select 统计数量_SQL应用实战 | 销售数据统计指标

文末扫码领取资料

【某招聘网站数据表】

本篇文章主要是通过两家超市真实的数据来展示SQL在实战中如何应用，感兴趣的小伙伴可以扫码领取学习资料进行实操练习。

业务背景介绍

项目的实战背景是二家超市的真实数据，数据时间段是从 20160101 到 20171231。

主要表字段说明：

超市的主要商业场景：

1. 进来的商品销售给顾客，要让进来的商品顾客愿意购买。所以对于顾客不愿意购买的商品要及时进行淘汰、下架，或者退还供应商和打折销售掉。如果卖不掉，超市是不是就把进货成本都亏损了，例如：进了 20 件坚果，如果进货 20 元，都卖不掉也退不了货那超市就白白损失了：400 元！

2. 所有超市的经营者，定期都需要通过数行监控，不断看每天哪些商品有在卖？哪些商品没有在卖？在每个月的时候，一定会复盘，在过去一个月里面有多少商品有产生过销售，每件有哪几天在产生销售。

思考以下问题

• 如果过去一个月，某些商品没有一天产生销售，或者就是一二天产生销售，如果你是超市的经营者，你会怎么做呢？

• 动销率可以用来衡量什么？

• 目标：理解简单的数据统计指标背后的商业应用背景及商业逻辑，思考数据是如何指导运营的。

需 求

销售数据统计指标：统计 2017 年 8 月，有多少商品销售的天数超过 1 天，2 天，3 天，……31 天的，查看商品的动销情况。

说明：

• 商品：即SKU，可以理解为一件商品，也就是我们表中的 GoodsID，暂时不考虑购买量以及购买金额。
• 销售的天数是指：某天这个商品在这天产生过订单
• 销率=有销售的 SKU 数/在销售的 SKU 数；例如：8 月 1 号，有过销售记录的 SKU 有 100 件，整个超市地 200 件商品在货架上可以卖，则这天的动销率为50%。

逻辑分析

• 时间范围：2017 年 8 月份，说明需要日期字段，时间粒度是为：天。

• 统计商品销售，那就涉及：商品编辑，商品的销售产生的订单

• 首先，统计每个商品在这个月里面有多少天产生了被购买过的记录数。

• 然后，再基于查询的结果：再按日期来数据统计，只产生过 1 天，2 天，。。。31 天销售记录商品数分别多少。

代码实现过程

SELECT sale_days ,COUNT(DISTINCT GoodsID) AS goods_qty # 统计不同天数有销售商品数量FROM(SELECT GoodsID ,COUNT(DISTINCT SDate) AS sale_days #统计每种商品各有多少在有销售 FROM OrderItem WHERE SDate BETWEEN '20170801' AND '20170831' GROUP BY GoodsID ORDER BY sale_days) AS tGROUP BY sale_daysORDER BY sale_days DESC;

假设，我们想看下201708每天的动销率该如何查看呢？

逻辑分析：

• 所有商品，也就是GoodsID在Goods表中

• 总的在售商品数需要反复使用，所以使用定义变量

• 在OrderItem表按照日期分组统计不同商品数量，得到每日有销售记录的商品数量

• 汇总数据得到显示样式为：日期——有销售商品数量——动销率。

SELECT SDate ,sale_quantity AS 有销售的数量 ,CONCAT(ROUND(sale_quantity/@total_quantity * 100,2),"%") AS '动销率'FROM(SELECT SDate ,COUNT(DISTINCT GoodsID) AS sale_quantity FROM OrderItem WHERE SDate BETWEEN '20170801' AND '20170831' GROUP BY SDate) AS t1JOIN (SELECT @total_quantity := (SELECT COUNT(DISTINCT GoodsID) FROM Goods)) AS t2;

201708每日动销率

后续其实可以做个折线趋势图，看下当月不同日期动销率的变化情况，如果有业务需要的话。这里主要是SQL的运用，不做过多分析。

End.

作者：对三选手

来源：简书

扫描海报上二维码添加客服

领取【某招聘网站数据表】

零基础入职数据分析就业班

课程的形式主要是“直播+录播”

报名专享：课程项目作业+1v1班主任监督学习+爱数据学院学员专属网站+班级答疑群

课程结束后能熟练掌握SQL、Python、Excel、PPT等工具

适合人群：

1.转行(岗位相关，专业相关、对数据分析感兴趣)

2.从事数据分析工作，但是需要提升技能以及增加实战经验

3.应届毕业生入职数据分析