做“环比”统计不同方法的优缺点分析，以及使用LEAD()函数（下偏移函数）做环比统计时遇到的“坑”和巧妙“避坑”经验分享
一．需求描述
很多行业在做数据分析过程中，对数据做同比/环比分析是很常见的，比如有如下
表结构：

数据示例：

图1.1
需要统计每天的总销售额以及“环比”！

二．使用普通方法及优势和劣势分析
1.方法
如果不使用偏移函数也是可以实现的，思路就是查询每天的销售额后，再根据每天的日期去查昨天的销售额，也就是要查两遍，即查今天和昨天，sql如下
WITH cur AS
( SELECT t.SALE_DATE 销售日期,
SUM(t.SALE_AMOUNT) 销售额 ,
(SELECT NVL(SUM(SALE_AMOUNT),0) FROM “TEST”.“SALE” WHERE SALE_DATE=t.SALE_DATE-1) AS 昨天销售额 --昨天没有销售额时补0
FROM “TEST”.“SALE” t
GROUP BY t.SALE_DATE
ORDER BY t.SALE_DATE DESC
)
SELECT c.销售日期,
销售额,
CASE WHEN 昨天销售额 ==0 THEN ‘100%’ --避免分母为0
ELSE ROUND((销售额-昨天销售额)*100/昨天销售额,2) || ‘%’ END AS 环比
FROM cur c

执行结果如下图：

图2.1
sql执行计划如下：

图2.2
2.优势和劣势分析
优势>> ①语法逻辑简单（不看行数，只看逻辑），没有用到复杂的函数，初学者也能看懂； ②即使日期存在“断层”，也不影响结果。
劣势>>从图2.2可看出，sql执行计划中执行步骤很多，对性能不友好，如果数据量庞大会响应延迟。

三．使用偏移函数LEAD()方法及优势和劣势分析
1.方法
首先要搞懂LEAD()函数的作用，此函数可以对结果集向后偏移，只是偏移，不会再次做查询！
先看sql语法及偏移效果：

图3.1
整体sql如下：
WITH cur AS
( SELECT t.SALE_DATE 销售日期,
SUM(t.SALE_AMOUNT) AS 销售额,
LEAD(SUM(t.SALE_AMOUNT), 1, 0) over(ORDER BY SALE_DATE DESC) 昨天销售额
FROM “TEST”.“SALE” t
GROUP BY t.SALE_DATE
)
SELECT c.销售日期,
销售额,
CASE WHEN 昨天销售额 ==0 THEN ‘100%’ --避免分母为0
ELSE ROUND((销售额-昨天销售额)*100/昨天销售额,2) || ‘%’ END AS 环比
FROM cur c

执行结果和方法1是一样的：

图3.2
sql执行计划：

图3.3
2.优势和劣势分析
优势>>通过对比图2.2和图3.3可以看出，第二种方法的执行计划中执行步骤要少得多，当 数据量庞大时执行效率肯定会更好。
劣势>>LEAD()函数是数据库中的高等函数，且需要与over一起使用，对sql功底有一定要求。
四．使用LEAD()函数的“避坑”经验
1.可能存在的坑
通过上面方法已经知道LEAD()函数的用法以及好处，但在使用此函数时如果不仔细很容易“踩坑”，也就是当“时间不连续”时，偏移结果就乱了，比如如下图所示：

图4.1
通过图4.1可以看出，缺少了2026-05-26和2026-05-20两天的数据，结果导致2026-05-27与2026-05-25做了环比、2026-05-21与2026-05-19做了环比。这样的结果肯定是有问题的。

2.避坑方法
既然是有“时间断层”，那我们把断层的时间补上去，并且断层当天的销售额设置为0就行了！如何设置呢，手动insert两条数据进去？或者通过union all拼接两条固定数据进去？这两种方法可是可以，但如果日期跨度非常长、断层的多，且数据是持续更新的（你不知道什么时候会断层），那就不好办了。
解决这个问题，我的思路是首先把每天的数据比作一个“梯子”，每一阶梯子上都有数据，而梯子中间随机断了几阶，既然我们不知道哪几阶梯子断了，那就重新找个完整的梯子，然后将两个梯子“绑起来”，如下图，红色代表我们已有的数据。

图4.2
首先我们构造一套日期完整的数据（如图4.1的蓝色梯子），sql如下：
select TO_CHAR(sysdate-(LEVEL -1),‘YYYY-MM-DD’) 日期
CONNECT BY LEVEL <=28

执行结果如下：

图4.3
然后我们将上面得到的结果，和原有的数据关联起来（就好比两个梯子绑起来）：
select a.日期 as 销售日期,nvl(b.销售额,0) as 销售额
from
(select TO_CHAR(sysdate-(LEVEL -1),‘YYYY-MM-DD’) 日期 CONNECT BY LEVEL <=28) a
left join
(
SELECT t.SALE_DATE 销售日期,
SUM(t.SALE_AMOUNT) AS 销售额
FROM “TEST”.“SALE” t
GROUP BY t.SALE_DATE
) b on b.销售日期=a.日期
order by a.日期 desc
执行结果如下：

图4.4

然后将结果结合LEAD()函数实现环比计算，整体sql语句：
with cur as
(
select a.日期 as 销售日期,nvl(b.销售额,0) as 销售额,
LEAD(nvl(b.销售额,0), 1, 0) over(ORDER BY a.日期 DESC) 昨天销售额
from
(select TO_CHAR(sysdate-(LEVEL -1),‘YYYY-MM-DD’) 日期 CONNECT BY LEVEL <=28) a
left join
(
SELECT t.SALE_DATE 销售日期,
SUM(t.SALE_AMOUNT) AS 销售额
FROM “TEST”.“SALE” t
GROUP BY t.SALE_DATE
) b on b.销售日期=a.日期
order by a.日期 desc
)
SELECT c.销售日期,
销售额,
CASE WHEN 昨天销售额 ==0 THEN ‘100%’ --避免分母为0
ELSE ROUND((销售额-昨天销售额)*100/昨天销售额,2) || ‘%’ END AS 环比
FROM cur c
执行结果：

图4.5

优点分析：我们采用了当前时间（sysdate）做起点，也就是只需要把握好统计周期的跨度（如LEVEL<=28），不管中间哪里差、差几天，都不会影响环比计算。