Window function SQL: 6 hàm Data Analyst dùng mỗi ngày

🪟 CÙNG MỘT BẢNG, HAI CÁCH TÍNH

📂 NỘI DUNG BÀI VIẾT

1. Window function là gì?
2. Dữ liệu mẫu dùng trong bài
3. Hàm 1: ROW_NUMBER – Đánh số thứ tự và lấy dòng đầu tiên
4. Hàm 2: RANK và DENSE_RANK – Xếp hạng có đồng hạng
5. Hàm 3: LAG và LEAD – So với kỳ trước
6. Hàm 4 và 5: SUM OVER và AVG OVER – Lũy kế và trung bình trượt
7. Hàm 6: SUM OVER không ORDER BY – Tỷ trọng trong tổng
8. 5 lỗi thường gặp khi dùng window function
9. Câu hỏi thường gặp về window function
10. Kết luận

1TEN_HAM(...) OVER (
2  PARTITION BY cot_chia_nhom   -- chia cửa sổ theo nhóm (không bắt buộc)
3  ORDER BY cot_sap_xep         -- thứ tự dòng trong mỗi nhóm
4  ROWS BETWEEN ... AND ...     -- phạm vi dòng cụ thể (không bắt buộc)
5)

HÀM 1 · ROW_NUMBER

ROW_NUMBER() đánh số 1, 2, 3… cho từng dòng trong mỗi cửa sổ theo thứ tự bạn chọn, không bao giờ trùng số. Ứng dụng phổ biến nhất là lấy dòng đầu tiên của mỗi nhóm: đơn gần nhất của mỗi khách, bản ghi mới nhất khi dữ liệu bị trùng, hay tháng doanh thu cao nhất của mỗi chi nhánh.

1WITH xep AS (
2  SELECT chi_nhanh, thang, doanh_thu,
3         ROW_NUMBER() OVER (PARTITION BY chi_nhanh ORDER BY doanh_thu DESC) AS stt
4  FROM DoanhThu
5)
6SELECT chi_nhanh, thang, doanh_thu
7FROM xep
8WHERE stt = 1;

▶ KẾT QUẢ (✨ cột do window function tạo ra)

HÀM 2 · RANK / DENSE_RANK

Khi hai dòng bằng nhau, ROW_NUMBER vẫn ép chúng thành hai số khác nhau. RANK và DENSE_RANK cho chúng cùng hạng, chỉ khác ở cách đánh số sau đó.

1SELECT chi_nhanh, doanh_thu,
2       ROW_NUMBER() OVER (ORDER BY doanh_thu DESC) AS row_number,
3       RANK()       OVER (ORDER BY doanh_thu DESC) AS rank,
4       DENSE_RANK() OVER (ORDER BY doanh_thu DESC) AS dense_rank
5FROM DoanhThu
6WHERE thang = '2026-10-01';

▶ KẾT QUẢ (✨ cột do window function tạo ra)

• RANK: đồng hạng rồi nhảy số (1, 2, 2, 4), giống bảng xếp hạng thi đấu.
• DENSE_RANK: đồng hạng nhưng không nhảy số (1, 2, 2, 3), hợp khi cần “top 3 mức doanh thu”.
• ROW_NUMBER: Hà Nội và Hải Phòng cùng 480 nhưng bị chia số 2 và 3 một cách tùy ý. Muốn kết quả ổn định, hãy thêm cột phụ vào ORDER BY, ví dụ ORDER BY doanh_thu DESC, chi_nhanh.

HÀM 3 · LAG / LEAD

LAG(cot) lấy giá trị của dòng trước trong cửa sổ, LEAD(cot) lấy giá trị của dòng sau. Đây là cách nhanh nhất để tính tăng trưởng so với tháng trước (MoM), khoảng cách giữa hai lần mua hay thời gian xử lý giữa hai bước.

1SELECT chi_nhanh, thang, doanh_thu,
2       LAG(doanh_thu) OVER (PARTITION BY chi_nhanh ORDER BY thang) AS thang_truoc,
3       ROUND(
4         (doanh_thu - LAG(doanh_thu) OVER (PARTITION BY chi_nhanh ORDER BY thang)) * 100.0
5         / LAG(doanh_thu) OVER (PARTITION BY chi_nhanh ORDER BY thang), 1) AS tang_truong_pct
6FROM DoanhThu
7WHERE chi_nhanh = N'Hải Phòng';

▶ KẾT QUẢ (✨ cột do window function tạo ra)

Dòng đầu tiên không có tháng trước nên trả về NULL. Nếu muốn thay bằng 0, dùng tham số thứ ba: LAG(doanh_thu, 1, 0). Muốn so với cùng kỳ năm trước với dữ liệu theo tháng, dùng LAG(doanh_thu, 12).

Con số trên cho thấy Hải Phòng tăng trưởng nhanh dần qua từng tháng, một nhận định khó thấy nếu chỉ nhìn bảng doanh thu thô. Khi đưa lên dashboard, bạn có thể đặt cột tăng trưởng cạnh doanh thu, theo đúng tinh thần của bài Dashboard không phải để đẹp.

HÀM 4 · SUM OVER  ·  HÀM 5 · AVG OVER

Các hàm tổng hợp quen thuộc như SUM, AVG cũng trở thành window function khi có OVER. Kết hợp với ROWS BETWEEN, bạn có hai chỉ số rất hay dùng trong báo cáo:

• Doanh thu lũy kế (running total): cộng từ tháng đầu tiên đến tháng hiện tại, dùng để so với kế hoạch năm.
• Trung bình trượt 3 tháng (moving average): trung bình của tháng hiện tại và 2 tháng trước, giúp làm mượt biến động để thấy xu hướng.

1SELECT chi_nhanh, thang, doanh_thu,
2       SUM(doanh_thu) OVER (
3         PARTITION BY chi_nhanh ORDER BY thang
4         ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS luy_ke,
5       ROUND(AVG(doanh_thu * 1.0) OVER (
6         PARTITION BY chi_nhanh ORDER BY thang
7         ROWS BETWEEN 2 PRECEDING AND CURRENT ROW), 1) AS tb_truot_3_thang
8FROM DoanhThu
9WHERE chi_nhanh = N'Hà Nội';

▶ KẾT QUẢ (✨ cột do window function tạo ra)

Doanh thu Hà Nội tháng 9 giảm xuống 410, nhưng trung bình trượt chỉ nhích nhẹ rồi tiếp tục tăng, cho thấy đây nhiều khả năng là dao động ngắn hạn chứ chưa phải xu hướng giảm. Lưu ý hai tháng đầu chưa đủ 3 tháng nên trung bình chỉ tính trên số dòng đang có.

HÀM 6 · SUM OVER ()

Khi bỏ ORDER BY trong OVER, SUM tính tổng của cả cửa sổ và gắn con số đó vào từng dòng. Chia doanh thu của dòng cho tổng này là ra tỷ trọng.

1SELECT chi_nhanh, doanh_thu,
2       SUM(doanh_thu) OVER () AS tong_toan_quoc,
3       ROUND(doanh_thu * 100.0 / SUM(doanh_thu) OVER (), 1) AS ty_trong_pct
4FROM DoanhThu
5WHERE thang = '2026-10-01';

▶ KẾT QUẢ (✨ cột do window function tạo ra)

Thêm PARTITION BY để tính tỷ trọng trong từng nhóm, ví dụ SUM(doanh_thu) OVER (PARTITION BY thang) cho tỷ trọng của mỗi chi nhánh trong từng tháng trên cùng một bảng.

📅 Muốn học SQL bài bản từ cơ bản đến window function và ứng dụng vào báo cáo? Xem lịch khai giảng mới nhất tại MCNA.

Window function giúp Data Analyst tính toán trên cả nhóm dòng mà vẫn giữ nguyên chi tiết từng dòng. Chỉ với 6 hàm ROW_NUMBER, RANK/DENSE_RANK, LAG/LEAD, SUM OVER lũy kế, AVG OVER trượt và SUM OVER tỷ trọng, bạn đã xử lý được phần lớn câu hỏi xếp hạng, so sánh kỳ trước và tỷ trọng trong báo cáo hằng ngày.

Hãy nhớ ba điều: chia đúng PARTITION BY, sắp xếp đúng ORDER BY, và viết rõ phạm vi ROWS BETWEEN khi tính lũy kế. Tạo bảng mẫu trong bài và chạy lại từng câu là cách nhanh nhất để nắm vững.

Nếu bạn muốn học SQL bài bản và ứng dụng vào báo cáo thực tế cùng Power BI, các khóa học tại MCNA Technology School sẽ đồng hành cùng bạn. Xem lịch khai giảng mới nhất. Đọc thêm: Phân tích cohort là gì? và Phân tích RFM là gì?.