使用 SQL 实现帕累托原则（80/20 法则）

SQL必知必会2026-02-16 15:58

帕累托原则（Pareto Principle）指出，对于许多结果，大约 80% 的后果来自 20% 的原因。在商业中，这通常是正确的：80% 的销售额来自 20% 的客户，或者 80% 的 bug 来自 20% 的代码。

识别这些"关键少数"（Vital Few）可以让你将精力集中在最重要的地方。在本教程中，我们将编写一个 SQL 查询，将产品分类为前 20% 和后 80%。

帕累托曲线，显示累计收入和 80/20 阈值

实现策略

实现帕累托分析需要以下 5 个步骤：

  1. 计算总销售额：每个项目的总销售额
  2. 排序：从最高销售额到最低销售额
  3. 计算累计总额：运行总计（Running Total）
  4. 计算累计百分比 ：累计总额 / 总计
  5. 筛选：累计百分比 ≤ 80% 的项目是核心收入驱动因素

步骤 1：累计总额（Running Total）

我们使用窗口函数 SUM：

sql 复制代码 
SUM(amount) OVER (ORDER BY amount DESC)

说明：

  • OVER (ORDER BY amount DESC)：按金额降序排列
  • SUM(amount)：计算累计总额
  • 结果是每一行的累计总和

步骤 2：总计（Grand Total）

要获得百分比，我们可以将累计总额除以总计：

sql 复制代码 
SUM(amount) OVER (ORDER BY amount DESC) * 1.0 / SUM(amount) OVER ()

关键点：

  • 空的 OVER () 子句表示"整个数据集的总和"
  • 乘以 1.0 确保浮点数除法（避免整数除法）

交互式演练场

让我们看一个电子产品商店的销售数据。我们将识别哪些产品占据了前 80% 的收入。

示例数据（order_items_pareto 表）：

order_id product_name price quantity
1 Laptop 1200 5
2 Smartphone 800 10
3 Headphones 100 20
4 Mouse 25 50
5 Keyboard 80 30
6 Monitor 300 8
7 Laptop 1200 3
8 Smartphone 800 5

完整查询：

sql 复制代码 
WITH ProductSales AS (
  -- 第 1 步：计算每个产品的总销售额
  SELECT 
    product_name,
    SUM(price * quantity) as total_revenue
  FROM order_items_pareto
  GROUP BY product_name
),
RankedProducts AS (
  -- 第 2-4 步：排序、累计总额、累计百分比
  SELECT 
    product_name,
    total_revenue,
    SUM(total_revenue) OVER (ORDER BY total_revenue DESC) as running_total,
    SUM(total_revenue) OVER () as grand_total
  FROM ProductSales
)
-- 第 5 步：筛选和分类
SELECT 
  product_name,
  total_revenue,
  running_total,
  ROUND(100.0 * running_total / grand_total, 2) as cumulative_pct,
  CASE 
    WHEN 100.0 * running_total / grand_total <= 80 THEN 'Top 20%'
    ELSE 'Bottom 80%'
  END as pareto_category
FROM RankedProducts
ORDER BY total_revenue DESC;

查询解析：

CTE 1: ProductSales

sql 复制代码 
SELECT 
  product_name,
  SUM(price * quantity) as total_revenue
FROM order_items_pareto
GROUP BY product_name

作用：

  • 计算每个产品的总销售额
  • price * quantity：单笔订单的收入
  • SUM(...)：汇总每个产品的所有订单

中间结果：

product_name total_revenue
Laptop 9600
Smartphone 12000
Headphones 2000
Mouse 1250
Keyboard 2400
Monitor 2400

CTE 2: RankedProducts

sql 复制代码 
SELECT 
  product_name,
  total_revenue,
  SUM(total_revenue) OVER (ORDER BY total_revenue DESC) as running_total,
  SUM(total_revenue) OVER () as grand_total
FROM ProductSales

作用：

  • 按销售额降序排列
  • 计算累计总额（running_total）
  • 计算总计（grand_total）

中间结果：

product_name total_revenue running_total grand_total
Smartphone 12000 12000 29650
Laptop 9600 21600 29650
Keyboard 2400 24000 29650
Monitor 2400 26400 29650
Headphones 2000 28400 29650
Mouse 1250 29650 29650

最终查询

sql 复制代码 
SELECT 
  product_name,
  total_revenue,
  running_total,
  ROUND(100.0 * running_total / grand_total, 2) as cumulative_pct,
  CASE 
    WHEN 100.0 * running_total / grand_total <= 80 THEN 'Top 20%'
    ELSE 'Bottom 80%'
  END as pareto_category
FROM RankedProducts
ORDER BY total_revenue DESC;

作用：

  • 计算累计百分比
  • 使用 CASE 表达式分类为"Top 20%"或"Bottom 80%"
  • 按销售额降序排列

最终结果：

product_name total_revenue running_total cumulative_pct pareto_category
Smartphone 12000 12000 40.47 Top 20%
Laptop 9600 21600 72.85 Top 20%
Keyboard 2400 24000 80.95 Bottom 80%
Monitor 2400 26400 89.05 Bottom 80%
Headphones 2000 28400 95.78 Bottom 80%
Mouse 1250 29650 100.00 Bottom 80%

结果分析

在上面的示例中，你应该看到只有 Smartphone 和 Laptop 占据了约 73% 的收入（接近 80%）。筛选逻辑 cumulative_pct <= 80 帮助我们以编程方式隔离这些关键项目用于报告。

关键洞察：

指标 值 说明
Top 20% 产品数量 2 个（Smartphone、Laptop） 占总产品数的 33%
Top 20% 收入 $21,600 占总收入的 73%
Bottom 80% 产品数量 4 个 占总产品数的 67%
Bottom 80% 收入 $8,050 占总收入的 27%

业务启示：

  1. 聚焦核心产品：Smartphone 和 Laptop 是核心收入驱动产品
  2. 库存优化：优先补货这两款产品
  3. 营销策略：将营销预算集中在这两款产品上
  4. 长尾策略：其他产品可以考虑降低库存或清仓

扩展分析

1. 识别"长尾"产品

sql 复制代码 
-- 识别属于"长尾"的产品
SELECT 
  product_name,
  total_revenue,
  cumulative_pct,
  pareto_category
FROM RankedProducts
WHERE 100.0 * running_total / grand_total > 80
ORDER BY total_revenue DESC;

用途：

  • 识别低收入产品
  • 考虑清仓或停产
  • 释放库存空间

2. 计算"Top 20%"产品的统计信息

sql 复制代码 
-- 计算有多少产品属于"Top 20%"
WITH ParetoStats AS (
  SELECT 
    CASE 
      WHEN 100.0 * running_total / grand_total <= 80 THEN 'Top 20%'
      ELSE 'Bottom 80%'
    END as category,
    COUNT(*) as product_count,
    SUM(total_revenue) as category_revenue
  FROM RankedProducts
  GROUP BY 
    CASE 
      WHEN 100.0 * running_total / grand_total <= 80 THEN 'Top 20%'
      ELSE 'Bottom 80%'
    END
)
SELECT 
  category,
  product_count,
  category_revenue,
  ROUND(100.0 * product_count / SUM(product_count) OVER (), 2) as pct_of_products,
  ROUND(100.0 * category_revenue / SUM(category_revenue) OVER (), 2) as pct_of_revenue
FROM ParetoStats
ORDER BY category;

结果示例：

category product_count category_revenue pct_of_products pct_of_revenue
Top 20% 2 21600 33.33 72.85
Bottom 80% 4 8050 66.67 27.15

3. 按类别应用帕累托分析

sql 复制代码 
-- 按产品类别分别应用帕累托分析
WITH CategorySales AS (
  SELECT 
    category,
    product_name,
    SUM(price * quantity) as total_revenue
  FROM order_items_with_category
  GROUP BY category, product_name
),
RankedByCategory AS (
  SELECT 
    category,
    product_name,
    total_revenue,
    SUM(total_revenue) OVER (PARTITION BY category ORDER BY total_revenue DESC) as running_total,
    SUM(total_revenue) OVER (PARTITION BY category) as category_total
  FROM CategorySales
)
SELECT 
  category,
  product_name,
  total_revenue,
  ROUND(100.0 * running_total / category_total, 2) as cumulative_pct,
  CASE 
    WHEN 100.0 * running_total / category_total <= 80 THEN 'Top 20%'
    ELSE 'Bottom 80%'
  END as pareto_category
FROM RankedByCategory
ORDER BY category, total_revenue DESC;

用途：

  • 在每个类别内识别核心产品
  • 更精细的库存管理
  • 分类别的营销策略

应用场景

1. 客户分析（识别 VIP 客户）

sql 复制代码 
-- 识别贡献 80% 收入的客户
WITH CustomerRevenue AS (
  SELECT 
    customer_id,
    SUM(order_total) as total_spent
  FROM orders
  GROUP BY customer_id
),
RankedCustomers AS (
  SELECT 
    customer_id,
    total_spent,
    SUM(total_spent) OVER (ORDER BY total_spent DESC) as running_total,
    SUM(total_spent) OVER () as grand_total
  FROM CustomerRevenue
)
SELECT 
  customer_id,
  total_spent,
  ROUND(100.0 * running_total / grand_total, 2) as cumulative_pct,
  CASE 
    WHEN 100.0 * running_total / grand_total <= 80 THEN 'VIP'
    ELSE 'Regular'
  END as customer_tier
FROM RankedCustomers
WHERE 100.0 * running_total / grand_total <= 80
ORDER BY total_spent DESC;

2. Bug 修复优先级

sql 复制代码 
-- 识别导致 80% 错误的 bug
WITH BugFrequency AS (
  SELECT 
    bug_id,
    COUNT(*) as occurrence_count
  FROM error_logs
  GROUP BY bug_id
),
RankedBugs AS (
  SELECT 
    bug_id,
    occurrence_count,
    SUM(occurrence_count) OVER (ORDER BY occurrence_count DESC) as running_total,
    SUM(occurrence_count) OVER () as grand_total
  FROM BugFrequency
)
SELECT 
  bug_id,
  occurrence_count,
  ROUND(100.0 * running_total / grand_total, 2) as cumulative_pct,
  CASE 
    WHEN 100.0 * running_total / grand_total <= 80 THEN 'High Priority'
    ELSE 'Low Priority'
  END as priority
FROM RankedBugs
ORDER BY occurrence_count DESC;

3. 销售区域分析

sql 复制代码 
-- 识别贡献 80% 收入的销售区域
WITH RegionRevenue AS (
  SELECT 
    region,
    SUM(order_total) as total_revenue
  FROM orders
  GROUP BY region
),
RankedRegions AS (
  SELECT 
    region,
    total_revenue,
    SUM(total_revenue) OVER (ORDER BY total_revenue DESC) as running_total,
    SUM(total_revenue) OVER () as grand_total
  FROM RegionRevenue
)
SELECT 
  region,
  total_revenue,
  ROUND(100.0 * running_total / grand_total, 2) as cumulative_pct,
  CASE 
    WHEN 100.0 * running_total / grand_total <= 80 THEN 'Core Market'
    ELSE 'Secondary Market'
  END as market_tier
FROM RankedRegions
ORDER BY total_revenue DESC;

4. 供应商管理

sql 复制代码 
-- 识别关键供应商
WITH SupplierSpend AS (
  SELECT 
    supplier_id,
    SUM(purchase_amount) as total_spend
  FROM purchases
  GROUP BY supplier_id
),
RankedSuppliers AS (
  SELECT 
    supplier_id,
    total_spend,
    SUM(total_spend) OVER (ORDER BY total_spend DESC) as running_total,
    SUM(total_spend) OVER () as grand_total
  FROM SupplierSpend
)
SELECT 
  supplier_id,
  total_spend,
  ROUND(100.0 * running_total / grand_total, 2) as cumulative_pct,
  CASE 
    WHEN 100.0 * running_total / grand_total <= 80 THEN 'Strategic Supplier'
    ELSE 'Tactical Supplier'
  END as supplier_tier
FROM RankedSuppliers
ORDER BY total_spend DESC;

结论

计算累计分布是分析师的超能力。它让你超越"Top 10"列表（这是任意的），转向统计上显著的细分，如"收入驱动因素"与"长尾"。

帕累托分析的价值：

  1. 数据驱动决策：基于统计原则，而不是主观判断
  2. 资源优化：将有限的资源集中在最重要的 20%
  3. 战略聚焦：识别"关键少数"，避免分散精力
  4. 性能提升：优化核心业务流程，获得最大回报

与 Top N 查询的对比：

特性 Top N 查询 帕累托分析
基础 任意数量（如 Top 10） 基于累计百分比（如 80%）
统计意义 较低（主观选择） 高（基于帕累托原则）
适用场景 简单排名、展示 资源优化、战略决策
复杂度 简单（LIMIT N） 中等（窗口函数）
灵活性 固定数量 动态数量（基于阈值）
业务价值 信息展示 战略指导

最佳实践

1. 使用 CTE 组织查询

CTE 使查询更易读和维护，清晰地分离了不同的计算步骤。

2. 四舍五入百分比

使用 ROUND() 函数使百分比更易读（如 72.85% 而不是 72.8472...）。

3. 添加分类列

使用 CASE 表达式明确标记"Top 20%"和"Bottom 80%"，方便后续筛选和报告。

4. 可视化结果

绘制帕累托曲线（累计百分比图）可以更直观地展示 80/20 分布：

  • X 轴：产品（按销售额降序）
  • Y 轴：累计百分比
  • 标记 80% 阈值线

5. 定期更新分析

帕累托分布可能随时间变化，建议：

  • 每月或每季度重新分析
  • 监控"Top 20%"产品的变化
  • 及时调整策略

6. 调整阈值

80% 是常见阈值，但可以根据业务需求调整：

  • 70%：更严格的核心定义
  • 90%：更宽松的核心定义
  • 多层次：如 50%、80%、95% 三层分类

常见陷阱

1. 忘记排序

必须使用 ORDER BY ... DESC 确保从高到低排序，否则累计百分比会从低到高计算。

错误示例：

sql 复制代码 
-- ❌ 错误：没有排序
SUM(amount) OVER ()

正确示例：

sql 复制代码 
-- ✅ 正确：按金额降序排序
SUM(amount) OVER (ORDER BY amount DESC)

2. 整数除法

在某些数据库中，整数除以整数会得到整数结果，导致百分比计算错误。

错误示例：

sql 复制代码 
-- ❌ 错误：可能导致整数除法
running_total / grand_total

正确示例：

sql 复制代码 
-- ✅ 正确：乘以 1.0 确保浮点数除法
running_total * 1.0 / grand_total
-- 或者
CAST(running_total AS FLOAT) / grand_total

3. 空 OVER 子句

OVER () 计算总计，不要忘记括号。

错误示例：

sql 复制代码 
-- ❌ 错误：语法错误
SUM(amount) OVER

正确示例：

sql 复制代码 
-- ✅ 正确：空括号表示整个数据集
SUM(amount) OVER ()

4. 累计百分比计算错误

确保使用 running_total / grand_total，而不是 total_revenue / grand_total。

错误示例：

sql 复制代码 
-- ❌ 错误：使用单行金额而不是累计总额
total_revenue * 1.0 / grand_total

正确示例：

sql 复制代码 
-- ✅ 正确：使用累计总额
running_total * 1.0 / grand_total

5. 阈值选择不当

80% 是常见阈值，但不是唯一选择。根据业务需求调整阈值。

跨数据库实现

PostgreSQL

sql 复制代码 
-- PostgreSQL 支持标准窗口函数
SELECT 
  product_name,
  total_revenue,
  SUM(total_revenue) OVER (ORDER BY total_revenue DESC) as running_total,
  SUM(total_revenue) OVER () as grand_total
FROM ProductSales;

MySQL

sql 复制代码 
-- MySQL 8.0+ 支持窗口函数
SELECT 
  product_name,
  total_revenue,
  SUM(total_revenue) OVER (ORDER BY total_revenue DESC) as running_total,
  SUM(total_revenue) OVER () as grand_total
FROM ProductSales;

SQL Server

sql 复制代码 
-- SQL Server 支持标准窗口函数
SELECT 
  product_name,
  total_revenue,
  SUM(total_revenue) OVER (ORDER BY total_revenue DESC) as running_total,
  SUM(total_revenue) OVER () as grand_total
FROM ProductSales;

SQLite

sql 复制代码 
-- SQLite 3.25+ 支持窗口函数
SELECT 
  product_name,
  total_revenue,
  SUM(total_revenue) OVER (ORDER BY total_revenue DESC) as running_total,
  SUM(total_revenue) OVER () as grand_total
FROM ProductSales;

相关文章推荐

本文转载自 www.hisqlboy.com

原文标题：The Pareto Principle (80/20 Rule) with SQL

原文链接：https://www.hisqlboy.com/blog/pareto-principle-80-20-sql

原作者：SQL Boy Team

转载日期：2026-02-13

著作权归原作者所有。本文仅用于学习交流，非商业用途。

相关推荐
q***76562 小时前
MySQL 中如何进行 SQL 调优
android·sql·mysql
2401_848009722 小时前
Redis零基础入门学习
数据库·redis·学习
NEXT062 小时前
2026 技术风向：为什么在 AI 时代，PostgreSQL 彻底成为了全栈工程师的首选数据库
前端·数据库·ai编程
AI周红伟2 小时前
周红伟：智能体构建实操：OpenClaw + Agent Skills + Seedance + RAG 案例实操
大数据·人工智能·大模型·智能体
hzc09876543212 小时前
MySQL大小写敏感、MySQL设置字段大小写敏感
数据库·mysql
w***29852 小时前
MySql中的事务、MySql事务详解、MySql隔离级别
数据库·mysql·adb
zhanglinping6192 小时前
MySQL——内置函数
android·数据库·mysql
m***78742 小时前
mysql之字符串函数
android·数据库·mysql
l1t3 小时前
DeepSeek总结的Postgres 查询中的读取效率问题
数据库·postgresql
热门推荐
01从零搭建一个 PHP 登录注册系统（含完整源码）02使用 1panel面板 部署 php网站03PHP Error: 常见错误及其解决方法04openClaw安装飞书插件｜核心踩坑：spawn EINVAL 错误终极解决指南05GitHub 镜像站点06Claude Code + GLM4.7 避坑指南：解决 Unable to connect to Anthropic services07UV安装并设置国内源08配置 OpenClaw 使用 Ollama 本地模型09MIUI显示/隐藏5G开关的方法，信号弱时开启手机Wifi通话方法10Android Studio Panda 1 正式版来了：JDK 终于不用手动配了，内存泄漏也有原生方案了