SQL suficiente para revisar tu propia base

No hace falta dominar SQL para revisar la calidad de unos datos maestros. Cinco patrones de consulta cubren casi toda la revisión diaria, y todos usan el mismo puñado de recursos: contar, agrupar, filtrar, ordenar y unir.

1. Cuánto está vacío donde no debería

El patrón es contar el total y contar lo completado en la misma pasada, con una suma condicional.

Cuenta cuántos registros existen, cuántos tienen el campo obligatorio completado y divide. Trata la cadena vacía y el espacio en blanco como ausencia: en una base vieja, un campo "completado" con un espacio es común, e ignorarlo infla el indicador.

Devuelve también el porcentaje redondeado. Un número con cuatro decimales no lo lee nadie.

2. Dónde hay duplicidad según la clave del negocio

Agrupa por la clave que el negocio reconoce (CNPJ, el número de registro de empresas de Brasil; número de empleado; código) y muestra solo los grupos con más de un registro, ordenados de mayor a menor.

Dos trampas. Normaliza antes de agrupar: quita puntuación y espacios, y estandariza las mayúsculas, porque si no "12.345" y "12345" cuentan como distintos. Y recuerda que un nulo no se agrupa con otro nulo: los registros sin clave no aparecen aquí y necesitan su propio conteo.

3. Qué valores se salen del dominio esperado

Agrupa por el campo y mira la lista de valores distintos con la frecuencia de cada uno. Es la consulta más barata y la que más revela: aparecen "SP", "sp", "São Paulo" y "S.P." lado a lado.

Ordena por frecuencia descendente. Los valores raros al final de la lista son, casi siempre, los errores.

4. Qué no cuadra entre dos tablas

Une las dos por la clave, manteniendo todos los registros de la primera, y filtra los que no encontraron pareja. Así se encuentra un cliente con un pedido que no existe, o un producto sin grupo.

Cuenta antes de listar. Si el resultado tiene diez mil filas, el problema es de modelado o de recorte, no del dato, y la lista larga lo va a esconder.

5. Qué tan viejo está el dato

Compara la fecha de la última actualización con la fecha de hoy y distribuye los registros en franjas: hasta 30 días, hasta 180, hasta un año, más que eso.

La distribución dice más que el promedio. Una base con la mitad actualizada ayer y la otra mitad detenida hace tres años tiene un promedio aceptable y un problema grave.

Cómo usar esto sin que se vuelva un informe inútil

Guarda las cinco consultas por dominio y ejecútalas siempre con la misma cadencia. Comparar la medición de hoy con la de la semana pasada es lo que convierte un número en tendencia.

Y entrega siempre dos cosas juntas: el porcentaje y la lista de los registros que fallaron. El porcentaje sirve para dar seguimiento; la lista es lo que el área dueña puede usar. Un indicador sin lista de excepciones no corrige nada.