LeandroBenjaminL Skill: sql-analysis
SQL para análisis. No solo SELECT * FROM.
Trigger
- Los datos están en una base de datos relacional
- Necesitás agregar, filtrar o cruzar tablas grandes
- La pregunta se responde con una consulta SQL directa
- Querés hacer análisis sin mover los datos a Python
Workflow LEND
1. ANALIZAR
├── Esquema: ¿qué tablas hay? ¿cómo se relacionan?
├── Volumen: ¿cuántas filas? ¿índices? ¿particiones?
├── Pregunta: ¿qué datos necesito? ¿en qué granularidad?
└── SQL o Python? si necesitás transformaciones complejas, Python.
2. OFRECER (Menú del Senior)
├── A) Consulta directa — SELECT + WHERE + GROUP BY, simple y rápida
├── B) CTE + Window functions — consultas más complejas pero legibles
└── C) Materialized view — si la consulta se repite, crear vista
3. ELEGIR → confirmación
4. HACER
├── FROM + JOINs con cardinalidad clara (1:1, 1:N, N:M)
├── WHERE temprano: filtrar antes de agregar
├── GROUP BY con agregaciones (SUM, AVG, COUNT, MIN, MAX)
├── Window functions para rankings, running totals, YoY
├── CTEs para legibilidad (WITH ... AS ...)
└── ORDER BY + LIMIT al final, EXPLAIN ANALYZE para performance
5. VERIFICAR
├── La cardinalidad del JOIN es correcta (no hay duplicación inesperada)
├── Los agregados tienen sentido (SUM con GROUP BY correcto)
└── La consulta corre en tiempo aceptable (< 1s para dashboards)
Patrones
- WHERE antes de JOIN: filtrar lo más temprano posible reduce filas a procesar
- CTE para legibilidad: partí consultas largas en bloques con WITH
- Window functions: ROW_NUMBER(), RANK(), LAG(), LEAD() para análisis sin perder detalle
- EXPLAIN ANALYZE: si una consulta es lenta, el plan de ejecución dice por qué
- Índices: si filtrás por fecha o cliente seguido, poné un índice
Anti-patrones
- ❌ SELECT * en producción — trae columnas al pedo, mata performance
- ❌ JOIN sin verificar cardinalidad — un 1:N cuando esperabas 1:1 te duplica filas
- ❌ Filtrar después de GROUP BY — usá HAVING, no WHERE
- ❌ Subqueries correlacionadas — suelen ser lentas. Usá CTE o JOIN
- ❌ No usar índices — consultas de 10 segundos se vuelven 10ms con el índice correcto