SHEIN大数据面试SQL-上新商品的首周销量统计

⚠️ 待修正

一、题目背景

这道题来自SHEIN的数据分析岗面试。SHEIN是快时尚跨境电商，数据分析师需要从海量业务数据中挖掘洞见。

业务场景：用户消费行为相关需求在日常工作中频繁出现，这类型的SQL题是面试高频考点。

一、题目

SHEIN每天都有大量新品上架，需要统计每个上新商品在上架后首周（7天内）的累计销量，评估新品的市场表现。

假设有两张表：

• product_launch：商品上架时间表
• order_detail：订单明细表

-- product_launch 商品上架表
+---------+-------------------+
| sku_id  | launch_time       |
+---------+-------------------+
| SKU001  | 2025-06-01 08:00  |
| SKU002  | 2025-06-03 10:00  |
| SKU003  | 2025-06-05 09:00  |
+---------+-------------------+

-- order_detail 订单明细表
+----------+---------+--------+-------------------+
| order_id | sku_id  | qty    | order_time        |
+----------+---------+--------+-------------------+
| 1001     | SKU001  | 2      | 2025-06-02 10:00  |
| 1002     | SKU001  | 1      | 2025-06-05 14:00  |
| 1003     | SKU001  | 3      | 2025-06-09 09:00  |
| 1004     | SKU002  | 2      | 2025-06-04 10:00  |
| 1005     | SKU002  | 1      | 2025-06-08 16:00  |
| 1006     | SKU002  | 5      | 2025-06-12 11:00  |
| 1007     | SKU003  | 1      | 2025-06-06 08:00  |
| 1008     | SKU003  | 1      | 2025-06-14 12:00  |
+----------+---------+--------+-------------------+

三、思路分析

1. JOIN 两表，筛选订单时间在上架后7天内的记录：datediff(order_time, launch_time) between 0 and 6；
2. 按SKU分组汇总首周销量；
3. 注意保留那些首周0销量的新品（使用 LEFT JOIN）。

维度	评分
题目难度	⭐️⭐️⭐️
题目清晰度	⭐️⭐️⭐️⭐️⭐️
业务常见度	⭐️⭐️⭐️⭐️⭐️

四、逐步推导

1.筛选首周内的订单

执行SQL

select l.sku_id,
       l.launch_time,
       o.order_id,
       o.qty,
       o.order_time,
       datediff(o.order_time, l.launch_time) as days_from_launch
from product_launch l
left join order_detail o
  on l.sku_id = o.sku_id
 and datediff(o.order_time, l.launch_time) between 0 and 6

查询结果

+---------+-------------------+----------+------+-------------------+------------------+
| sku_id  | launch_time       | order_id | qty  | order_time        | days_from_launch |
+---------+-------------------+----------+------+-------------------+------------------+
| SKU001  | 2025-06-01 08:00  | 1001     | 2    | 2025-06-02 10:00  | 1                |
| SKU001  | 2025-06-01 08:00  | 1002     | 1    | 2025-06-05 14:00  | 4                |
| SKU002  | 2025-06-03 10:00  | 1004     | 2    | 2025-06-04 10:00  | 1                |
| SKU002  | 2025-06-03 10:00  | 1005     | 1    | 2025-06-08 16:00  | 5                |
| SKU003  | 2025-06-05 09:00  | 1007     | 1    | 2025-06-06 08:00  | 0                |
+---------+-------------------+----------+------+-------------------+------------------+

2.汇总每个SKU的首周销量

执行SQL

select l.sku_id,
       l.launch_time,
       coalesce(sum(o.qty), 0) as first_week_sales
from product_launch l
left join order_detail o
  on l.sku_id = o.sku_id
 and datediff(o.order_time, l.launch_time) between 0 and 6
group by l.sku_id, l.launch_time

查询结果

+---------+-------------------+------------------+
| sku_id  | launch_time       | first_week_sales |
+---------+-------------------+------------------+
| SKU001  | 2025-06-01 08:00  | 3                |
| SKU002  | 2025-06-03 10:00  | 3                |
| SKU003  | 2025-06-05 09:00  | 1                |
+---------+-------------------+------------------+

五、常见坑点

坑1：CASE WHEN条件的顺序 — 从上到下匹配，先命中先生效。写区间时从低到高或从高到低，避免条件重叠。

坑2：占比计算的分母 — SUM() OVER() 不带 PARTITION BY 才是全局总量，加了PARTITION BY分母变成组内总量。

六、举一反三

1. 动态分段：阈值存在配置表中用JOIN取值，灵活调整分段策略

2. 累计分布CDF：SUM(cnt) OVER (ORDER BY bucket) 算累计占比，画帕累托图

3. 按时间维度对比：按天/周/月分区，观察分布的时序变化

七、知识点总结

考点	说明
多表JOIN	LEFT JOIN保留主表所有数据，COALESCE处理NULL
GROUP BY + 聚合函数	分组聚合是数据分析的基础，配合HAVING筛选分组结果
日期函数	DATEDIFF / DATE_ADD / unix_timestamp处理日期运算
NULL值处理	NULL在聚合和窗口函数中的差异，COALESCE/NVL的替代方案

八、建表语句和数据插入

点击展开 DDL & DML

--建表语句
CREATE TABLE product_launch (
    sku_id      string COMMENT 'SKU编码',
    launch_time string COMMENT '上架时间'
) COMMENT '商品上架时间表';

CREATE TABLE order_detail (
    order_id   bigint COMMENT '订单ID',
    sku_id     string COMMENT 'SKU编码',
    qty        int COMMENT '购买数量',
    order_time string COMMENT '下单时间'
) COMMENT '订单明细表';

-- 插入数据
insert into product_launch(sku_id, launch_time) values
('SKU001', '2025-06-01 08:00'),
('SKU002', '2025-06-03 10:00'),
('SKU003', '2025-06-05 09:00');

insert into order_detail(order_id, sku_id, qty, order_time) values
(1001, 'SKU001', 2, '2025-06-02 10:00'),
(1002, 'SKU001', 1, '2025-06-05 14:00'),
(1003, 'SKU001', 3, '2025-06-09 09:00'),
(1004, 'SKU002', 2, '2025-06-04 10:00'),
(1005, 'SKU002', 1, '2025-06-08 16:00'),
(1006, 'SKU002', 5, '2025-06-12 11:00'),
(1007, 'SKU003', 1, '2025-06-06 08:00'),
(1008, 'SKU003', 1, '2025-06-14 12:00');

📱关注公众号

「数据仓库技术」文章同步更新，不错过每一篇干货

💬加群交流

备注「数据仓库技术」加入社群，每日一道大厂SQL真题