在商业智能和数据分析场景中，高级报表往往需要同时展示明细数据和聚合统计结果，传统的GROUP BY聚合会合并数据行，无法满足这类需求。SQL分析函数可以在保留原始行的基础上完成复杂计算，非常适合用来生成多维度高级报表。
SQL分析函数基础概念
SQL分析函数和普通聚合函数的核心区别是，它不会对数据进行分组合并，而是针对每一行数据，按照指定的窗口范围计算对应结果。常见的分析函数包含排名类、聚合类、取值类三大类，基本语法结构如下：
-- 分析函数基本语法
函数名(参数) OVER (
PARTITION BY 分组字段 -- 可选，按指定字段分组计算
ORDER BY 排序字段 [ASC|DESC] -- 可选，分组内排序规则
ROWS|RANGE BETWEEN 窗口起点 AND 窗口终点 -- 可选，定义计算窗口范围
)用分析函数实现常见高级报表场景
1. 多维度排名报表
比如需要统计不同部门内员工的销售业绩排名，同时展示员工明细和部门平均业绩，用RANK()分析函数可以快速实现：
-- 统计各部门员工销售排名及部门平均业绩
SELECT
dept_name,
emp_name,
sale_amount,
-- 部门内按销售额降序排名
RANK() OVER (PARTITION BY dept_name ORDER BY sale_amount DESC) AS dept_sale_rank,
-- 计算部门平均销售额
AVG(sale_amount) OVER (PARTITION BY dept_name) AS dept_avg_sale
FROM sale_record
WHERE sale_date BETWEEN '2024-01-01' AND '2024-03-31'2. 累计与同比环比报表
生成月度销售累计报表、计算同比环比增长率是高级报表的常见需求，用SUM()结合窗口范围、LAG()取值函数可以实现：
-- 月度销售累计、同比、环比计算
SELECT
month,
month_sale,
-- 年度内累计销售额
SUM(month_sale) OVER (ORDER BY month ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS year_cum_sale,
-- 上年同期销售额
LAG(month_sale, 12) OVER (ORDER BY month) AS last_year_same_month_sale,
-- 上月销售额
LAG(month_sale, 1) OVER (ORDER BY month) AS last_month_sale,
-- 同比增长率
ROUND((month_sale - LAG(month_sale, 12) OVER (ORDER BY month)) / LAG(month_sale, 12) OVER (ORDER BY month) * 100, 2) AS yoy_rate,
-- 环比增长率
ROUND((month_sale - LAG(month_sale, 1) OVER (ORDER BY month)) / LAG(month_sale, 1) OVER (ORDER BY month) * 100, 2) AS mom_rate
FROM month_sale_stat
WHERE year = 20243. 分组占比报表
需要统计每个产品类别的销售额占总销售额的比例，用SUM()分析函数计算总销售额后做除法即可：
-- 产品类别销售占比统计
SELECT
category_name,
category_sale,
-- 全量总销售额
SUM(category_sale) OVER () AS total_sale,
-- 类别销售占比
ROUND(category_sale / SUM(category_sale) OVER () * 100, 2) AS sale_ratio
FROM category_sale_stat分析函数在商业智能统计建模中的应用
除了生成常规报表，SQL分析函数还可以直接用于简单的统计建模，减少数据导出到第三方工具的环节：
- 移动平均建模：用AVG()结合ROWS窗口计算近N期的移动平均值，用于销售趋势预测，比如计算近3个月的移动平均销售额：
AVG(sale_amount) OVER (ORDER BY month ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) - 异常值识别：结合PERCENT_RANK()或者NTILE()分位数函数，快速定位超出正常范围的数据，比如把销售数据分为4个分位，识别处于最高分位的异常高值
- 用户行为建模：用FIRST_VALUE()、LAST_VALUE()分析用户首次、末次行为时间，结合ROW_NUMBER()统计用户行为次数，完成用户生命周期的基础建模
使用注意事项
使用分析函数时需要注意几个常见问题：
- PARTITION BY和ORDER BY都是可选参数，不写PARTITION BY则会对全表数据进行计算，不写ORDER BY则窗口内不排序
- 窗口范围如果不指定，默认是
RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW，和聚合函数的默认计算范围不同，需要按需调整 - 不同数据库的分析函数支持略有差异，比如MySQL 8.0+、PostgreSQL、Oracle都支持标准分析函数，低版本MySQL可能需要用变量模拟实现
合理运用SQL分析函数，可以大幅简化高级报表的开发逻辑，同时让统计建模的计算过程直接在数据库层完成，提升整体数据处理效率。