Estoy trabajando en un proyecto de conteo de entradas de clientes en tienda. Algunas tiendas no apagan sus dispositivos de conteo los días de inactividad, con lo cual en la base de datos se registran ceros cuando en realidad deberían ser valores nulos, que puedo filtrar de forma efectiva y fácil mediante la consulta SQL (MySQL) que envía los datos a mi BI (desarrollado con una aplicación no muy conocida, Tabulae).
Al hacer recuentos totales, dado que son sumatorios, los ceros no influyen, pero al calcular valores medios estos sufren una distorsión a la baja. Por lo tanto, se ha decidido que en aquellos widgets que muestren medias se ha de aplicar un filtro que elimine las tiendas en aquellos días en los que hay menos de 10 registros; es decir, en aquellos gráficos o KPIs que muestren totales no hay problema -y de hecho se prefiere- en que aparezcan esos ceros -permiten identificar tiendas que están haciendo algo extraño-, pero en aquellos que calculen medias han de ser filtrados antes de hacer el promedio.
Mediante el propio BI, esto resulta fácil para niveles de visualización diarios o superiores: se agrupan las entradas por tienda y por día, se aplica un filtro para valores inferiores a 10, y posteriormente se calculan las medias o se hacen más agrupaciones con los registros que superan el filtro.
Sin embargo, los datos también se visualizan por tramos horarios, con lo cual una vez realizado el filtrado por tienda y por día necesitaría desagrupar los registros para poder agruparlos de nuevo por tramo. No veo la forma de hacerlo con mi BI, y mi duda es si siquiera es algo que se pueda hacer a nivel de SQL.
Si fuera posible hacerlo a nivel de SQL, no habría problema en crear dos datasets, uno que filtre los ceros y otro que no, para emplear cada uno donde sea necesario.
Es una pregunta un tanto abierta, espero que podáis orientarme al respecto. Gracias por adelantado.
EDITO:
Se me ocurre que podría hacer algo así:
SELECT
tienda,
dia
FROM
tabla
GROUP BY
tienda,
dia
HAVING
sum(entradas) < 10
;
Así tendría las duplas (tienda, dia) que quiero eliminar; ¿esto se podría encajar como subconsulta en el WHERE
de la consulta que agrupa por tramos para que no tenga en cuenta esas tiendas para esos días?
O, mejor aún, marcar esas duplas con un buleano y poder usar el mismo dataset en todos los casos; suponiendo que los tramos horarios fueran sólo 2:
tienda dia tramo eliminar
1 1 9 1
1 1 10 1
1 2 9 0
1 2 10 0
1 3 9 0
1 3 10 0
2 1 9 0
2 1 10 0
2 2 9 1
2 2 10 1
2 3 9 0
2 3 10 0
¿Cómo lo veis?