SQL para el análisis de datos

¿Qué son las bases de datos relacionales, cómo funcionan y por qué SQL es el lenguaje estándar para trabajar con ellas? Configuración del entorno y primeros comandos: SELECT, FROM, WHERE.

Estructura y organización de las bases de datos relacionales. Tablas, columnas, tipos de datos, claves primarias y foráneas. Cómo pensar en términos de datos relacionales.

Comandos SQL fundamentales: SELECT, INSERT, UPDATE, DELETE. Sintaxis básica y buenas prácticas para escribir consultas claras y eficientes.

Introducción a Google BigQuery como plataforma de análisis de datos en la nube. Cómo ejecutar consultas SQL en grandes volúmenes de datos e integrar BigQuery en su flujo de trabajo analítico.

Exploración en profundidad de los comandos esenciales: filtrado con WHERE, ordenación con ORDER BY, limitación de resultados y uso de operadores lógicos y de comparación.

Cómo usar GROUP BY, HAVING, COUNT, SUM, AVG, MIN y MAX para consolidar y resumir grandes volúmenes de datos. Creación de informes agregados para análisis de negocio.

Funciones matemáticas SQL para cálculos numéricos: redondeo, potencia, módulo y funciones estadísticas. Cómo realizar operaciones matemáticas directamente en las consultas.

Manipulación de cadenas con SQL: concatenación, extracción de subcadenas, conversión de mayúsculas y minúsculas, y limpieza de texto. Cómo gestionar y estandarizar datos de texto en consultas.

Trabajar con fechas y marcas de tiempo en SQL: extraer partes de fechas, calcular rangos, formatear y comparar periodos. Imprescindible para el análisis de series temporales.

Introducción a las funciones geográficas disponibles en BigQuery. Cómo trabajar con coordenadas, calcular distancias y realizar análisis espaciales mediante SQL.

Explica cómo combinar datos de diferentes tablas. Incluye INNER JOIN, LEFT JOIN y otras variantes.

Uso de subconsultas para resolver problemas complejos de análisis de datos. Subconsultas correlacionadas y no correlacionadas dentro de las cláusulas WHERE, FROM y SELECT.

Funciones de ventana (ROW_NUMBER, RANK, LAG, LEAD, SUM OVER, AVG OVER) para análisis avanzados sin colapsar filas. Aplicaciones prácticas en clasificaciones, comparaciones temporales y datos acumulativos.