最近遇到一道关于用户来源及去向的SQL题目，当时思考的时候存在考虑不周全的地方，故专门模拟数据从问题出发重新整理思路分享出来。
现有一批数据记录为某天多个用户app的使用情况，数据存放在record表中，其中有四个字段类型：
id：记录的id标识
user_id：用户的id标识
app_name：用户打开app的应用名称
create_time：用户打开app的时间
record表记录
现要求得不同来源去向的用户数，即淘宝->京东、京东->唯品会等来源去向的用户数，并写出对应的SQL语句。
首先，观察数据后发现用户可能有多次打开同一app和用户只打开一个app的情况。其次，打开app的时间都在某天所以这里不考虑按不同天来计算。这里我们需要将原问题拆解为小问题，需要思考的问题有（如有遗漏可在评论区留言）：
如何表示用户使用app的来源及去向？
怎么判断app的使用顺序？
用户多次打开app会不会影响统计结果？
用户只打开一个app并没有去向如何处理？
如何计算不同来源去向的用户数？
解决问题1和2需要查询到用打开app后下一个打开app是哪个。在SQL语言里面如果要得到两两交叉的结果，需要使用到交叉关联，同时需要是同个用户打开的app，具体实现代码如下：
SELECT
a.user_id,
a.app_name AS start_app,
a.create_time AS start_time,
b.app_name AS end_app,
b.create_time AS end_time
FROM record a
JOIN record b
WHERE a.user_id = b.user_id
查询1的结果
从上图的查询结果可以看到两个问题，交叉关联后来源与去向重合，来源app打开时间要大于去向打开时间。于是我们需要添加两个条件即start_app不等于end_app，start_time要小于end_time，修改后的代码如下：
SELECT
a.user_id,
a.app_name AS start_app,
a.create_time AS start_time,
b.app_name AS end_app,
b.create_time AS end_time
FROM record a
JOIN record b
WHERE a.user_id = b.user_id
AND a.app_name != b.app_name
AND a.create_time < b.create_time
查询2的结果
这样的处理同时问题4也解决，因为当用户只打开一个app的时候交叉关联后去向app还是自身，所以在上述操作中已经过滤。从上图可以发现1001用户在打开唯品会前打开过两次淘宝，故有两条来源去向的记录，这里就会造成重复统计，所以我们需要用户最后一次的来源去向记录即可，具体修改如下：
SELECT
a.user_id,
a.app_name AS start_app,
MAX(a.create_time) AS start_time,
b.app_name AS end_app,
b.create_time AS end_time
FROM record a
JOIN record b
WHERE a.user_id = b.user_id
AND a.app_name != b.app_name
AND a.create_time < b.create_time
GROUP BY a.user_id, a.app_name, b.app_name
查询3的结果
现在，我们需要计算不同来源去向的用户占比，即求得来源和去向分组后的user_id除重的结果，具体实现代码如下：
SELECT
start_app,
end_app,
COUNT(DISTINCT user_id) AS user_num
FROM (
SELECT
a.user_id,
a.app_name AS start_app,
MAX(a.create_time) AS start_time,
b.app_name AS end_app,
b.create_time AS end_time
FROM record a
JOIN record b
WHERE a.user_id = b.user_id
AND a.app_name != b.app_name
AND a.create_time < b.create_time
GROUP BY a.user_id, a.app_name, b.app_name
) groups
GROUP BY start_app, end_app
最后汇总的结果
做SQL题目与写代码一样，重要的是能得到最终的结果，故查询效率最后考虑，需要优先考虑查询后的结果是否需要进行筛选以及重复记录的情况。将问题拆解为小问题有助于降低问题难度，同时也能对多方面有所考虑。总的来说这道SQL题目并不难，关键在于思路是否清晰，其次才是基础知识的考验。
End.
作者：简杨 （中国统计网特邀认证作者）
