Ejercicios de modelado de datos para entrevistas de analista de datos

Diseñar un modelo de datos efectivo es crucial para garantizar el rendimiento, la escalabilidad y la usabilidad de las aplicaciones analíticas. Imagina un escenario en el que se te encarga integrar diversas fuentes de datos, como transacciones de ventas, perfiles de clientes y detalles de productos. Encontrar el equilibrio entre la normalización para la integridad de los datos y la desnormalización para el rendimiento de las consultas puede ser un desafío desalentador.

El núcleo del modelado de datos

Para sumergirnos en ejercicios prácticos, analicemos un escenario simple de datos de ventas. A continuación, se presenta una representación visual de un modelo de datos relacional básico para una aplicación de análisis de ventas.

Estructura de la tabla

Este ejemplo involucra tres tablas clave:

1. Tabla de Clientes

   CustomerID	NombreCliente	Contacto	Ciudad	País
   1	John Doe	123456789	Londres	Reino Unido
   2	Jane Smith	987654321	París	Francia

2. Tabla de Productos

   ProductID	NombreProducto	Categoría	Precio
   101	Producto A	Herramientas	10
   102	Producto B	Gadgets	15

3. Tabla de Transacciones de Ventas

   TransactionID	CustomerID	ProductID	Cantidad	FechaVenta
   1	1	101	2	2023-07-01
   2	1	102	1	2023-07-02
   3	2	101	3	2023-07-01

Ejercicio: Escribir una consulta SQL

Tarea: Calcular las ventas totales para cada cliente, excluyendo cualquier transacción de productos descontinuados.

Aquí está la consulta SQL para ejecutar esta tarea:

SELECT c.NombreCliente, SUM(p.Precio * st.Cantidad) AS VentasTotales
FROM Clientes c
JOIN Transacciones_Ventas st ON c.CustomerID = st.CustomerID
JOIN Productos p ON st.ProductID = p.ProductID
WHERE p.Descontinuado = 0 -- Asumir que esta columna existe  
GROUP BY c.NombreCliente;

Resultado Esperado:

NombreCliente	VentasTotales
John Doe	20
Jane Smith	30

Errores Comunes

• Ignorar el Estado del Producto: Los candidatos a menudo pasan por alto filtrar los productos descontinuados, asumiendo que todos los productos en la tabla de ventas están activos.
• Uso Incorrecto de Joins: Joins incorrectos conducen a sumas infladas, ya que los candidatos pueden conectar tablas sin una comprensión adecuada de sus relaciones.
• No Agrupar Correctamente: Olvidar agrupar por el nombre del cliente o estructurar incorrectamente la cláusula GROUP BY puede generar resultados engañosos.

Trampas en la Entrevista

En las entrevistas, a menudo se les hacen a los candidatos preguntas similares que revelan huecos en su comprensión y pueden conducir a errores comunes:

• Normalización vs. Desnormalización: Los entrevistadores pueden indagar sobre tu comprensión de cuándo normalizar datos para evitar redundancia versus cuándo desnormalizar para rendimiento, llevando a discusiones sobre las compensaciones en velocidad de consulta y complejidad de mantenimiento.
• Consultas Complejas: Te pueden pedir que interpretes consultas SQL complejas y aclares qué datos devuelven, lo que prueba tu capacidad para navegar no solo por la sintaxis sino también por la lógica y las relaciones en tus modelos de datos.
• Explicación del Rendimiento: Es posible que debas explicar tu razonamiento detrás de la optimización de una consulta específica, centrándote en estrategias de indexación y condiciones de filtro.

Ejemplo Resuelto

Imagina que un entrevistador te da la siguiente tarea (parafraseada): "Dada un nuevo requisito para evaluar las ventas totales en el mes actual mientras se filtran los productos descontinuados, ¿cómo adaptarías tu consulta anterior?"
Para responder, comienza con la consulta original y modifícala para incluir un filtro para el mes actual:

SELECT c.NombreCliente, SUM(p.Precio * st.Cantidad) AS VentasTotales
FROM Clientes c
JOIN Transacciones_Ventas st ON c.CustomerID = st.CustomerID
JOIN Productos p ON st.ProductID = p.ProductID
WHERE p.Descontinuado = 0
AND MONTH(st.FechaVenta) = MONTH(CURRENT_DATE())
AND YEAR(st.FechaVenta) = YEAR(CURRENT_DATE())
GROUP BY c.NombreCliente;

Este mantenimiento de la consulta ilustra tanto la lógica de la consulta como el manejo de fechas, lo que es vital para habilidades de informes dinámicos.

En el Trabajo: Aplicaciones del Mundo Real

En la práctica, el modelado de datos no termina con la creación de tablas. Los analistas dedican un tiempo considerable a asegurar que los datos fluyan de diversas fuentes sin problemas hacia sus modelos. Algunos aspectos prácticos incluyen:

• Optimización del Rendimiento: Analizar regularmente el rendimiento de las consultas para optimización. Esto puede implicar revisar joins, analizar planes de ejecución y aplicar indexación donde sea necesario.
• Gestión de la Calidad de los Datos: Asegurar que los datos permanecen limpios y utilizables. Esto incluye auditorías regulares y participación en los procesos de recolección de datos para prevenir anomalías.
• Colaboración: Trabajar en equipos para validar supuestos de modelado, asegurando que los datos reflejan con precisión las necesidades del negocio y pueden adaptarse a medida que estas necesidades evolucionan.

Dominar estos ejercicios prácticos no solo te prepara para entrevistas técnicas, sino que también te equipa para manejar de manera efectiva los desafíos de datos del mundo real.

Referencias

• Documentación de PostgreSQL: Comandos SQL
• Documentación de MySQL: Diseño de Base de Datos
• Documentos de Microsoft: Diagramas de Relaciones de Entidad
• IBM: Conceptos de Modelado de Datos