4.5.2 案例二：销售数据分析

接下来，我们将会使用一个虚拟的销售数据集（sales_data）。该数据集包含了2019年1月1日到2019年6月30日三种产品在三个渠道每天的销售情况。示例表的创建脚本可以通过“读者服务”获取，以下是该表中的部分数据：

我们首先通过分组汇总了解一下产品的整体销售情况：

其中，GROUP BY ROLLUP子句表示统计不同产品不同渠道的销售金额小计、不同产品所有渠道的销售金额合计以及所有产品的销售总计。查询返回的结果如下：

在我们的模拟数据中，橘子的销售金额为909 261元，在京东商城的销售金额最高，在店面的销售金额最低；苹果的销售金额为937 052元，在京东商城的销售金额最高，在店面的销售金额最低；香蕉的销售金额为925 369元，在店面的销售金额最高，在京东商城的销售金额最低；所有产品的销售金额总计为2 771 682元。

对于MySQL，我们可以使用WITH ROLLUP选项实现相同的功能。

在Excel中有一个分析功能，叫作数据透视表（Pivot Table），数据透视表可以提供不同级别的数据统计、对比分析和趋势分析等。考虑一下，如何通过SQL查询实现以下数据透视表？

我们同样可以利用分组汇总加上CASE表达式实现以上报表：

其中，GROUP BY ROLLUP子句表示统计不同产品不同渠道的销售金额小计、不同产品所有渠道的销售金额合计以及所有产品的销售总计，EXTRACT函数加上CASE表达式用于获取每个月的销售金额。

对于MySQL，我们需要使用WITH ROLLUP选项替换ROLLUP。对于Microsoft SQL Server，我们需要使用DATEPART函数替换EXTRACT函数。