Simulación de un sistema ERP comercial construido en MySQL, que modela el ciclo completo de ventas, inventario, clientes y pagos de una empresa con presencia en 3 países de Latinoamérica.
Proyecto desarrollado como práctica de SQL, con enfoque en análisis de datos.
Los datos son ficticios y generados para fines educativos.
Desarrollar habilidades de análisis de datos mediante SQL, aplicadas a un sistema ERP comercial simulado. El proyecto busca consolidar el uso de JOINs, subconsultas, funciones de agregación, agrupaciones y filtros complejos para responder preguntas de negocio reales sobre ventas, clientes, productos, inventario y operaciones.
- ¿Cuál es el total de ingresos por sucursal y por mes?
- ¿Qué productos generan mayor margen de ganancia?
- ¿Qué canal de venta genera más ingresos?
- ¿Qué cliente tiene mayor volumen de compras acumulado?
- ¿Qué segmento de clientes es más rentable?
- ¿Qué vendedor tiene el mayor número de ventas acumuladas?
- ¿Cuál es el ingreso total generado por cada vendedor?
- ¿Qué vendedores tienen pedidos con estado pendiente o cancelado?
- ¿Qué productos tienen stock por debajo del mínimo requerido?
- ¿Cuántas devoluciones ha registrado cada producto y cuál es el motivo más frecuente?
- ¿Qué pedidos tienen pago pendiente o fueron cancelados?
- ¿Cuál es el costo promedio de envío por empresa de logística?
- ¿Qué método de pago es el más utilizado?
erp-comercial-sql/
│
├── README.md
├── screenshots/
│ ├── diagrama_er.png -- Diagrama entidad-relación
│ └── pedidos_cliente_vendedor_sucursal -- Capturas de resultados clave
│ └── resumen_ventas.png -- Capturas de resultados clave
│ └── stock_critico.png -- Capturas de resultados clave
│ └── total_vendido_por_pedido.png -- Capturas de resultados clave
| └── ventas_acumuladas_por_cliente.png -- Capturas de resultados clave
| └── ventas_por_producto_categoria.png -- Capturas de resultados clave
├── scripts/
│ ├── 01_crear_tablas.sql -- DDL: estructura completa de la base de datos
│ ├── 02_insertar_datos.sql -- DML: datos de prueba
│ └── 03_consultas.sql -- Consultas generales de análisis
├── objetos/
│ ├── vistas.sql -- Vistas: resumen_de_ventas y stock_actual
│ ├── funciones.sql -- Función: calcular_totales_con_descuento
│ ├── procedimientos.sql -- Procedimiento: resumir_compras_por_cliente
│ ├── triggers.sql -- Trigger: actualizar_inventario
│ ├── indices.sql -- Índices de optimización
│ └── transacciones.sql -- Transacción: actualizar inventario y pagos
└── analisis/
└── preguntas_negocio.sql -- 10 preguntas de negocio respondidas
📌 Diagrama ER
Registran eventos o transacciones del negocio — contienen métricas y claves foráneas.
| Tabla | Descripción | Columnas principales |
|---|---|---|
pedidos |
Cabecera de cada venta registrada | id_pedido, fecha_pedido, id_cliente, id_vendedor, id_sucursal, estado_pedido, canal_venta |
detalle_pedido |
Líneas de producto por pedido | id_detalle, id_pedido, id_producto, cantidad, precio_unitario, descuento |
pagos |
Estado y monto de pago por pedido | id_pago, id_pedido, fecha_pago*, metodo_pago, monto_pagado, estado_pago |
envios |
Seguimiento logístico de cada pedido | id_envio, id_pedido, fecha_envio*, empresa_envio, estado_envio, costo_envio |
devoluciones |
Registro de devoluciones con motivo | id_devolucion, id_pedido, id_producto, fecha_devolucion, cantidad_devuelta, motivo |
inventario |
Stock actual por producto y sucursal | id_inventario, id_producto, id_sucursal, stock_actual, ultima_actualizacion |
*
fecha_pagoyfecha_enviopermiten valoresNULL— representan pagos o envíos aún no procesados. Todas las demás columnas están definidas comoNOT NULL.
Proveen contexto descriptivo a las tablas de hechos.
| Tabla | Descripción | Columnas principales |
|---|---|---|
clientes |
Registro de clientes por país y segmento | id_cliente, nombre_cliente, pais, ciudad, segmento, fecha_registro |
vendedores |
Vendedores asignados a cada sucursal | id_vendedor, nombre_vendedor, id_sucursal, cargo, fecha_ingreso |
sucursales |
3 sucursales en Latinoamérica | id_sucursal, nombre_sucursal, pais, ciudad |
productos |
Catálogo con precio, costo y stock mínimo | id_producto, nombre_producto, id_categoria, id_proveedor, precio_unitario, costo_unitario, stock_minimo |
categorias |
Clasificación de productos | id_categoria, nombre_categoria |
proveedores |
Proveedores por país con contacto | id_proveedor, nombre_proveedor, pais, contacto |
Consolida pedidos con cliente, vendedor, sucursal, canal, estado de pago y métricas financieras (venta bruta, descuentos y venta neta).
-- Ejemplo de uso
SELECT nombre_vendedor, SUM(venta_neta) AS total
FROM resumen_de_ventas
GROUP BY nombre_vendedor
ORDER BY total DESC;📄 Código completo en
objetos/vistas.sql
Muestra el stock por producto y sucursal con clasificación automática en tres niveles de alerta.
-- Ejemplo de uso
SELECT * FROM stock_actual
WHERE stock_estado_actual = 'critico';| Estado | Criterio |
|---|---|
normal |
stock_actual - stock_minimo >= 5 |
bajo |
stock_actual - stock_minimo entre 2 y 4 |
critico |
stock_actual - stock_minimo < 2 |
📄 Código completo en
objetos/vistas.sql
Calcula el total neto de una línea de venta aplicando el descuento proporcional.
-- Ejemplo de uso
SELECT calcular_totales_con_descuento(2, 950.00, 0.10);
-- Resultado: 1710.00
-- Aplicada sobre detalle_pedido
SELECT id_detalle,
calcular_totales_con_descuento(cantidad, precio_unitario, descuento) AS total_neto
FROM detalle_pedido;📄 Código completo en
objetos/funciones.sql
Retorna el historial de compras de un cliente por nombre. Incluye manejo de cliente inexistente.
-- Ejemplo de uso
CALL resumir_compras_por_cliente('Tech Solutions');
CALL resumir_compras_por_cliente('Cliente Inexistente');
-- Retorna: 'El cliente ingresado no existe'📄 Código completo en
objetos/procedimientos.sql
Se dispara automáticamente después de cada INSERT en detalle_pedido. Descuenta el stock real vendido en la sucursal correspondiente al pedido.
-- Se activa automáticamente al ejecutar:
INSERT INTO detalle_pedido (id_detalle, id_pedido, id_producto, cantidad, precio_unitario, descuento)
VALUES (37, 18, 1, 3, 950.00, 0.00);
-- El inventario del producto 1 en la sucursal del pedido 18 se reduce en 3 unidades📄 Código completo en
objetos/triggers.sql
Ejecuta de forma atómica el descuento de stock y el registro del pago. Si alguna operación falla, se revierte todo con ROLLBACK.
START TRANSACTION;
UPDATE inventario SET stock_actual = stock_actual - cantidad ...;
UPDATE pagos SET estado_pago = 'Pagado', monto_pagado = ... ;
COMMIT; -- o ROLLBACK si algo falla📄 Código completo en
objetos/transacciones.sql
Índices creados sobre columnas de búsqueda y JOIN frecuente para optimizar el rendimiento de las consultas de análisis.
| Índice | Tabla | Columna(s) |
|---|---|---|
idx_pedidos_estado |
pedidos |
estado_pedido |
idx_pedidos_cliente |
pedidos |
id_cliente |
idx_pedidos_vendedor |
pedidos |
id_vendedor |
idx_pedidos_sucursal |
pedidos |
id_sucursal |
idx_pedidos_fecha |
pedidos |
fecha_pedido |
idx_detalle_pedido |
detalle_pedido |
id_pedido |
idx_detalle_producto |
detalle_pedido |
id_producto |
idx_inventario_producto_sucursal |
inventario |
id_producto, id_sucursal |
idx_pagos_estado |
pagos |
estado_pago |
idx_pagos_pedido |
pagos |
id_pedido |
📄 Código completo en
objetos/indices.sql
Preguntas de negocio respondidas con SQL — considerando únicamente pedidos con estado_pedido = 'Entregado':
| # | Pregunta | Resultado |
|---|---|---|
| 1 | ¿Qué cliente realizó el mayor total de compras? | Tech Solutions → $2,697.50 |
| 2 | ¿Qué vendedor generó más ventas? | Andrés Gómez → $4,857.50 |
| 3 | ¿Qué producto tuvo más unidades vendidas? | Pack Papelería → 38 unidades |
| 4 | ¿Qué pedido tuvo el mayor monto? | Pedido #8 → $2,137.50 |
| 5 | ¿Qué canal de venta generó más ingresos? | Web → $6,358.00 |
| 6 | ¿Qué sucursal realizó más ventas? | Sucursal Santiago → $7,422.50 |
| 7 | ¿Qué productos presentan stock crítico? | 10 registros en sucursales Lima y Bogotá |
| 8 | ¿Qué pedidos siguen pendientes o cancelados? | Pedidos #15, #17 y #18 |
| 9 | ¿Qué pedidos tuvieron devoluciones? | Pedidos #4, #8, #11 y #14 |
| 10 | ¿Cuántos pagos siguen pendientes o cancelados? | 3 pagos — IDs #15, #17 y #18 |
📄 Queries completas en
analisis/preguntas_negocio.sql
- El canal Web es el más rentable con $6,358.00 en ventas netas y es el único canal sin pedidos cancelados o pendientes
- La Sucursal Santiago concentra el mayor volumen de ventas ($7,422.50) al tener más vendedores asignados
- Incluir pedidos no entregados en el análisis distorsiona los resultados — Comercial Andes aparece como top cliente sin filtro, pero Tech Solutions lidera cuando se consideran solo ventas efectivas
- Pack Papelería lidera en volumen con 38 unidades vendidas, pero su bajo precio unitario ($35) lo hace poco relevante en ingresos
- Notebook Ejecutivo es el producto de mayor impacto en ingresos a pesar de tener menos unidades vendidas — patrón clásico de productos de alto valor
- Los productos de Software (Licencias CRM y BI) tienen rotación constante al ser suscripciones mensuales
- Las sucursales de Lima y Bogotá concentran el mayor número de productos en estado crítico — 10 registros bajo el umbral mínimo
- Escritorio Modular y Silla Oficina Pro están en estado crítico en dos sucursales simultáneamente — requieren reabastecimiento prioritario
- La Sucursal Santiago mantiene los niveles de stock más saludables del sistema
- Se registraron 4 devoluciones con motivos variados: producto defectuoso, falla de equipo, cambio solicitado y producto no requerido — ningún patrón sistemático visible con el volumen actual
- Quedan 3 pagos sin confirmar correspondientes a pedidos pendientes y cancelados con monto $0.00 — requieren gestión de cobranza o cierre contable
- MySQL 8.0 o superior
- MySQL Workbench (recomendado) o cualquier cliente SQL
| Archivo | Qué contiene |
|---|---|
01_crear_tablas.sql |
CREATE DATABASE, CREATE TABLE con PKs, FKs y restricciones NOT NULL para las 12 tablas |
02_insertar_datos.sql |
INSERT INTO con datos de prueba para todas las tablas — categorías, sucursales, vendedores, clientes, proveedores, productos, inventario, pedidos, detalle, pagos, envíos y devoluciones |
03_consultas.sql |
Consultas generales de exploración y análisis sobre las tablas base |
objetos/vistas.sql |
CREATE VIEW para resumen_de_ventas y stock_actual |
objetos/funciones.sql |
CREATE FUNCTION para calcular_totales_con_descuento con su DELIMITER |
objetos/procedimientos.sql |
CREATE PROCEDURE para resumir_compras_por_cliente con manejo de error |
objetos/triggers.sql |
CREATE TRIGGER para actualizar_inventario con su DELIMITER |
objetos/indices.sql |
CREATE INDEX para los 10 índices de optimización |
objetos/transacciones.sql |
Transacción manual con START TRANSACTION, UPDATEs y COMMIT/ROLLBACK documentados |
analisis/preguntas_negocio.sql |
10 queries con comentarios explicando cada pregunta de negocio y su resultado |
-- 1. Crear la base de datos
CREATE DATABASE erp_comercial;
USE erp_comercial;
-- 2. Crear estructura e insertar datos
SOURCE scripts/01_crear_tablas.sql;
SOURCE scripts/02_insertar_datos.sql;
-- 3. Crear objetos en este orden (respetar dependencias)
SOURCE objetos/vistas.sql;
SOURCE objetos/funciones.sql;
SOURCE objetos/procedimientos.sql;
SOURCE objetos/triggers.sql;
SOURCE objetos/indices.sql;
-- 4. Explorar consultas y análisis
SOURCE scripts/03_consultas.sql;
SOURCE analisis/preguntas_negocio.sql;
⚠️ Los objetos deben crearse después de los datos — las vistas y procedimientos dependen de que las tablas existan y tengan contenido para poder verificarse.
- El uso de
JOINentre múltiples tablas (pedidos, clientes, vendedores, productos) permite construir vistas analíticas completas que ninguna tabla aislada podría ofrecer, reforzando la importancia de un modelo relacional bien diseñado. - Las funciones de agregación combinadas con
GROUP BYyHAVINGson herramientas centrales para responder preguntas de negocio reales; dominarlas marca la diferencia entre una consulta básica y un análisis útil. - Las subconsultas y el filtrado por condiciones derivadas (como stock bajo mínimo o clientes sin pedidos recientes) demuestran que SQL va más allá de la extracción simple de datos y puede encapsular lógica de negocio directamente en la consulta.
- Trabajar con datos simulados de un ERP permite entender cómo se relacionan las áreas de ventas, inventario, logística y finanzas, lo que es esencial para el análisis de datos en contextos empresariales reales.
- Este proyecto evidenció que la claridad en el modelo de datos (nombres de columnas consistentes, claves foráneas bien definidas) impacta directamente en la facilidad de escribir y mantener consultas analíticas.
Proyecto desarrollado como parte del portafolio de análisis de datos.