SQL时间序列统计需完成四步：对齐时间粒度、补全缺失时间点、明确定义业务窗口、聚合时添加上下文指标；缺一不可，否则易致漏数、断趋势、同比错误。
SQL时间序列统计不是简单加个GROUP BY time就完事——核心在于“对齐时间粒度、补全缺失点、定义业务窗口、聚合有逻辑”。跳过这四步，结果往往漏数据、断趋势、算错同比，报表一上线就被业务打回来。
一、先对齐时间粒度：别让原始时间戳直接参与分组
数据库里存的可能是精确到毫秒的created_at，但你要看的是“每天新增用户数”，那就不能GROUP BY created_at——会分出成千上万个组。必须用日期函数把它“压平”到目标粒度：
- 按天：用
DATE(created_at)（MySQL/PostgreSQL）或CAST(created_at AS DATE)（SQL Server） - 按小时：用
DATE_TRUNC('hour', created_at)（PostgreSQL）或DATE_FORMAT(created_at, '%Y-%m-%d %H:00:00')（MySQL） - 注意时区！统一转为业务所在时区再截取，比如
CONVERT_TZ(created_at, '+00:00', '+08:00')
二、再补全时间断点：空值不等于零，要主动填充
某天没订单，数据库里就根本没这条记录。如果只查有数据的日期，折线图就会“跳坑”。得自己造一个连续的时间维度，再左连接业务表：
- 生成连续日期：用递归CTE（PostgreSQL/SQL Server）或日历表（推荐长期复用）
- 示例（PostgreSQL）：WITH date_series AS (SELECT generate_series('2024-01-01'::date, '2024-01-31'::date, '1 day')::date AS dt)
- 再
LEFT JOIN你的订单表，用COALESCE(COUNT(*), 0)把空行填成0
三、明确定义统计窗口：滚动、同期、累计？差一天结果就不同
“近7天销售额”是滚动窗口（每天往前推7天），而“Q1销售额”是固定区间（1月1日–3月31日）。写SQL前必须确认业务口径：
- 滚动7天：用
WHERE event_date BETWEEN CURRENT_DATE - INTERVAL '6 days' AND CURRENT_DATE - 同比（Year-on-Year）：需关联去年同周期，如
ON t1.dt = t2.dt + INTERVAL '1 year' - 累计至今：用窗口函数
SUM(amount) OVER (ORDER BY dt ROWS UNBOUNDED PRECEDING)
四、聚合要带上下文：单看总数没意义，得配比率、变化率、分位数
时间序列分析的价值不在“今天卖了100万”，而在“比昨天涨了12%、环比跌5%、在近30天里排第8高”。所以聚合后通常要追加计算列：
- 环比：用
LAG(total_sales) OVER (ORDER BY dt)取上期值，再算差值和比率 - 移动平均：如
AVG(total_sales) OVER (ORDER BY dt ROWS BETWEEN 6 PRECEDING AND CURRENT ROW)（7日均值） - 分位水平：比如
PERCENT_RANK() OVER (ORDER BY total_sales)看当天业绩在历史中的相对位置
基本上就这些。时间序列统计不是语法难题，而是业务理解+数据对齐+逻辑闭环的组合动作。把粒度、断点、窗口、衍生指标四层想清楚，SQL自然就稳了。
