先说说什么是分析函数。本质上它还是在SELECT语句里使用，但和普通聚合函数最大的区别是：分析函数不会把多行合并成一行，而是能在保留原有明细数据的同时，完成各种复杂的统计计算。这个特性在做业务分析时特别有用，因为你既需要看到每笔明细，又需要看到对应的统计指标。
举个实际业务中最常见的例子------排名问题。假设你是电商公司的数据分析师，业务方想要看每个部门里销售额最高的前3名员工。用传统方法可能需要先GROUP BY部门计算每个人销售额，再用子查询或者临时表来处理排名。但用分析函数就简单多了：
这里RANK()就是典型的分许函数，PARTITION BY相当于分组，ORDER BY决定排序规则。一句SQL直接搞定，而且执行效率比那些嵌套子查询高多了。
再来看个更实用的场景------计算移动平均。做运营分析的兄弟肯定经常遇到这种需求：要看某个指标最近7天的移动平均值，用来观察趋势。比如计算每日销售额的3天移动平均：
这里的ROWS BETWEEN 2 PRECEDING AND CURRENT ROW定义了窗口范围，意思是取当前行及前面两行。这种计算用常规SQL写起来相当麻烦，但用分析函数就是这么优雅。
还有LAG和LEAD这两个函数，在做环比、同比分析时特别方便。比如要计算每个月的销售额环比增长率：
LAG能取到上一行的值，LEAD能取下一行的值，这样就不需要自关联查询了。
在实际业务中，我还经常用SUM加上窗口框架来做累计求和。比如计算每个部门员工的销售额累计占比：
这里用了两个SUM：一个带ORDER BY是做累计求和，一个不带是做部门总和。这种一次查询同时获得明细、累计值和占比的需求，在业务报表中太常见了。
说实话，我刚接触分析函数时也觉得有点绕，特别是窗口框架那块儿。但用熟练后发现，大部分业务分析需求都能归结为几种固定模式：排名、移动平均、环比、累计计算等。掌握这几种模式后，处理业务需求就轻松多了。
最后提醒几个实际使用的要点：首先要注意性能，虽然分析函数通常比等价子查询快，但数据量太大时还是可能成为瓶颈。其次，不同数据库对分析函数的支持程度有差异，写的时候要注意语法兼容性。最重要的是，写复杂分析SQL时一定要做好注释，不然过几个月自己都看不懂当时写的是什么逻辑。
建议大家在自己环境里多练习这些例子，遇到业务需求时先想想能不能用分析函数解决。用熟了之后，你会发现SQL能做的事情比想象中多得多。