Consultas SQL reales para un restaurante: mi primer reto en análisis de datos

Hace poco menos de un mes comencé en el mundo del análisis de datos, y este es el resultado de mi primer trabajo usando SQL. Tuve la oportunidad de desarrollar consultas para un restaurante llamado Bajali, y quiero compartir parte de ese aprendizaje con ustedes.

Lo que busca para impulsar el restaurante es:

• Análisis de las tendencias de ventas a lo largo del tiempo.
• Comprender las preferencias de los clientes por diferentes artículos.
• Evaluar el impacto de los métodos de pago en los ingresos.
• Investigar el rendimiento del personal según su género.
• Explorar la popularidad de los artículos en diferentes momentos del día.

Los campos que encontramos en la tabla son:

• order_id: identificador único para cada pedido.
• date: fecha de la transacción.
• item_name: nombre del alimento.
• item_type: categoría del artículo (comida rápida o bebidas).
• item_price: precio del artículo por unidad.
• quantity: cantidad que pide el cliente.
• transaction_amount: importe total pagado por los clientes.
• transaction_type: método de pago (efectivo, online, otros).
• ceived_by: género de la persona que realiza la transacción.
• time_of_sale: diferentes horas del día (mañana, tarde, noche, medianoche).

Código de MySQL:
`CREATE DATABASE IF NOT EXISTS RESTAURANTE;
USE restaurante;

-Mostrar tablas
SHOW TABLES;

--Cuando hay espacios entre los nombres se debe utilizar "" para poder llamar
SELECT * FROM balaji fast food sales` ;

--Cambiar el nombre de la tabla
RENAME TABLE balaji fast food sales TO balajifastfood;

SELECT COUNT(date) FROM balajifastfood;

DESCRIBE balajifastfood;
--Se puede evidenciar que en la columna date hay datos en diferentes formatos día-mes-año y mes-día-año también "-" y "/" dando a lugar un formato de tipo text

--Cambiar el formato de fecha

--Desactivar el modo seguro
SET SQL_SAFE_UPDATES = 0;

UPDATE balajifastfood
SET date = STR_TO_DATE(date, '%d-%m-%Y')
WHERE date LIKE '%-%';

UPDATE balajifastfood
SET date = STR_TO_DATE(date, '%m/%d/%Y')
WHERE date LIKE '%/%';

--Activar el modo seguro
SET SQL_SAFE_UPDATES = 1;

--Cambiar el tipo de columna a formato fecha
ALTER TABLE balajifastfood
MODIFY COLUMN date DATE;

SELECT *
FROM balajifastfood
ORDER BY date ASC;

-- Revisar valores nulos o vacíos
SELECT
SUM(CASE WHEN order_id IS NULL OR order_id = '' THEN 1 ELSE 0 END) AS faltantes_order_id,
SUM(CASE WHEN item_name IS NULL OR item_name = '' THEN 1 ELSE 0 END) AS faltantes_item_name,
SUM(CASE WHEN item_price IS NULL THEN 1 ELSE 0 END) AS faltantes_item_price,
SUM(CASE WHEN transaction_amount IS NULL THEN 1 ELSE 0 END) AS faltantes_transaction_amount,
SUM(CASE WHEN transaction_type IS NULL THEN 1 ELSE 0 END) AS faltantes_transaction_type
FROM balajifastfood;

-- Valores duplicados en order_id
SELECT order_id, COUNT() as conteo
FROM balajifastfood
GROUP BY order_id
HAVING COUNT() > 1;

--Estandarizar texto para cada columna
SELECT DISTINCT time_of_sale FROM balajifastfood;

--Se comprueba que hay cadenas vacías '' y se deben pasar a NULL
--Desactivar el modo seguro
SET SQL_SAFE_UPDATES = 0;

-- Reemplaza '' por NULL en la columna transaction_type
UPDATE balajifastfood
SET transaction_type = NULL
WHERE TRIM(transaction_type) = '';

--Activar el modo seguro
SET SQL_SAFE_UPDATES = 1;

--Total tipo de pago (NULL, CASH Y ONLINE)
SELECT
COUNT(*) AS total_registros,
SUM(CASE WHEN transaction_type IS NULL THEN 1 ELSE 0 END) AS nulos,
SUM(CASE WHEN transaction_type = 'Cash' THEN 1 ELSE 0 END) AS cash,
SUM(CASE WHEN transaction_type = 'Online' THEN 1 ELSE 0 END) AS en_linea
FROM balajifastfood;

SELECT * FROM balajifastfood;

--Iniciar con el Analisis exploratorio de datos
--Analisis de ventas

--Cantidad total de ordenes 1000
SELECT COUNT(DISTINCT order_id) AS total_ordenes
FROM balajifastfood;

--Día con más ventas: 2023-03-19: 3.350 USD día con menores ventas 2022-09-23
SELECT date,
SUM(transaction_amount) AS Ventas_Totales
FROM balajifastfood
GROUP BY date
ORDER BY Ventas_Totales DESC
LIMIT 1;

--Total de ventas 275.230
SELECT SUM(transaction_amount) AS Total_ventas
FROM balajifastfood;

--Total cantidades vendidas 8.162
SELECT SUM(quantity) AS Cantidades_Vendidas
FROM balajifastfood;

-- Año con mayor facturación: 2022 con 195.575 USD y 79.655 USD
SELECT YEAR(date),
SUM(transaction_amount) AS Total_Ventas
FROM balajifastfood
GROUP BY YEAR(date)
ORDER BY Total_Ventas DESC;

--Mes más vendido del 2022, 9 (Septiembre) con 21.340 USD en ventas
SELECT MONTH(date) AS Mes,
SUM(transaction_amount) AS Total_Ventas
FROM balajifastfood
WHERE YEAR(date) = 2022
GROUP BY MONTH(date)
ORDER BY Total_Ventas DESC
LIMIT 1;

--Mes más vendido del 2023, 3 (marzo) con 20.400 USD en ventas
SELECT MONTH(date) AS Mes,
SUM(transaction_amount) AS Total_Ventas
FROM balajifastfood
WHERE YEAR(date) = 2023
GROUP BY MONTH(date)
ORDER BY Total_Ventas DESC
LIMIT 1;

--Ordenar los productos más vendidos 1-Sandwich $65.820 2-Frankie $57.500 3-Cold coffee $54.440
SELECT item_name AS Nombre_producto,
SUM(transaction_amount) AS Total_Ventas
FROM balajifastfood
GROUP BY item_name
ORDER BY Total_Ventas DESC;

--preferencias del cliente en artículos Fastfood $188.840 y Beverages $86.390
SELECT item_type AS Tipo_de_producto,
SUM(transaction_amount) AS Total_Ventas
FROM balajifastfood
GROUP BY item_type
ORDER BY Total_Ventas DESC;

--Cuál genero vendió más: hombres 143.440 USD - Mujeres 131.790 USD
SELECT received_by AS Genero,
SUM(transaction_amount) AS Total_Ventas
FROM balajifastfood
GROUP BY received_by
ORDER BY Total_Ventas DESC;

--Tipo de pago: efectivo: 132.840 USD y Online: 110.595 USD no registrado: 31.795 USD
SELECT transaction_type AS Tipo_de_pago,
SUM(transaction_amount) AS Total_Ventas
FROM balajifastfood
GROUP BY Tipo_de_pago
ORDER BY Total_Ventas DESC;

--Frecuencia de uso para el método de pago Cash: 476 veces, online 417
SELECT transaction_type AS Tipo_de_pago,
COUNT(*) AS Frecuencia_de_uso,
SUM(transaction_amount) AS Total_Ventas
FROM balajifastfood
GROUP BY Tipo_de_pago
ORDER BY Frecuencia_de_uso;

--Horario con mayores ventas y menores ventas Night: 62.075 USD - Midnight: 50.725 USD
SELECT time_of_sale AS Horario,
SUM(transaction_amount) AS Total_Ventas
FROM balajifastfood
GROUP BY Horario
ORDER BY Total_Ventas DESC;

--Popularidad de los productos en diferentes momentos del día
SELECT
time_of_sale AS Horario,
item_name AS Producto,
COUNT(*) AS Frecuencia_Ventas,
SUM(transaction_amount) AS Total_Recaudado
FROM balajifastfood
GROUP BY Horario, Producto
ORDER BY Frecuencia_Ventas DESC;

--Que genero trabaja más en la noche: Hombres 299 y Mujeres 306
SELECT received_by AS Genero,
COUNT(order_id) AS Total_Ordenes
FROM balajifastfood
WHERE time_of_sale IN ('Night', 'Evening', 'Midnight')
GROUP BY received_by
ORDER BY Total_Ordenes;

-- El día con mayores ventas que genero facturo más Hombres: 2.180 usd Mujeres: 1.170
SELECT received_by AS Genero,
SUM(transaction_amount) AS Total_Ventas
FROM balajifastfood
WHERE DATE = "2023-03-19"
GROUP BY received_by
ORDER BY Total_Ventas DESC;

--Ventas por cada mes
SELECT DATE_FORMAT(date, '%Y-%m') AS mes,
SUM(transaction_amount) AS ventas_mensuales
FROM balajifastfood
GROUP BY mes
ORDER BY mes;

--Incremento % mensual de las ventas
WITH ventas_mensuales AS (
SELECT
DATE_FORMAT(date, '%Y-%m') AS mes,
SUM(transaction_amount) AS ventas_mensuales
FROM balajifastfood
GROUP BY DATE_FORMAT(date, '%Y-%m')
)
SELECT
mes,
ventas_mensuales,
ROUND((ventas_mensuales - LAG(ventas_mensuales) OVER (ORDER BY mes))
/ LAG(ventas_mensuales) OVER (ORDER BY mes) * 100, 2) AS incremento_mensual
FROM ventas_mensuales
ORDER BY mes;

--Comportamiento de las ventas trimestrales
SELECT
YEAR(date) AS anio,
QUARTER(date) AS trimestre,
SUM(transaction_amount) AS ventas_trimestrales
FROM balajifastfood
GROUP BY YEAR(date), QUARTER(date)
ORDER BY anio, trimestre;

--Productos más vendidos trimestralmente
SELECT
CONCAT(anio, '-Q', trimestre) AS periodo,
item_name AS producto_mas_vendido,
ventas_producto
FROM (
SELECT
YEAR(date) AS anio,
QUARTER(date) AS trimestre,
item_name,
SUM(transaction_amount) AS ventas_producto,
ROW_NUMBER() OVER (PARTITION BY YEAR(date), QUARTER(date)
ORDER BY SUM(transaction_amount) DESC) AS rn
FROM balajifastfood
GROUP BY YEAR(date), QUARTER(date), item_name
) AS productos
WHERE rn = 1
ORDER BY anio, trimestre;`

La base de datos pertenece a rajatsurana979 fast-food-sales-report la pueden encontrar y descargar en Kaggle.