 / BDI / DES MOINES
-- CENTRAL CITY 2
-- ANOTHER ROUND / DEWITT

-- Ahora nos toca identificar por cada tienda cual es el producto mas vendido
-- HY-VEE #3 / BDI / DES MOINES
Análisis de datos SQL con Bigquery Datapath

select
extract(year from date) as Year , store_name ,
item_description ,
sum(bottles_sold) as cantidad_vendida ,
from `bigquery-public-data.iowa_liquor_sales.sales`
where store_name = "HY-VEE #3 / BDI / DES MOINES"
group by Year , store_name , item_description
having Year = 2024
order by cantidad_vendida desc

-- con esta consulta encontramos que el producto que más se vende en la tienda HY-VEE
#3 / BDI / DES MOINES
-- es TITOS HANDMADE VODKA

select
extract(year from date) as Year ,store_name ,
item_description ,
case
when volume_sold_liters <10 then "Bajo"
when volume_sold_liters between 10 and 100 then "Medio"
when volume_sold_liters >100 then "Alto"
end as categoria_volumen ,
sum(bottles_sold) as cantidad_vendida ,
from `bigquery-public-data.iowa_liquor_sales.sales`
where store_name = "HY-VEE #3 / BDI / DES MOINES" and item_description = "TITOS
HANDMADE VODKA"
group by Year , store_name , item_description , categoria_volumen
having year = 2024

-- con esta consulta sabemos que del producto que mes se vende cuantos son según su
categoría
-- "Bajo”, "Medio”, "Alto"

3. Productos populares: Encuentra los cinco productos más vendidos en términos

monetarios en el último año y muestra su descripción con la primera letra de cada
palabra en mayúscula.

-- Encuentra los cinco productos más vendidos en términos monetarios en el último año
y muestra su descripción con la primera letra de cada palabra en mayúscula

select
extract(year from date) as Year ,
item_number ,
initcap(upper(trim(item_description))) as Producto ,
sum(sale_dollars) as ventas
from `bigquery-public-data.iowa_liquor_sales.sales`
group by Year , item_number , Producto
having Year = 2024
order by ventas desc
limit 5
Análisis de datos SQL con Bigquery Datapath

4. Análisis de categorías de licor: Basándose en el precio promedio por litro de cada

producto, categorízalos como "Económico" si el precio es menor a 100 por litro,
"Premium" si es mayor o igual a 100 por litro. Proporciona un resumen de cuántos
productos hay en cada categoría y cuál es el producto más caro de la categoría
"Premium".

-- Pirmero basándose en el precio promedio por litro de cada producto, categorízalos

como "Económico"
-- si el precio es menor a 100 por litro, "Premium" si es mayor o igual a 100 por
litro

select
item_description ,
case
when avg(state_bottle_retail) < 100 then "Económico"
when avg(state_bottle_retail) >= 100 then "Premium"
end as Categoria
from `bigquery-public-data.iowa_liquor_sales.sales`
group by item_description

-- Luego proporciona un resumen de cuántos productos hay en cada categoría

select Categoria , count(item_description) as Cantidad_Producto

from (select
item_description ,
case
when avg(state_bottle_retail) < 100 then "Económico"
when avg(state_bottle_retail) >= 100 then "Premium"
end as Categoria
from `bigquery-public-data.iowa_liquor_sales.sales`
group by item_description )
group by Categoria

-- Finalmente cuál es el producto más caro de la categoría "Premium"

select
item_description ,
avg(state_bottle_retail) as precio_promedio ,
case
when avg(state_bottle_retail) < 100 then "Económico"
when avg(state_bottle_retail) >= 100 then "Premium"
end as Categoria ,
from `bigquery-public-data.iowa_liquor_sales.sales`
group by item_description
having Categoria = "Premium"
order by precio_promedio desc

-- El producto mas caro cuya categoria es Premium vendria a ser

-- HA MIDLETON SILENT DISTILLERY CHAPTER 4