7 patrones métricos SQL extraídos de entrevistas reales

Después de pasar por múltiples entrevistas SQL para puestos de analista de datos, me di cuenta de que las mismas preguntas sobre métricas aparecían repetidamente. Este artículo las desglosa en siete patrones y muestra cómo reconocerlas rápidamente en las entrevistas.

Entre noviembre de 2023 y abril de 2025, me presenté a varias entrevistas para puestos de analista de datos y empecé a notar un patrón claro en las preguntas de las entrevistas sobre SQL. Aunque los conjuntos de datos y los contextos empresariales cambiaban, los tipos de métricas sobre los que preguntaban los entrevistadores solían ser los mismos.

En este artículo, agrupo esas preguntas recurrentes en siete patrones métricos que aparecen repetidamente en las pruebas de SQL para puestos de analista de datos. En lugar de tratar cada pregunta como un problema independiente, me centro en identificar la lógica métrica subyacente que impulsa la mayoría de las tareas de la entrevista.

Me baso en conceptos introducidos en artículos anteriores, como Análisis de ventas reales con la hoja de trucos del analista. Sin embargo, en lugar de explorar un conjunto de datos específico, clasifico las preguntas de las entrevistas basándome en mi experiencia real en entrevistas.

Para que el análisis sea claro y coherente, sigo la misma estructura para cada métrica a lo largo del artículo. Para cada patrón, explico lo que representa la métrica, cómo suele aparecer en las entrevistas de SQL, muestro una consulta SQL representativa y señalo la sección relevante de la hoja de referencia para analistas de datos para su revisión posterior.

El objetivo no es memorizar consultas, sino desarrollar una forma repetible de pensar en los problemas de las entrevistas de SQL cuando el tiempo es limitado. Espero que este marco sea útil para cualquiera que se esté preparando para una entrevista de analista de datos y busque una forma más clara de abordar las preguntas basadas en métricas.

No pretendo que estas soluciones sean novedosas. La mayoría de las preguntas de las entrevistas de SQL se pueden resolver de múltiples maneras, y los ejemplos que muestro utilizan enfoques comúnmente aceptados. Aunque existen más de siete patrones métricos, elegí estos siete porque proporcionan un punto de partida práctico para prepararse para las entrevistas de SQL.

Resumen

Divido los siete patrones métricos en dos grupos: métricas estándar y métricas especializadas. Las métricas estándar (KPI, desgloses, ratios y clasificaciones) aparecen en muchos escenarios de informes y análisis empresarial y, a menudo, tienen múltiples variaciones.

Las métricas especializadas (totales acumulativos, medias móviles y cambios porcentuales) están más centradas y suelen estar vinculadas al análisis basado en el tiempo o el rendimiento. Para cada patrón, proporciono un ejemplo general de SQL que no está vinculado a un conjunto de datos específico, por lo que la atención se centra en la lógica y no en la estructura de los datos.

Si desea realizar prácticas estructuradas y prácticas con este tipo de métricas, muchos de los patrones que se tratan aquí se practican en el curso SQL para el análisis de datos, que se centra en los mismos escenarios de informes y análisis que se utilizan habitualmente en las entrevistas a analistas de datos.

Métrica 1: KPI: métricas de rendimiento empresarial de alto nivel

Definición

Los indicadores clave de rendimiento (KPI) son métricas básicas que muestran el rendimiento empresarial general. En las entrevistas de SQL, los KPI suelen ser valores agregados simples, como las ventas totales, los beneficios totales o el número total de registros, calculados a partir de todo el conjunto de datos.

Finalidad en las entrevistas

Las preguntas sobre KPI suelen ser las primeras o las más sencillas en una entrevista de SQL. Los entrevistadores las utilizan para evaluar si un candidato es capaz de identificar rápidamente lo que es importante en un conjunto de datos, elegir el nivel correcto de agregación y evitar complejidades innecesarias.

Estas preguntas suelen formularse de manera muy directa, por ejemplo: «¿Cómo calcularías las ventas totales?», «¿Cuál es el beneficio total?» o «Dame los ingresos totales de este conjunto de datos».

Reconocimiento de patrones

Las preguntas sobre KPI suelen:

• devuelven una sola fila
• no requieren una GROUP BY cláusula
• se basan en funciones agregadas como SUM, COUNTo AVG

Responden a la pregunta empresarial: «¿Cómo nos va en general?».

Ejemplo de consulta SQL

A continuación se muestra un ejemplo de KPI tomado de un artículo anterior, Análisis de ventas reales con la hoja de trucos del analista:

SELECT
  ROUND(SUM(Sales), 0) AS sales_total,
  ROUND(SUM(Profit), 0) AS profit_total,
  ROUND(SUM(Quantity), 0) AS quantity_total
FROM orders;

Esta consulta devuelve múltiples KPI en una sola fila aplicando diferentes funciones de agregación al mismo conjunto de datos.

Referencia de la guía de estudio

Puede revisar este patrón métrico en la hoja de referencia para analistas de datos, en la sección Funciones de agregación. Para obtener una descripción práctica de los agregados SQL más utilizados, consulte la hoja de referencia de funciones de agregación.

Métrica 2: Desgloses: métricas por tiempo o categoría

Definición

Un desglose es una métrica que se divide en partes más pequeñas para mostrar cómo cambia con el tiempo o cómo difiere entre categorías. En lugar de un número global, un desglose muestra varias filas que explican de dónde o cuándo proviene la métrica.

Finalidad en las entrevistas

Las preguntas de desglose suelen venir justo después de las preguntas sobre KPI. Una vez que demuestras que puedes calcular un total, los entrevistadores suelen pedirte que lo expliques con más detalle.

Estas preguntas están diseñadas para comprobar si puedes pasar de una métrica de alto nivel a una visión más detallada y responder a preguntas como «¿Qué impulsa esta cifra?» o «¿Cómo cambia esta métrica con el tiempo?».

Reconocimiento de patrones

Las preguntas de desglose suelen:

• incluyen una GROUP BY cláusula
• devuelven varias filas
• utilizan las mismas funciones agregadas que los KPI, pero agrupadas por otra columna

Responden a preguntas empresariales como: «¿Cómo varía esta métrica según el tiempo o la categoría?».

Tipo 1: Tendencia por fecha

Este tipo de desglose agrupa las métricas por una dimensión temporal, como el año o el mes. Los entrevistadores suelen hacer preguntas como «Muestre las ventas totales por mes» o «¿Cómo han cambiado los ingresos a lo largo del tiempo?».

Ejemplo de consulta SQL

SELECT
  EXTRACT(YEAR FROM DATE(STR_TO_DATE(order_date, '%m/%d/%Y'))) AS order_year,
  EXTRACT(MONTH FROM DATE(STR_TO_DATE(order_date, '%m/%d/%Y'))) AS order_month,
  ROUND(SUM(Sales), 0) AS sales_month,
  ROUND(SUM(Profit), 0) AS profit_month,
  ROUND(SUM(Quantity), 0) AS quantity_month
FROM orders
GROUP BY 1, 2
ORDER BY 1, 2;

Tipo 2: Desglose por categoría

Este tipo de desglose agrupa las métricas por una columna categórica, como la categoría de producto o la región. Estas preguntas suelen formularse como «Ventas por categoría» o «Beneficios por grupo de productos».

Ejemplo de consulta SQL

SELECT
  product_category,
  ROUND(SUM(Sales), 0) AS sales,
  ROUND(SUM(Profit), 0) AS profit,
  ROUND(SUM(Quantity), 0) AS quantity
FROM orders
GROUP BY 1
ORDER BY 1;

Referencia de la guía de estudio

Estos patrones de desglose se tratan en varias secciones de la hoja de referencia para analistas de datos: Funciones agregadas, Fecha y hora, y ORDER BY. Para obtener una descripción práctica de cómo funcionan conjuntamente la agrupación y la agregación en SQL, consulte SQL GROUP BY y Funciones agregadas: Descripción general.

Métrica 3: Ratios: comparación de una métrica con otra

Definición

Una relación mide la relación entre dos valores numéricos dividiendo uno por el otro. En las entrevistas de SQL, las relaciones se utilizan comúnmente para convertir los totales brutos en métricas de rendimiento.

Finalidad en las entrevistas

Las preguntas sobre ratios evalúan si usted es capaz de ir más allá de los números absolutos y expresar el rendimiento en términos relativos. Los entrevistadores suelen utilizarlas para comprobar si usted comprende cómo se relacionan las métricas entre sí, y no solo cómo calcularlas.

Estas preguntas suelen formularse como «¿Cuál es el margen de beneficio?», «¿Qué porcentaje de las ventas totales representa cada categoría?» o «¿Qué porcentaje de X proviene de Y?».

Reconocimiento de patrones

Las preguntas sobre ratios suelen:

• dividen un agregado por otro
• siguen utilizando funciones agregadas como SUM o COUNT
• a veces requieren una subconsulta o una función de ventana para mantener la coherencia del denominador

Responden a preguntas empresariales como: «¿Qué eficiencia tiene esto?» o «¿Qué tamaño tiene esto en comparación con el total?».

Tipo 1: Ratio global

Este tipo calcula una única relación para todo el conjunto de datos. Es similar a un KPI, pero en lugar de devolver un total bruto, devuelve una métrica de rendimiento derivada.

Ejemplo de consulta SQL

SELECT ROUND(SUM(Profit) / SUM(Sales), 2) AS profit_margin
FROM orders;

Tipo 2: Ratio por categoría (porcentaje del total)

Este tipo calcula una proporción para cada categoría en relación con el total general. Se utiliza una subconsulta para evitar que el denominador se vea afectado por la cláusula GROUP BY cláusula.

Estas preguntas suelen formularse como «¿Qué porcentaje de las ventas totales aporta cada categoría?».

Ejemplo de consulta SQL

SELECT
  category,
  ROUND(SUM(sales), 0) AS sales_total,
  ROUND((SUM(sales) / (SELECT SUM(sales) FROM orders)) * 100, 0) AS percent_of_total
FROM orders
GROUP BY 1;

Referencia de la guía de estudio

• Ratios generales: división entera
• Ratios por categoría: cálculo del porcentaje del total dentro de un grupo

Métrica 4: Clasificaciones: ordenar los resultados por importancia

Definición

Una clasificación ordena las filas en función de una métrica, normalmente de mayor a menor o viceversa. En las entrevistas SQL, la clasificación se utiliza para identificar a los empleados con mejor o peor rendimiento en función de una medida específica.

Finalidad en las entrevistas

Las preguntas de clasificación evalúan si usted es capaz de transformar resultados agregados en una lista ordenada que destaque la importancia relativa. Los entrevistadores suelen utilizar estas preguntas para comprobar si usted sabe comparar entidades y presentar resultados de forma significativa.

Estas preguntas suelen formularse como «¿Cuáles son los productos más vendidos?», «¿Qué subcategorías tienen mejor rendimiento?» o «Clasifique los artículos por ingresos».

Reconocimiento de patrones

Las preguntas de clasificación suelen:

• implican ordenar resultados agregados
• utilizan funciones de ventana como RANK o DENSE_RANK
• devuelven varias filas con una columna adicional que representa la posición

Responden a preguntas empresariales como: «¿En qué debemos centrarnos primero?» o «¿Qué elementos son los más importantes?».

Tipo 1: Clasificación general

Este tipo clasifica todas las filas de todo el conjunto de datos. El uso de una función de ventana le permite asignar una clasificación a cada fila sin filtrar el conjunto de resultados.

Ejemplo de consulta SQL

SELECT
  category,
  ROUND(SUM(sales), 0) AS sales_total,
  DENSE_RANK() OVER (ORDER BY SUM(sales) DESC) AS category_rank
FROM orders
GROUP BY 1;

Tipo 2: Clasificación dentro de una categoría

Este tipo clasifica las filas dentro de cada grupo por separado. Se utiliza habitualmente cuando los entrevistadores desean comparar el rendimiento dentro de las categorías, como las subcategorías dentro de cada categoría de productos.

Estas preguntas suelen formularse como «¿Cuáles son las principales subcategorías dentro de cada categoría?».

Ejemplo de consulta SQL

SELECT
  category,
  sub_category,
  ROUND(SUM(sales), 0) AS sales_total,
  DENSE_RANK() OVER (PARTITION BY category ORDER BY SUM(sales) DESC) 
    AS sub_category_rank
FROM orders
GROUP BY 1, 2;

Referencia de la guía de estudio

Ambos patrones de clasificación se basan en funciones de ventana que se tratan en la sección Clasificación de la hoja de referencia para analistas de datos. Para obtener una guía práctica con ejemplos, consulte Cómo clasificar filas en SQL.

Métrica 5: Métricas acumulativas: totales acumulados a lo largo del tiempo

Definición

Un total acumulado es una suma acumulativa en la que cada fila incluye el valor actual más todos los valores anteriores en un orden definido, normalmente basado en el tiempo. En lugar de mostrar totales aislados, muestra cómo se acumula una métrica a lo largo del tiempo.

Finalidad en las entrevistas

Las preguntas sobre totales acumulativos se utilizan para comprobar si entiendes las funciones de ventana y los cálculos ordenados. Los entrevistadores suelen hacer estas preguntas para ver si puedes combinar el análisis de tendencias con la lógica acumulativa en una sola consulta.

Estas preguntas suelen formularse como «Muestre las ventas totales a lo largo del tiempo con un total acumulado» o «¿Cómo se acumulan los ingresos año tras año?».

Reconocimiento de patrones

Las preguntas de totales acumulativos suelen:

• agrupan los datos por una dimensión temporal (año, mes, fecha)
• utilizan funciones agregadas junto con funciones de ventana
• incluyen una ORDER BY cláusula dentro de la función de ventana

Responden a preguntas empresariales como: «¿Cuánto hemos acumulado hasta ahora?».

Ejemplo de consulta SQL

Este ejemplo calcula los totales de ventas anuales y añade un total acumulado ordenado por año:

SELECT
  EXTRACT(YEAR FROM DATE(STR_TO_DATE(order_date, '%m/%d/%Y'))) AS order_year,
  ROUND(SUM(sales), 0) AS yearly_sales_total,
  SUM(ROUND(SUM(sales), 0)) OVER (
    ORDER BY EXTRACT(YEAR FROM DATE(STR_TO_DATE(order_date, '%m/%d/%Y')))
  ) AS running_sales_total
FROM orders
GROUP BY 1
ORDER BY 1;

Esta consulta produce tanto el total anual como el total acumulado en el mismo conjunto de resultados.

Referencia de la guía de estudio

Este patrón métrico se trata en la sección «Total acumulado» de la hoja de referencia para analistas de datos. Para obtener una explicación práctica con ejemplos, consulte el artículo «Total acumulado en SQL».

Métrica 6: Medias móviles: suavización de tendencias a lo largo del tiempo

Definición

Una media móvil es una técnica que se utiliza para suavizar los datos basados en el tiempo calculando la media del valor actual con un número fijo de valores anteriores. En lugar de mostrar las fluctuaciones a corto plazo, destaca la tendencia subyacente.

Finalidad en las entrevistas

Las preguntas sobre medias móviles evalúan si comprende las funciones avanzadas de ventana y el análisis basado en el tiempo. Los entrevistadores suelen utilizarlas para evaluar cómo maneja los datos ruidosos y detecta patrones como la estacionalidad o los ciclos.

Estas preguntas suelen formularse como «Muestre una media móvil de las ventas» o «Calcule una media móvil de tres meses».

Reconocimiento de patrones

Las preguntas sobre la media móvil suelen:

• se basan en datos ordenados cronológicamente
• utilizan funciones de ventana con un marco definido
• incluyen cláusulas como ROWS BETWEEN n PRECEDING AND CURRENT ROW

Responden a preguntas empresariales como: «¿Cuál es la tendencia subyacente?».

Ejemplo de consulta SQL

Este ejemplo calcula las ventas mensuales y aplica una media móvil de tres meses:

SELECT
  EXTRACT(YEAR FROM DATE(STR_TO_DATE(order_date, '%m/%d/%Y'))) AS order_year,
  EXTRACT(MONTH FROM DATE(STR_TO_DATE(order_date, '%m/%d/%Y'))) AS order_month,
  ROUND(SUM(Sales), 0) AS sales_total,
  ROUND(AVG(SUM(sales)) OVER (
      ORDER BY EXTRACT(MONTH FROM DATE(STR_TO_DATE(order_date, '%m/%d/%Y')))
      ROWS BETWEEN 2 PRECEDING AND CURRENT ROW),
    0) AS moving_average
FROM orders
GROUP BY 1, 2
ORDER BY 1, 2;

Esta consulta suaviza los cambios a corto plazo calculando la media del mes actual con los dos meses anteriores.

Referencia de la guía de estudio

Este patrón se trata en la sección «Media móvil» de la hoja de referencia para analistas de datos. Para obtener una explicación paso a paso con ejemplos, consulte «Media móvil en SQL».

Métrica 7: Variación porcentual: medición del crecimiento y el descenso

Definición

El cambio porcentual mide cuánto ha aumentado o disminuido un valor en relación con un valor anterior. Se calcula normalmente de la siguiente manera:

(new value − old value) / old value × 100

En lugar de mostrar diferencias absolutas, esta métrica expresa el cambio en términos relativos.

Finalidad en las entrevistas

Las preguntas sobre el cambio porcentual se utilizan habitualmente para evaluar las habilidades de análisis del rendimiento. Los entrevistadores suelen utilizarlas para comprobar si comprendes cómo comparar métricas a lo largo del tiempo y cómo hacer referencia a valores anteriores de forma correcta.

Estas preguntas suelen formularse como «¿Cuál es el crecimiento interanual?», «¿Cómo han cambiado las ventas en comparación con el año pasado?» o «Calcule la tasa de crecimiento».

Reconocimiento de patrones

Las preguntas sobre cambios porcentuales suelen:

• comparan un valor con una fila anterior
• se basan en funciones de ventana, como LAG
• están ordenadas por una dimensión temporal

Responden a preguntas empresariales como: «¿Estamos creciendo o decayendo, y en qué medida?».

Ejemplo de consulta SQL

Este ejemplo calcula las diferencias de ventas interanuales comparando cada año con el anterior:

SELECT
  EXTRACT(YEAR FROM DATE(STR_TO_DATE(order_date, '%m/%d/%Y'))) AS order_year,
  ROUND(SUM(sales), 0) AS sales_total,
  ROUND(
    LAG(SUM(sales)) OVER (
      ORDER BY EXTRACT(YEAR FROM DATE(STR_TO_DATE(order_date, '%m/%d/%Y')))),
    0) AS sales_prev_year,
  (ROUND(SUM(sales), 0)
   - ROUND(LAG(SUM(sales)) OVER (
       ORDER BY EXTRACT(YEAR FROM DATE(STR_TO_DATE(order_date, '%m/%d/%Y')))
     ), 0)
  ) AS sales_yoy_difference
FROM orders
GROUP BY 1
ORDER BY 1;

Esta consulta compara el total de ventas de cada año con el año anterior para mostrar cómo cambia el rendimiento a lo largo del tiempo.

Referencia de la guía de estudio

Este patrón métrico se trata en la sección Diferencia entre dos filas (delta) de la hoja de referencia para analistas de datos. Para ver ejemplos prácticos de métricas de crecimiento y comparación, consulte Cómo calcular el crecimiento de los ingresos en SQL y la diferencia interanual en SQL.

Resumen

En este artículo, he desglosado siete patrones métricos que aparecen constantemente en las entrevistas de SQL y los he agrupado en dos categorías: métricas estándar (KPI, desgloses, ratios y clasificaciones) y métricas especializadas (totales acumulativos, medias móviles y variaciones porcentuales). Estos patrones cubren la mayoría de las preguntas basadas en métricas que me encontré durante las entrevistas reales a analistas de datos.

El objetivo no era presentar soluciones nuevas o complejas, sino mostrar cómo se pueden simplificar las preguntas de las entrevistas centrándose en tres elementos fundamentales: la técnica SQL que se evalúa, el patrón métrico subyacente y la sección relevante de la hoja de referencia para analistas de datos. Abordar los problemas de esta manera hace que las preguntas de las entrevistas de SQL sean más fáciles de razonar, especialmente cuando el tiempo es limitado.

Si desea practicar de forma estructurada con estos patrones en formato de curso, la ruta SQL para el análisis de datos es un buen siguiente paso, ya que cubre muchos de los mismos escenarios de informes y análisis que aparecen en las entrevistas a analistas de datos.

En la parte 2, aplicaré estos patrones a preguntas reales de entrevistas sobre SQL extraídas de más de 14 entrevistas diferentes que realicé durante el año pasado, mostrando cómo aparecen estos patrones en la práctica y cómo abordarlos paso a paso.