3. SQL基础回顾（一）：SELECT、WHERE、DISTINCT、ORDER BY、LIMIT在反洗钱数据探查中的应用

在反洗钱（AML）特征样本提取的初始阶段，分析师面对的是海量、异构的原始交易数据。SQL是打开数据仓库大门的钥匙。本章将回顾最核心的五个SQL子句——SELECT、WHERE、DISTINCT、ORDER BY、LIMIT，并聚焦它们在反洗钱数据探查（Data Profiling）中的实战场景。

3.1 SELECT：探查数据的第一眼

SELECT 是SQL查询的起点。在反洗钱场景中，我们通常不会直接 SELECT * 查看全量数据（数据量可能达数亿条），而是先探查字段的元数据与样本。

3.1.1 探查字段清单与数据类型

使用 SELECT 配合系统元数据表，快速了解交易表包含哪些字段，为后续特征工程做准备。

-- 探查表结构（以MySQL为例）
SELECT COLUMN_NAME, DATA_TYPE, IS_NULLABLE
FROM INFORMATION_SCHEMA.COLUMNS
WHERE TABLE_NAME = 'aml_transactions';

3.1.2 探查字段值的实际样本

不要直接 SELECT *，而是有目的地选取关键字段查看前几条记录，验证数据质量。

-- 探查核心字段的样本数据
SELECT 
    transaction_id,
    account_id,
    transaction_amount,
    transaction_currency,
    transaction_datetime,
    counterparty_name
FROM aml_transactions
LIMIT 10;

3.2 WHERE：精准锁定可疑交易

WHERE 子句是反洗钱筛选的核心。通过组合条件，从海量数据中快速定位符合可疑特征的数据子集。

3.2.1 常见反洗钱筛选条件

3.2.2 组合条件实战

-- 筛选2024年1月、金额大于10万、对手方为境外账户的可疑交易
SELECT 
    transaction_id,
    account_id,
    transaction_amount,
    counterparty_country
FROM aml_transactions
WHERE transaction_datetime >= '2024-01-01' 
  AND transaction_datetime < '2024-02-01'
  AND transaction_amount > 100000
  AND counterparty_country != 'CN';

3.3 DISTINCT：去重探查唯一值

在反洗钱数据探查中，DISTINCT 用于快速了解某个字段有多少种不同的取值，帮助识别数据字典、枚举值范围及异常值。

3.3.1 探查字段的唯一值数量

-- 探查交易币种有多少种
SELECT COUNT(DISTINCT transaction_currency) AS currency_count
FROM aml_transactions;

-- 探查所有存在的币种
SELECT DISTINCT transaction_currency
FROM aml_transactions
ORDER BY transaction_currency;

3.3.2 探查组合唯一值

在反洗钱中，经常需要探查“账户-对手方”组合是否唯一，用于识别循环交易或对倒交易。

-- 探查账户与对手方的交易对数量
SELECT DISTINCT 
    account_id, 
    counterparty_account_id
FROM aml_transactions
WHERE transaction_amount > 10000;

3.4 ORDER BY：排序发现极端值

反洗钱特征提取中，极端值往往意味着高风险。ORDER BY 配合 DESC 可以快速定位金额最大、频率最高的交易。

3.4.1 按金额降序探查最大额交易

-- 探查金额最高的前20笔交易
SELECT 
    transaction_id,
    account_id,
    transaction_amount,
    transaction_datetime
FROM aml_transactions
ORDER BY transaction_amount DESC
LIMIT 20;

3.4.2 按时间排序探查交易频率

-- 探查某个账户的交易时间序列
SELECT 
    transaction_datetime,
    transaction_amount
FROM aml_transactions
WHERE account_id = 'ACC20240001'
ORDER BY transaction_datetime ASC;

3.5 LIMIT：控制样本规模

LIMIT 是数据探查阶段最常用的子句之一。它限制返回的行数，避免因数据量过大导致查询超时或客户端崩溃。

3.5.1 获取探查样本

-- 获取100条交易记录作为探查样本
SELECT *
FROM aml_transactions
LIMIT 100;

3.5.2 LIMIT与OFFSET配合分页探查

-- 分页探查，每次取50条
-- 第一页
SELECT transaction_id, account_id, transaction_amount
FROM aml_transactions
ORDER BY transaction_id
LIMIT 50 OFFSET 0;

-- 第二页
SELECT transaction_id, account_id, transaction_amount
FROM aml_transactions
ORDER BY transaction_id
LIMIT 50 OFFSET 50;

3.6 综合实战：反洗钱数据探查流程

将上述五个子句组合，形成标准的数据探查流程。以下是一个完整的探查脚本示例：

-- 反洗钱交易表数据探查脚本
-- 步骤1：探查表总行数
SELECT COUNT(*) AS total_rows FROM aml_transactions;

-- 步骤2：探查关键字段的唯一值
SELECT 
    COUNT(DISTINCT account_id) AS unique_accounts,
    COUNT(DISTINCT counterparty_account_id) AS unique_counterparties,
    COUNT(DISTINCT transaction_currency) AS unique_currencies
FROM aml_transactions;

-- 步骤3：探查金额分布（最大值、最小值、平均值）
SELECT 
    MIN(transaction_amount) AS min_amt,
    MAX(transaction_amount) AS max_amt,
    AVG(transaction_amount) AS avg_amt
FROM aml_transactions;

-- 步骤4：筛选大额交易样本（金额 > 平均值的3倍）
SELECT 
    transaction_id,
    account_id,
    transaction_amount,
    transaction_datetime,
    counterparty_country
FROM aml_transactions
WHERE transaction_amount > (SELECT AVG(transaction_amount) * 3 FROM aml_transactions)
ORDER BY transaction_amount DESC
LIMIT 100;

3.7 知识结构图：五种子句在反洗钱探查中的角色

下图展示了五个核心SQL子句在反洗钱数据探查流程中的定位与协作关系：

3.8 常见错误与避坑指南