• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Descenso de gradiente
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Matriz de confusión e informe de clasificación
      • Visualizador de fronteras de decisión
      • Simulador de K-Means
      • Número Óptimo de Clusters
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Problema del cumpleaños
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • La aguja de Buffon
      • Simulador de la Estrategia Martingala
      • Simulador de Cadenas de Markov
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Comparador de tarifas de luz 2.0TD
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
      • Frontera Eficiente
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Consultar CSV con SQL en el navegador
      • Extractor de tickets (OCR)
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Calculadora HMAC
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
      • Editor de expresiones cron
      • Conversor de unidades
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Ejecución de consultas SQL desde Excel

Bases de datos, Excel, SQL

octubre 22, 2018 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 4 minutos

A la hora de trabajar con Excel una de las posibles fuentes de problemas es la importación de los datos. En muchas ocasiones estos se encuentran en bases de datos, por lo que se ha de llevar a cabo un proceso de extracción, transformación y carga. Para esto se puede realizar la extracción a un archivo CSV para posteriormente importarlo en un libro Excel. Un proceso que no es óptimo, especialmente cuando este se ha de realizar de forma habitual. Para solucionar este problema, Excel implementa la posibilidad de realizar directamente consultas SQL a bases de datos. Además, la consulta y las opciones de conexión se pueden guardar en un archivo para automatizar el proceso. A continuación, se explicará cómo ejecutar consultas SQL desde Excel en bases de datos configuradas en el ODBC del sistema.

El asistente de consultas de Excel

En Excel existe un asistente que permite realizar importaciones desde bases de datos. Para acceder al mismo se ha de ir a la pestaña Datos y acceder a Obtener datos externos > Desde otras fuentes > Desde Microsoft Query.

Lanzamiento del asistente de consultas de Excel

Una vez seleccionada esta función aparecerá el asistente. En primer lugar, se pedirá seleccionar un origen de datos entre los disponibles en el ODBC.

Shallow copy vs Deep copy en Python: la mutación inesperada
En Analytics Lane
Shallow copy vs Deep copy en Python: la mutación inesperada

Selección del origen de datos

Tras la selección del origen de datos se procederá a la configuración de la consulta en si. Para ello se solicitará la tabla y las columnas que se desean incluir. Una vez realizada la selección se pude pulsar en siguiente.

Seleccionar columnas

Ahora se puede incluir diferentes criterios de selección y para la ordenación de los datos. Por ejemplo, a continuación, se muestra una captura de pantalla en la que se indica que los clientes sean ordenados por nombre.

Criterio de ordenación

Al finalizar el asistente se podrá guardar los datos, ver los datos o modificar la consulta. Además, se ofrece la posibilidad de guardar la consulta en un archivo para un posterior uso.

Finalización del asistente

En el caso de que se seleccione la opción Devolver los datos a Microsoft Excel la consulta se cargará en la hoja del libro seleccionado.

Resultados de la consulta SQL en Excel

Archivos de consultas para Excel

Las consultas SQL utilizadas en Excel se puede guardar en un archivo de formato qdy. Estos son archivos de texto plano que pueden ser generados desde el asistente de consultas de Excel o de forma manual. El formato de estos archivos es de la siguiente forma:

XLODBC
1
<Connection String>
<SQL String>
<Parameter names>
<Parameter data types>
<Column Names>

La primera y segunda línea del archivo han de ser tal como se indica. En la tercera línea se ha de indicar la configuración de la fuente de datos ODBC. Básicamente es necesario indicar el nombre de la fuente de datos y, en caso de que sea necesario, el usuario y contraseña para acceder. En la cuarta línea se sitúa la consulta SQL, la cual puede ser tan compleja como se desee. A partir de ahí las columnas son opcionales. Por su lado, en la quinta se puede indicar los nombres de los parámetros, en la sexta el tipo de datos y en la séptima el nombre de las columnas.

A modo de ejemplo se muestra el contenido de un archivo de consulta en la que se importan todos los datos de la tabla sales desde la base de datos clients. En este archivo el usuario que se utiliza para acceder es username y su contraseña es password.

XLODBC
1
DSN= clients;UID=username;PWD=password
SELECT * FROM sales

En Windows los archivos qdy se pueden abrir desde el explorador. Al realizar esta acción se abrirá una instancia de Excel y, tras la confirmación por parte del usuario, se ejecutará la consulta e importarán los datos en una hoja. Así es posible automatizar procesos que se realizan de forma habitual como puede ser las compras que se han realizado la semana pasada.

Conclusiones

Se ha visto un truco para poder realizar consultas en bases de datos e importar estas sin salir de Excel. Además, se ha visto cómo generar archivos qdy en los que se puede almacenar los datos de los procesos. Permitiendo automatizar procesos de carga que se realizan de forma habitual.

Imágenes: Pixabay (michasager)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Shallow copy vs Deep copy en Python: la mutación inesperada
  • Cómo Proyectar Cuándo Alcanzarás la Independencia Financiera
  • Analytics Lane lanza la versión 1.5 del laboratorio con un extractor de tickets por OCR y consultas SQL sobre CSV en el navegador
  • Cómo Saber si una Diferencia Significativa es Importante
  • Curiosidad: “Wi-Fi” no significa “Wireless Fidelity”
  • Cómo Explorar un Dataset antes de Modelar
  • Cómo Elegir el Test de Hipótesis Correcto para tus Datos
  • Tuplas vs Listas en Python: parecen lo mismo, pero no
  • == vs is en Python: la diferencia que causa bugs misteriosos

Publicidad

Publicado en: Herramientas Etiquetado como: Bases de datos, Excel, SQL

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Noticias

Analytics Lane lanza la versión 1.5 del laboratorio con un extractor de tickets por OCR y consultas SQL sobre CSV en el navegador

noviembre 18, 2026 Por Daniel Rodríguez

Cómo Explorar un Dataset antes de Modelar

noviembre 17, 2026 Por Daniel Rodríguez

Curiosidad: “Wi-Fi” no significa “Wireless Fidelity”

noviembre 12, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Cómo Explorar un Dataset antes de Modelar publicado el noviembre 17, 2026 | en Ciencia de datos
  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas publicado el mayo 10, 2019 | en Python
  • Hoja de cálculo para repartir los escaños en base al método D’Hont Aplicar el método D’Hondt en Excel publicado el abril 14, 2021 | en Herramientas
  • La tabla de la web finalmente importada en Excel Importar tablas desde la web en Excel publicado el octubre 21, 2020 | en Herramientas

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • Daniel Rodríguez en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Hatepi en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Daniel Rodríguez en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Juan en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto