Cómo Calcular Métricas Clave de Negocio con SQL: Guía Práctica

Cómo calcular métricas clave de negocio con SQL: Guía práctica

En los procesos analíticos reales, extraer datos sin responder a un objetivo comercial carece de impacto. Saber sintaxis básica de bases de datos es el punto de partida, pero la habilidad que diferencia a un profesional es transformar registros transaccionales en indicadores clave de rendimiento (KPIs).

Tanto para la toma de decisiones directivas como para construir paneles robustos, el cálculo directo en el motor de base de datos optimiza el rendimiento general del sistema. Si estás dando tus primeros pasos en esta disciplina, te recomendamos comenzar con nuestra guía sobre cómo empezar en análisis de datos.

A continuación, revisamos cómo estructurar consultas SQL paso a paso para calcular las métricas comerciales más demandadas en el mercado laboral.

---

1. Ticket Promedio (Average Order Value - AOV)

El ticket promedio mide el monto medio que gasta un usuario en cada transacción concretada. Es una métrica fundamental para evaluar el impacto de promociones, cross-selling y estacionalidad.

Consulta SQL:

SELECT 
    DATE_TRUNC('month', fecha_compra) AS mes,
    COUNT(DISTINCT orden_id) AS total_pedidos,
    SUM(monto_total) AS facturacion_total,
    ROUND(SUM(monto_total) / COUNT(DISTINCT orden_id), 2) AS ticket_promedio
FROM ventas
WHERE estado_pago = 'Aprobado'
GROUP BY 1
ORDER BY 1 DESC;

• El uso de COUNT(DISTINCT orden_id) evita duplicar ventas si la tabla contiene el desglose a nivel de ítem.
• Filtrar operaciones no concretadas garantiza no distorsionar el indicador de ingresos efectivos.

Para dominar las funciones de agregación y el filtrado avanzado de filas, revisá nuestro artículo sobre SQL para analistas y sus consultas clave.

---

2. Tasa de Recompra (Repeat Purchase Rate)

Esta métrica determina el porcentaje de clientes que realizaron más de una compra dentro de un período determinado frente al total de compradores únicos. Refleja la fidelidad del cliente y la salud del producto.

Consulta SQL mediante Common Table Expressions (CTE):

WITH pedidos_por_cliente AS (
    SELECT 
        cliente_id,
        COUNT(orden_id) AS cantidad_ordenes
    FROM ventas
    WHERE estado_pago = 'Aprobado'
    GROUP BY cliente_id
)
SELECT 
    COUNT(cliente_id) AS total_clientes,
    COUNT(CASE WHEN cantidad_ordenes > 1 THEN cliente_id END) AS clientes_recurrentes,
    ROUND(
        COUNT(CASE WHEN cantidad_ordenes > 1 THEN cliente_id END) * 100.0 / COUNT(cliente_id), 
        2
    ) AS tasa_recompra_pct
FROM pedidos_por_cliente;

El bloque condicional con CASE WHEN evalúa de forma directa la frecuencia de pedidos por usuario sin requerir múltiples subconsultas anidadas.

---

3. Tasa de Cancelación de Clientes (Churn Rate)

El Churn Rate cuantifica la pérdida de clientes o suscriptores durante un intervalo temporal. Es un indicador crítico en modelos de suscripción (SaaS, membresías o servicios recurrentes).

Consulta SQL:

SELECT 
    DATE_TRUNC('month', fecha_cancelacion) AS mes,
    COUNT(DISTINCT cliente_id) AS clientes_perdidos,
    ROUND(
        COUNT(DISTINCT cliente_id) * 100.0 / 
        (SELECT COUNT(DISTINCT cliente_id) FROM suscripciones WHERE fecha_inicio < DATE_TRUNC('month', CURRENT_DATE)),
        2
    ) AS churn_rate_pct
FROM suscripciones
WHERE fecha_cancelacion >= DATE_TRUNC('month', CURRENT_DATE) - INTERVAL '1 month'
  AND fecha_cancelacion < DATE_TRUNC('month', CURRENT_DATE)
GROUP BY 1;

---

4. Auditoría de calidad antes de agregar métricas

Antes de computar sumatorias o ratios de negocio, es necesario asegurar que la base de datos no contenga registros anómalos que invaliden el cálculo:

• Valores nulos en montos o fechas: Podrían generar cálculos incompletos o exclusiones accidentales.
• Transacciones de prueba o duplicadas: Filas que inflan artificialmente el recuento de operaciones.

Para procesos donde la fuente primaria proviene de archivos planos o APIs antes de insertarse en el motor analítico, es indispensable apoyarse en la depuración descrita en nuestra guía de limpieza de datos con Python y Pandas.

---

5. De la consulta SQL al dashboard interactivo

Una vez validadas las consultas, el paso natural es conectar estas tablas calculadas o vistas analíticas a una herramienta visual para su seguimiento periódico:

• En organizaciones centradas en soluciones de escritorio o modelos tabulares corporativos, podés trasladar los resultados siguiendo el tutorial sobre cómo crear un dashboard en Power BI paso a paso.
• Si necesitás reportes ejecutivos compartidos en navegadores y conectados a Google Sheets o BigQuery, aplicá los pasos de cómo crear un reporte en Looker Studio paso a paso.

Resolver casos orientados a impacto comercial es uno de los requisitos más demandados al momento de evaluar perfiles. Saber explicar cómo calculaste el churn rate o la recurrencia te permitirá responder con solidez las preguntas técnicas en entrevistas de análisis de datos y documentar casos de alto valor para tu portfolio de analista de datos. Si además te interesa entender qué remuneraciones y posiciones aplican estas competencias en el mercado actual, podés explorar nuestro informe sobre la salida laboral en análisis de datos.