SQL 数据分析终极指南

数据分析不仅仅是制作图表；它是将原始、混乱的数据转化为可操作的洞察。虽然初学者止步于 GROUP BY，但专业分析师知道 SQL 的真正力量在于数据清理 、时间序列分析 和流程建模。

专业数据分析师将数据库查询转换为可操作的洞察和可视化

在这份综合指南中，我们将使用一个真实的电商数据集完成一个完整的分析工作流程。我们不仅仅运行查询；我们要解决实际的业务问题。

场景：电商性能评估

想象你是一家在线零售商的首席分析师。你的利益相关者问道：

"我们的用户留存趋势如何？基于最近的消费行为，谁是我们最有价值的客户？"

要回答这个问题，简单的聚合是不够的。我们需要高级技术。

1. 数据清理和准备

现实世界的数据从来都不干净。在分析之前，我们通常需要对数据进行分类或处理缺失值。

使用 CASE 进行数据分箱

连续变量（如价格或年龄）很难汇总。分析师通常使用 CASE 语句将它们"分箱"到类别中。

示例数据（products_binning 表）：

product_id	product_name	price
1	Budget Mouse	15.00
2	Standard Keyboard	75.00
3	Premium Monitor	350.00
4	Budget Headphones	25.00
5	Standard Laptop	899.00

查询示例：

SELECT 
  product_name, 
  price,
  CASE 
    WHEN price < 50 THEN 'Budget'
    WHEN price BETWEEN 50 AND 200 THEN 'Standard'
    ELSE 'Premium'
  END as price_category
FROM products_binning;

查询结果：

product_name	price	price_category
Budget Mouse	15.00	Budget
Standard Keyboard	75.00	Standard
Premium Monitor	350.00	Premium
Budget Headphones	25.00	Budget
Standard Laptop	899.00	Premium

为什么使用数据分箱：

• 简化分析：将数千个不同的价格点减少到 3-5 个类别
• 便于可视化：更容易制作柱状图和饼图
• 业务洞察：帮助识别产品定位策略
• 客户细分：根据消费水平对客户分组

常见的分箱场景：

变量类型	分箱示例
价格	Budget (<50), Standard (50-200), Premium (\>200)
年龄	青年 (18-25), 中年 (26-45), 老年 (46+)
收入	低收入, 中等收入, 高收入
订单金额	小额, 中额, 大额

使用 COALESCE 处理 NULL 值

NULL 值会破坏报告。COALESCE 返回第一个非空值，非常适合设置默认值。

示例：

SELECT 
  customer_name, 
  COALESCE(phone_number, 'No Phone Provided') as contact_info 
FROM customers;

COALESCE 的常见用途：

场景	示例
设置默认值	COALESCE(discount, 0)
合并多个列	COALESCE(mobile_phone, home_phone, work_phone)
处理可选字段	COALESCE(middle_name, '')
避免除零错误	amount / COALESCE(quantity, 1)

2. 时间序列分析

业务随时间发生。分析趋势（环比、同比）可能是分析师最常见的任务。

日期截断和趋势分析

我们通常按月或周聚合数据，而不是查看每日数据。

示例数据（orders_time 表）：

order_id	order_date	amount
1	2023-01-15	250.00
2	2023-01-20	180.00
3	2023-02-05	320.00
4	2023-02-18	450.00
5	2023-03-10	280.00

查询示例：

SELECT 
  strftime('%Y-%m', order_date) as sales_month,
  SUM(amount) as total_revenue
FROM orders_time
GROUP BY 1
ORDER BY 1;

查询结果：

sales_month	total_revenue
2023-01	430.00
2023-02	770.00
2023-03	280.00

不同数据库的日期函数：

数据库	按月聚合	按周聚合
SQLite	strftime('%Y-%m', date_col)	strftime('%Y-W%W', date_col)
PostgreSQL	DATE_TRUNC('month', date_col)	DATE_TRUNC('week', date_col)
MySQL	DATE_FORMAT(date_col, '%Y-%m')	YEARWEEK(date_col)
SQL Server	FORMAT(date_col, 'yyyy-MM')	DATEPART(week, date_col)

时间序列分析的关键指标：

• 趋势：数据是上升、下降还是平稳？
• 季节性：是否有周期性模式？
• 异常值：哪些数据点不寻常？
• 增长率：变化的速度有多快？

3. 使用窗口函数的高级分析

这是你从"SQL 用户"升级到"数据分析师"的地方。窗口函数允许你在与当前行相关的一组表行上执行计算。

SQL 窗口函数：展示分区、排名和累计总计用于高级数据分析

累计总计

我们年初至今产生了多少累计收入？

示例数据（daily_sales_window 表）：

sales_date	daily_revenue
2023-01-01	1000.00
2023-01-02	1500.00
2023-01-03	1200.00
2023-01-04	1800.00

查询示例：

SELECT 
  sales_date,
  daily_revenue,
  SUM(daily_revenue) OVER (ORDER BY sales_date) as cumulative_revenue
FROM daily_sales_window
ORDER BY sales_date;

查询结果：

sales_date	daily_revenue	cumulative_revenue
2023-01-01	1000.00	1000.00
2023-01-02	1500.00	2500.00
2023-01-03	1200.00	3700.00
2023-01-04	1800.00	5500.00

窗口函数的关键概念：

• OVER 子句：定义窗口的范围
• ORDER BY：定义行的顺序
• PARTITION BY：将数据分组
• 窗口帧：ROWS 或 RANGE

常见的窗口函数应用：

函数	用途	示例
SUM() OVER	累计总计	年初至今收入
AVG() OVER	移动平均	7 天移动平均
ROW_NUMBER()	行号	分页
RANK()	排名（有间隙）	排行榜
DENSE_RANK()	排名（无间隙）	成绩排名
LAG()	访问前一行	环比增长
LEAD()	访问后一行	预测

排名和 Top N 分析

每个地区的前 2 名客户是谁？简单的 LIMIT 在这里不起作用，因为我们想要每个组的前 N 名。使用 RANK() 或 ROW_NUMBER()。

示例数据（customers_ranking 表）：

customer_id	customer_name	region	spent
1	Alice	North	5000.00
2	Bob	North	3000.00
3	Charlie	North	2000.00
4	Diana	South	4500.00
5	Eve	South	3500.00
6	Frank	South	2500.00

查询示例：

SELECT * FROM (
  SELECT 
    customer_name,
    region,
    spent,
    RANK() OVER (PARTITION BY region ORDER BY spent DESC) as rank
  FROM customers_ranking
)
WHERE rank <= 2;

查询结果：

customer_name	region	spent	rank
Alice	North	5000.00	1
Bob	North	3000.00	2
Diana	South	4500.00	1
Eve	South	3500.00	2

RANK vs DENSE_RANK vs ROW_NUMBER：

函数	并列处理	示例（分数：100, 100, 90）
ROW_NUMBER()	不处理并列	1, 2, 3
RANK()	跳过排名	1, 1, 3
DENSE_RANK()	不跳过排名	1, 1, 2

何时使用哪个函数：

• ROW_NUMBER()：需要唯一行号（分页）
• RANK()：需要跳过并列后的排名（奥运会排名）
• DENSE_RANK()：需要连续排名（成绩排名）

4. 使用 CTE 的复杂逻辑

当查询变长时，它们变得难以阅读。CTE（WITH 子句）让你将复杂逻辑分解为可读的步骤。

假设我们想找到"高价值流失客户"------消费超过 $500 但在过去 6 个月内没有购买任何东西的客户。

查询示例：

WITH CustomerStats AS (
    SELECT 
        customer_id, 
        SUM(amount) as total_spend,
        MAX(order_date) as last_order_date
    FROM orders 
    GROUP BY customer_id
),
ChurnedCustomers AS (
    SELECT * 
    FROM CustomerStats
    WHERE last_order_date < DATE('now', '-6 months')
)
SELECT * 
FROM ChurnedCustomers
WHERE total_spend > 500;

CTE 的优势：

• 可读性：将复杂查询分解为逻辑步骤
• 可维护性：更容易调试和修改
• 可重用性：可以在同一查询中多次引用 CTE
• 协作：团队成员更容易理解

CTE 的常见用途：

场景	描述
多步骤计算	先计算中间结果，再进行最终计算
递归查询	处理层次结构数据（组织架构、评论树）
数据清理	先清理数据，再进行分析
复杂过滤	先应用多个过滤条件，再聚合

CTE vs 子查询：

特性	CTE	子查询
可读性	✅ 高	⚠️ 中等
可重用性	✅ 可以多次引用	❌ 不能重用
递归	✅ 支持	❌ 不支持
性能	⚠️ 相似	⚠️ 相似

5. 环比增长 (MoM)

最后，准确的增长指标通常需要将当前性能与过去性能进行比较。LAG() 允许你访问前一行的数据，而无需自连接。

示例数据（sales_mom 表）：

sale_id	sales_date	amount
1	2023-01-15	10000.00
2	2023-01-20	12000.00
3	2023-02-05	15000.00
4	2023-02-18	14000.00
5	2023-03-10	18000.00

查询示例：

WITH MonthlySales AS (
  SELECT 
    strftime('%Y-%m', sales_date) as month,
    SUM(amount) as revenue
  FROM sales_mom
  GROUP BY 1
)
SELECT 
  month,
  revenue,
  LAG(revenue) OVER (ORDER BY month) as prev_month_revenue,
  ROUND(100.0 * (revenue - LAG(revenue) OVER (ORDER BY month)) / 
        LAG(revenue) OVER (ORDER BY month), 2) as growth_pct
FROM MonthlySales
ORDER BY month;

查询结果：

month	revenue	prev_month_revenue	growth_pct
2023-01	22000.00	NULL	NULL
2023-02	29000.00	22000.00	31.82
2023-03	18000.00	29000.00	-37.93

LAG 和 LEAD 的用途：

函数	方向	常见用途
LAG()	向前看（前一行）	环比增长、变化检测
LEAD()	向后看（后一行）	预测、趋势分析

增长指标计算：

指标	公式	SQL 示例
环比增长 (MoM)	(本月 - 上月) / 上月	(revenue - LAG(revenue)) / LAG(revenue)
同比增长 (YoY)	(今年 - 去年) / 去年	(revenue - LAG(revenue, 12)) / LAG(revenue, 12)
复合增长率 (CAGR)	((结束值 / 开始值)^(1/年数)) - 1	需要多步计算

最佳实践：

• 使用 COALESCE 处理第一行的 NULL 值
• 使用 ROUND 格式化百分比
• 考虑使用 NULLIF 避免除零错误
• 添加注释说明计算逻辑

总结

SQL 中的数据分析远不止检索行。通过掌握这些模式，你可以直接在数据库中回答复杂的业务问题：

5 大核心技术

1. 分箱和清理：对数据进行分类以便更好地汇总

   • 使用 CASE 进行数据分箱
   • 使用 COALESCE 处理 NULL 值

2. 日期计算：理解随时间变化的趋势

   • 日期截断和聚合
   • 不同数据库的日期函数

3. 窗口函数：计算累计聚合和排名

   • 累计总计
   • 排名和 Top N 分析
   • PARTITION BY 分组计算

4. CTE：组织复杂逻辑

   • 将查询分解为可读步骤
   • 提高可维护性和协作效率

5. Lag/Lead：分析增长指标

   • 环比增长计算
   • 同比增长分析

从数据录入到数据分析

这些工具将数据录入 与数据分析区分开来：

数据录入	数据分析
SELECT * FROM table	使用窗口函数计算累计总计
GROUP BY 简单聚合	使用 PARTITION BY 分组排名
手动计算增长率	使用 LAG() 自动计算
复制粘贴到 Excel	直接在 SQL 中完成分析

实际应用场景

这些技术可以应用于：

电商分析：

• 客户细分（RFM 分析）
• 产品性能分析
• 购物车放弃率分析

SaaS 产品：

• 用户留存分析
• 功能使用率分析
• 订阅流失预测

金融分析：

• 交易趋势分析
• 风险评估
• 欺诈检测

营销分析：

• 渠道效果分析
• 转化漏斗分析
• A/B 测试结果分析

掌握这些 SQL 数据分析技术，你将能够直接在数据库中回答复杂的业务问题，无需依赖外部工具！

---

相关文章推荐

• Calculating Percentiles and Median in SQL - AVG 告诉你平均值，但中位数和百分位数呢？
• Ranking Data with SQL: RANK, DENSE_RANK, and ROW_NUMBER Explained - 构建排行榜、查找顶级表现者或分页结果
• Mastering SQL LEAD and LAG Functions for Row Comparisons - 需要将一行与前一行或后一行进行比较？学习 LEAD 和 LAG

---

本文转载自 www.hisqlboy.com

原文标题：SQL for Data Analysis: The Ultimate Guide

原文链接：https://www.hisqlboy.com/blog/sql-for-data-analysis

原作者：SQL Boy Team

转载日期：2026-02-12

著作权归原作者所有。本文仅用于学习交流，非商业用途。