SQL 与取数

数据分析的 SQL 目标是「用最少的查询、按明确口径、把准确的数据取出来」。它与后端技术讲的角度不同：后端讲存储原理、索引与查询优化器，本页聚焦分析侧的取数心法——先想清楚粒度、再用可维护的方式组织查询，避免「看着对、算着错」。

取数三问（写 SQL 前）

1. 粒度：我要的每一行代表什么？（每用户一行？每笔订单一行？每用户每天一行？）
   • 粒度不统一是 JOIN 后指标放大的头号来源——先写「预期行数」再验证。
2. 口径：分子分母与业务定义一致吗？（活跃=启动过的用户？付费=支付成功的订单？）
   • 口径与指标体系与埋点联动，一个指标只能有一个权威定义。
3. 窗口：统计时间是自然日/自然周？是否含当天？跨时区怎么算？用哪个时间字段（事件时间/业务时间）？

高频分析模式

窗口函数：行内对比

需求	写法要点
每个用户首次/最近行为	ROW_NUMBER() OVER (PARTITION BY uid ORDER BY ts) 取 =1
每用户历史累计	SUM(...) OVER (PARTITION BY uid ORDER BY ts)
环比上期	LAG(value, 1) OVER (PARTITION BY ... ORDER BY period)

示例：最近 7 天每日 DAU 环比

WITH daily AS (
  SELECT dt, COUNT(DISTINCT uid) AS dau
  FROM events
  WHERE dt BETWEEN '2026-08-25' AND '2026-08-31'
  GROUP BY dt
)
SELECT dt, dau,
       LAG(dau) OVER (ORDER BY dt) AS dau_prev,
       ROUND((dau - LAG(dau) OVER (ORDER BY dt)) * 100.0 / LAG(dau) OVER (ORDER BY dt), 2) AS mom_pct
FROM daily
ORDER BY dt;

条件聚合：一列算多组对比

在同一个 GROUP BY 内用 COUNT(DISTINCT CASE WHEN ... THEN uid END) 比较不同条件子集，比多次 join 自己更稳：

SELECT channel,
       COUNT(DISTINCT uid)                                        AS users,
       COUNT(DISTINCT CASE WHEN is_new = 1 THEN uid END)          AS new_users,
       COUNT(DISTINCT CASE WHEN paid_cnt > 0 THEN uid END)        AS paying_users
FROM user_daily
WHERE dt = '2026-08-31'
GROUP BY channel;

查询性能：先想三件事

手段	何时有效	注意
分区裁剪	明确只查某时间窗	别在分区列上包函数（WHERE date(ts)=... 会失去裁剪）
过滤下推	大表先 WHERE 再 JOIN	JOIN 后再过滤会放大中间结果
预聚合	反复要同一明细汇总	建汇总层/物化视图，明细层仅用于深入下钻

查询优化原理（索引、执行计划、join 策略）属后端·数据库，分析侧只需掌握避免「全表反复扫」的直觉。

提效习惯

• 先 LIMIT 10 看结构，确认列名与类型再写完整查询；
• 复用 CTE 而非反复贴子查询，可读性与可维护性都更好；
• 常用口径沉淀为共享视图/逻辑表，团队共用，避免每人各自 DISTINCT 出不同数字；
• 取数提交前自问：这个查询换个人能看懂口径吗？

常见坑速查

坑	表现	应对
JOIN 行数放大	一对多 join 后指标虚高	先定粒度，按粒度选主表与聚合顺序
DISTINCT 乱用	大表全量 distinct 极慢	预聚合或先缩范围
空值/脏值污染	金额含 NULL 或负数	清洗阶段统一规则（见分析工作流）
分区列包函数	明明限了时间还是全表扫	把 date() 转换移到比较的另一侧
口径各自为政	同一留存率两人算两样	沉淀共享逻辑表/视图，口径成文
只取不出解释	数据报表没说明	取数结论附口径与局限

检查清单

• [ ] 明确目标粒度，并对预期行数做了预估
• [ ] 口径、时间窗口、时区规则与指标体系一致
• [ ] 已用 LIMIT 探查表结构与抽样数据
• [ ] 使用了分区裁剪与预聚合，避免全表反复扫描
• [ ] 常用口径沉淀为共享视图/逻辑表
• [ ] 数据通过总量等式与抽样抽查双重验证

相关：分析工作流 · 指标体系与埋点 · 存储与查询原理见后端·数据库