3. 基础SQL回顾：GROUP BY与聚合函数（COUNT、SUM、AVG、MAX、MIN）的用法与注意事项

在授信决策引擎中，我们经常需要按客户群体、产品类型或时间批次对数据进行汇总统计。例如：“统计每个风险等级下的客户数量”、“计算各产品线的平均授信额度”或“找出单日最大放款金额”。这些操作的核心就是 GROUP BY 子句与 聚合函数 的组合使用。

3.1 聚合函数速览

聚合函数用于对一组值执行计算并返回单个汇总值。在风控SQL中，最常用的五个聚合函数如下：

3.2 GROUP BY 基本语法与执行逻辑

GROUP BY 子句将查询结果按一个或多个列进行分组，然后对每个分组应用聚合函数。其基本语法结构如下：

SELECT
    分组列1,
    分组列2,
    聚合函数(列名) AS 别名
FROM
    表名
WHERE
    过滤条件
GROUP BY
    分组列1,
    分组列2
ORDER BY
    排序列;

执行顺序（逻辑层面）：

1. FROM + WHERE：先定位表并过滤出符合条件的行。
2. GROUP BY：将过滤后的数据按指定列分组。
3. 聚合计算：在每个分组内执行聚合函数。
4. SELECT：输出分组列和聚合结果。
5. ORDER BY：对最终结果排序。

3.3 典型风控场景示例

假设我们有一张 loan_application 表，包含字段：batch_id（批次号）、risk_level（风险等级）、approved_amount（审批金额）、decision_time（决策时间）。

场景一：按风险等级统计申请量和总金额

SELECT
    risk_level,
    COUNT(*) AS application_count,
    SUM(approved_amount) AS total_approved_amount
FROM loan_application
WHERE decision_time >= '2025-01-01'
GROUP BY risk_level
ORDER BY total_approved_amount DESC;

场景二：按批次计算平均额度与最大单笔额度

SELECT
    batch_id,
    AVG(approved_amount) AS avg_amount,
    MAX(approved_amount) AS max_amount,
    MIN(approved_amount) AS min_amount
FROM loan_application
GROUP BY batch_id
ORDER BY batch_id;

3.4 常见陷阱与注意事项

3.5 聚合查询执行流程示意图

下图展示了从原始数据到分组聚合结果的完整执行流程，帮助理解 WHERE、GROUP BY、聚合函数、HAVING 的协作关系：

3.6 聚合函数与 NULL 值的交互

在风控数据中，缺失值（NULL）非常常见。理解聚合函数如何处理 NULL 至关重要：

• COUNT(column)：忽略 NULL 值；COUNT(*) 包含所有行。
• SUM(column)：如果所有值均为 NULL，则返回 NULL；否则忽略 NULL 值进行求和。
• AVG(column)：忽略 NULL 值，分母只计非 NULL 行数。
• MAX / MIN：忽略 NULL 值，只比较非 NULL 值。

3.7 多列分组与聚合嵌套

授信决策引擎中常需要按多个维度进行下钻分析。多列分组只需在 GROUP BY 后列出所有维度列：

SELECT
    batch_id,
    risk_level,
    COUNT(*) AS cnt,
    SUM(approved_amount) AS total_amt,
    AVG(approved_amount) AS avg_amt
FROM loan_application
GROUP BY batch_id, risk_level
ORDER BY batch_id, risk_level;

该查询按“批次 + 风险等级”的组合进行分组，输出每个组合的申请量、总金额和平均金额，是批次偏移定位分析的基础数据形态。