Método SQL para Calcular el valor máximo de un conjunto de columnas de una Tabla.

Transcripción

1 Método SQL para Calcular el valor máximo de un conjunto de columnas de una Tabla. Utilización de subconsultas para realizar cálculos sobre N cantidad de columnas sin utilizar sentencias CASE Nombre Puntaje 1 Puntaje 2 Puntaje 3 Puntaje 4 Puntaje 5 Puntaje 6 Maxima Mínima Nicolas Cesar Hector 578 NULL 168 NULL Mario Daniela Jorge Fecha: Mayo del Versión: 1.0 Autor: Sebastián Rodríguez Robotham srodriguez@easybi.cl

2 Introducción. Hay ocasiones en que debemos realizar cálculos que parecen simples en papel, sin embargo al intentar hacer la consulta en SQL nos damos cuenta que son más complejas de lo que pensamos, o que requieren de mucha codificación para llevarla a cabo. El presente documento resuelve de forma elegante y escalable un problema común de SQL para realizar cálculos de agrupación sobre columnas. En la parte final del documento, hay un anexo que describe la solución completa del problema con indicaciones especiales acerca de las sentencias UNION, UNION ALL y cálculo de las funciones de agregación cuando existen valores nulos en los campos. Problema. Supongamos que contamos con un listado de clientes, y cada cliente tiene diversos puntajes otorgados por un sistema de segmentación mensual, el requerimiento es calcular el puntaje promedio y máximo de los últimos 6 meses, tal como lo muestra la siguiente figura: Nombre Puntaje 1 Puntaje 2 Puntaje 3 Puntaje 4 Puntaje 5 Puntaje 6 Nicolas Cesar Hector 578 NULL 168 NULL Mario Daniela Jorge Figura 1 Listado de Puntajes de Clientes Solución Clásica. Primero generaremos una tabla con la estructura necesaria para almacenar la información base: CREATE TABLE #TempRowToColumn ( Nombre,Puntaje_P1,Puntaje_P2,Puntaje_P3,Puntaje_P4,Puntaje_P5,Puntaje_P6 VARCHAR(100) ) Luego, poblaremos la tabla con la información publicada en la Figura 1. INSERT O #TempRowToColumn VALUES ('Nicolas',735,158,399,473,378,147), ('Cesar',578,252,557,410,441,504), ('Hector',578,NULL,168,NULL,189,714), ('Mario',578,105,168,105,189,714), ('Daniela',683,473,399,326,347,294), Sebastián Rodríguez Robotham. 2 P a g e

3 ('Jorge',105,672,672,735,693,305) Para calcular el promedio es bastante simple, ya que debemos sumar los 6 puntajes y dividirla en 6, sin embargo presenta un inconveniente, hay datos nulos que entregarán un resultado diferente al que esperábamos inicialmente (los valores nulos hacen que el resultado final sea nulo en el cliente Héctor ), la figura 2 muestra el resultado de esta operación. SELECT *, (Puntaje_P1+ Puntaje_P2 + Puntaje_P3 + Puntaje_P4 + Puntaje_P5 + Puntaje_P6) / 6 as Promedio FROM #TempRowToColumn Nombre Puntaje 1 Puntaje 2 Puntaje 3 Puntaje 4 Puntaje 5 Puntaje 6 Promedio Nicolas Cesar Hector 578 NULL 168 NULL NULL Mario Daniela Jorge Figura 2 Calculo del Promedio Y finalmente, si queremos calcular el valor máximo, tendremos que realizar una sentencia CASE que evalúe cada alternativa, de la siguiente forma: CASE WHEN Puntaje_P1 > Puntaje_P2 AND Puntaje_P1 > Puntaje_P3 AND Puntaje_P1 > Puntaje_P4 AND Puntaje_P1 > Puntaje_P5 AND Puntaje_P1 > Puntaje_P6 WHEN Puntaje_P2 > Puntaje_P3 AND Puntaje_P2 > Puntaje_P4 AND Puntaje_P2 > Puntaje_P5 AND Puntaje_P2 > Puntaje_P6 WHEN Puntaje_P3 > Puntaje_P4 AND Puntaje_P3 > Puntaje_P5 AND Puntaje_P3 > Puntaje_P6 WHEN Puntaje_P4 > Puntaje_P5 AND Puntaje_P4 > Puntaje_P6 WHEN Puntaje_P5 > Puntaje_P6 ELSE Puntaje_P6 END AS maximo THEN Puntaje_P1 THEN Puntaje_P2 THEN Puntaje_P3 THEN Puntaje_P4 THEN Puntaje_P4 Nombre Puntaje 1 Puntaje 2 Puntaje 3 Puntaje 4 Puntaje 5 Puntaje 6 Promedio Maximo Nicolas Cesar Hector 578 NULL 168 NULL NULL 714 Mario Daniela Jorge Figura 3 Calculo del Promedio y Valor Máximo. Sebastián Rodríguez Robotham. 3 P a g e

4 El problema de utilizar esta solución es que no es escalable, es decir cuando tenemos 10 o 20 columnas que comparar, la codificación se hace muy pesada y riesgosa, ya que es fácil cometer errores en las comparaciones CASE. Solución Óptima. Para solucionar este tipo de requerimientos, lo que debemos hacer es convertir las columnas de cada fila en una nueva subquery que podemos trabajar a nivel de la misma fila, y utilizar las funciones de agrupamiento que provee SQL Server, a continuación se presenta la solución propuesta. SELECT T1.*,(SELECT MAX(Puntaje) FROM ( SELECT Puntaje_P1 AS Puntaje UNION ALL SELECT Puntaje_P6) AliasTabla ) AS PuntajeMaximo Nueva Columna FROM #TempRowToColumn T1 Nombre Puntaje_P1 Puntaje_P2 Puntaje_P3 Puntaje_P4 Puntaje_P5 Puntaje_P6 Puntaje Maximo Nicolas Cesar Hector 578 NULL 168 NULL Mario Daniela Jorge Figura 4 Resultado Máximo con SubQuery a Nivel de Fila. Lo que hace esta consulta es bastante sencillo: crea una subconsulta con los valores de cada columna, similar a la siguiente sentencia: SELECT 1 AS Puntaje UNION ALL SELECT 2 UNION ALL SELECT 3 UNION ALL SELECT 4 UNION ALL SELECT 5 Donde el resultado es una lista de números del uno al cinco, luego al utilizar esta sentencia como subquery y aplicar una función de agregado, por ejemplo máximo, obtendremos el resultado deseado (valor 5 como resultado de la función MAX): Sebastián Rodríguez Robotham. 4 P a g e

5 SELECT MAX(Puntaje) FROM ( SELECT 1 AS Puntaje UNION ALL SELECT 2 UNION ALL SELECT 3 UNION ALL SELECT 4 UNION ALL SELECT 5 ) As Alias El mismo concepto se aplica en la solución óptima, pero ahora en vez de utilizar valores constantes, utilizamos los campos que provee la tabla #TempRowToColumn. Rendimiento. La siguiente figura muestra la comparación en rendimiento de ambas consultas, siendo la solución tradicional ligeramente más eficiente que la solución propuesta en este documento, sin embargo se observa que la diferencia es mínima. Figura 5 Comparación Plan de Ejecución: Consulta Tradicional vs Consulta Óptima. Conclusiones Finales Este método para resolver los requerimientos relacionados a funciones de agregación sobre columnas es elegante en términos de codificación y fácilmente escalable, ya que permite incluir en forma simple N columnas a la query, y el impacto en términos de posibles errores de digitación es mínimo en comparación al método tradicional, por otro lado permite comprender fácilmente el código implementado. Como desventaja podemos indicar que es ligeramente menos eficiente que el método tradicional. Sebastián Rodríguez Robotham. 5 P a g e

6 Anexo 1. Código de Ejemplo y Consideraciones en la cláusula UNION A continuación se muestra el código a implementar para calcular los máximos, mínimos y promedios de los clientes. Este ejemplo, además, pretende mostrar la diferencia que existe al utilizar UNION, UNION ALL y AVG con valores NULL. UNION vs UNION ALL Como se muestra en la figura 6, el cliente Mario tiene valores repetidos (el valor 105 está 2 veces), por tanto al aplicar UNION considera solo un valor 105 y esto afecta el resultado del promedio, en cambio cuando se aplica UNION ALL consideran todos los valores de las columnas, aunque estos estén repetidos, a continuación se calcula manualmente esta fila: Promedio con UNION : = 1754 / 5 = 350 (Considera solo 5 valores) Promedio con UNION ALL : = 1859 / 6 = 309 (Valor correcto) Función AVG vs Promedio Calculado Manualmente Las columnas Promedio_01 calcula el promedio con AVG, mientras que Promedio_02 realiza la suma de todas las columnas y divide en la cantidad de períodos. Como vemos en la figura 6, la mayoría de los casos son idénticos, con excepción del cliente Héctor, dado que esta fila tiene valores NULL. A diferencia del error por UNION, en este caso es necesario especificar el comportamiento esperado con los puntajes, se promedia con los puntajes reales o se promedia por todos los períodos?, Qué valor asignar en caso que no exista medición para ese cliente?, por tanto en este caso no existe error de cálculo, sino que falta en la definición del criterio, por ese motivo se presentan ambos resultados como válido en este ejemplo. SELECT T1.*,(SELECT MAX(Nota) UNION ALL SELECT Puntaje_P6 ) Alias),(SELECT MIN(Nota) UNION ALL SELECT Puntaje_P6 ) Alias),(SELECT AVG(Nota) UNION ALL SELECT Puntaje_P6 ) Alias) AS PuntajeMaximo AS PuntajeMinimo AS Promedio_01_UnionAll Sebastián Rodríguez Robotham. 6 P a g e

7 ,(SELECT SUM(Nota) UNION ALL SELECT Puntaje_P6 ) Alias) / 6 AS Promedio_02_UnionAll,(SELECT AVG(Nota) UNION SELECT Puntaje_P2 UNION SELECT Puntaje_P3 UNION SELECT Puntaje_P4 UNION SELECT Puntaje_P5 UNION SELECT Puntaje_P6 ) Alias) AS Promedio_01_UnionSimple,(SELECT SUM(Nota) UNION SELECT Puntaje_P2 UNION SELECT Puntaje_P3 UNION SELECT Puntaje_P4 UNION SELECT Puntaje_P5 UNION SELECT Puntaje_P6 ) Alias) / 6 AS Promedio_02_UnionSimple FROM #TempRowToColumn T1 Nombre Puntaje Puntaje Puntaje Puntaje Puntaje Puntaje Puntaje Puntaje Promedio_01 Promedio_02 Promedio_01_ Promedio_02 P1 _P2 _P3 _P4 _P5 _P6 Maximo Minimo _UnionAll _UnionAll UnionSimple UnionSimple Nicolas Cesar Hector 578 NULL 168 NULL Mario Daniela Jorge Cálculo Erróneo por Union Simple (considera solo una instancia del valor) Diferencia de cálculo por valores NULL Figura 6 Resultados de Query Final. Sebastián Rodríguez Robotham. 7 P a g e