本文结构速览：

一、业务背景

二、数据说明

三、SQL实战

一、业务背景

2021年淘宝双十一进行了两次预售活动

活动内容如下：

两次预售活动的主要目标有两个：

① 分散用户下单缓解物流配送的压力

② 更长的活动时间可提高活动的渗透率

二、数据说明

现有一张用户订单表（order_info)，字段如下：

• uid：用户ID

• goods_id：商品ID

• mall_id：店铺ID

• order_type：订单类型

  • 预售订单

  • 尾款订单

  • 普通订单

• order_id：订单号

• order_status：订单状态，总共有以下类型

  • 支付成功

  • 未支付

  • 退款中

  • 已退款

• order_time：订单时间

• pay_time：支付时间

• goods_num：商品件数

• order_amt：订单金额

数据样例展示：

数据说明：

• 预售订单和尾款订单号共享一个订单ID

• 普通订单不参与预售活动

三、SQL实战

问题①

请分别计算第一、第二阶段预售参与用户数，及成功支付尾款的订单占比（尾款订单数/预售订单数）。

输出字段如下：

• stage_tpye：阶段标记

• uv：预售参与用户数

• order_rate：订单占比

▼ 解题思路：
① 根据订单时间区分预售阶段

② 筛选成功支付的预售订单，计算用户数及订单数

③ 筛选成功支付的尾款订单，计算其订单数

问题②

请计算预售商品的优惠比例（1-预售商品价格/普通商品价格)

注意：

• 普通订单限制正式售卖期间价格

• 预售订单价格=预售价格+尾款价格

输出字段如下：

• goods_id：商品ID

• discount_rate：优惠力度

▼ 解题思路：① 首先计算预售期间的商品平均价格

② 计算不参与预售的商品平均价格

③ 计算优惠比例

问题③

请计算预售成交额（预售+尾款订单金额）TOP100的店铺

输出字段如下：

• mall_id：店铺ID

• order_amt：预售订单成交额

• order_cnt：预售订单数

▼ 解题思路：

① 首先汇总每个店铺的预售成交额

② 使用窗口函数进行排序

③ 筛选排名TOP100的店铺信息

参考答案：可以先自己实操练习，想对答案的可告诉我。

问题④

请分别计算两次预售活动订单的退款率（未支付尾款的订单不做统计）

输出字段如下：

• stage_tpye：阶段标记

• order_cnt：预售订单数

• order_amt：预售成交额

• refund_order_cnt：退款订单数

• refund_order_amt：退款总金额

• refund_order_cnt_rate：退款订单数占比

• refund_order_amt_rate：退款金额占比

▼ 解题思路：

① 对订单进行预售和尾款支付标记
② 以订单为主键，统计订单的支付及退款金额③ 筛选成功支付尾款的预售订单
④ 计算指定的指标

参考答案：可以先自己实操练习，想对答案的可告诉我。