Resumen
El proyecto define un modelo relacional completo para registrar y analizar ventas de una heladería con múltiples sucursales. A partir de un esquema normalizado y una carga de datos consistente, se desarrollan consultas SQL que permiten responder preguntas de negocio sobre volumen de ventas, mix de productos, rentabilidad y comportamiento horario y estacional.
Estructura del modelo
Canal: tipo de canal de venta (mostrador, delivery, app, etc.).Metodo_Pago: medios de pago utilizados por los clientes.Sucursal: sucursales físicas y sus características básicas.Zona_Cliente: segmentación geográfica de clientes.Producto: potes, cucuruchos, postres y otros productos con precio y costo.Fecha: tabla de calendario con día, mes, año, semana, estacionalidad, etc.-
Ventas_Detalle: hechos de venta a nivel de línea (producto, cantidad, importe).
Consultas destacadas
1️⃣ Exploración inicial
- Conteo de filas por tabla para validar volumen de datos.
- Muestras de registros por tabla para revisar estructura y consistencia.
- Verificación básica de integridad referencial entre claves primarias y foráneas.
2️⃣ Análisis de ventas por canal y método de pago
- Importe total vendido por canal y medio de pago.
- Cantidad de tickets emitidos en cada combinación canal–método.
- Cálculo del ticket promedio para entender el valor medio de cada venta.
3️⃣ Estacionalidad
- Ventas mensuales para detectar picos y caídas a lo largo del año.
- Análisis por día de la semana para identificar patrones de consumo.
- Detección de periodos de alta demanda para planificar producción y stock.
4️⃣ Horarios de mayor actividad
- Distribución de ventas por franja horaria (mañana, tarde, noche).
- Detalle por hora del día para encontrar horas pico de atención.
5️⃣ Desempeño por sucursal
- Ranking de sucursales por ventas totales.
- Comparación de margen entre sucursales.
- Cantidad de transacciones por local para evaluar volumen operativo.
6️⃣ Mix de productos
- Participación de cada tipo de producto en las ventas totales.
- Análisis de contribución a la rentabilidad por categoría (potes, cucuruchos, postres, etc.).
Tecnologías y uso
El proyecto está implementado en MySQL, con scripts organizados en carpetas para facilitar la recreación del entorno:
-
setup/con scripts para crear el schema, las tablas y cargar datos de ejemplo (seeds). - Scripts de análisis para exploración inicial y consultas comerciales que pueden conectarse luego a herramientas de BI como Power BI o Tableau.
El objetivo es disponer de una base sólida de SQL que sirva como backend para dashboards y análisis avanzados, manteniendo la lógica de negocio central en la base de datos.