【背景】需要统计2023年每个产品的销售情况，来对每个产品的营销进行新的策划。有三个原始数据表格，如下

1. customers（顾客）表格：

   • customer_id（顾客ID）: 顾客的唯一标识符，采用整数类型。
   • customer_name（顾客姓名）: 顾客的姓名，采用最大长度为50的字符串类型。
   • customer_email（顾客邮箱）: 顾客的电子邮箱地址，采用最大长度为50的字符串类型。
   • customer_age（顾客年龄）: 顾客的年龄，采用整数类型。
   • PRIMARY KEY (customer_id)：将customer_id设置为主键，确保每个顾客ID的唯一性。

2. products（产品）表格：

   • product_id（产品ID）: 产品的唯一标识符，采用整数类型。
   • product_name（产品名称）: 产品的名称，采用最大长度为50的字符串类型。
   • unit_price（单价）: 产品的单价，采用十进制数类型，保留两位小数。
   • PRIMARY KEY (product_id)：将product_id设置为主键，确保每个产品ID的唯一性。

3. orders（订单）表格：

   • order_id（订单ID）: 订单的唯一标识符，采用整数类型。
   • customer_id（顾客ID）: 顾客的ID，对应customers表格中的customer_id。
   • product_id（产品ID）: 产品的ID，对应products表格中的product_id。
   • quantity（数量）: 产品的数量，采用整数类型。
   • order_date（订单日期）: 订单的日期，采用日期类型。
   • PRIMARY KEY (order_id)：将order_id设置为主键，确保每个订单ID的唯一性。

【要求】根据上面表格查询2023年每个产品的总销售额，2023年每个产品的产品单价，2023年每个产品的总销量，2023年每个产品的月平均销售额，2023年每个产品单月最高销量，2023年购买每个产品量最多的那个客户年龄段（1-10，11-20，21-30，31-40，41-50，51-60，61+），查出来的数据按照每个产品的总销售额降序排列，出现销售额一致的情况，按照产品的ID升序排列。当存在两个客户年购买量都是最高时，customer_age_group 展示年龄小的顾客的年龄段。

注意：计算数据保留2位小数。

• product_id（产品ID）: 产品的唯一标识符。
• total_sales（总销售额）: 该产品的2023年总销售额。
• unit_price（单价）: 产品的单价。
• total_quantity（总数量）: 该产品的2023年总销售数量。
• avg_monthly_sales（月均销售额）: 2023年该产品的月均销售额。
• max_monthly_quantity（最大月销售数量）: 2023年该产品的最大月销售数量。
• customer_age_group（顾客年龄段）: 2023年购买该产品的数量最多的顾客的年龄段。

【解释】

比如104产品，他的2023年销售总量是6，单价是120.00，所以总价是6*120 = 720.00，月平均销售额是720/12 == 60.00。购买量最大的客户ID是2的Bob，年龄是30，所以所在年龄段是21-30。

【示例】

customers（顾客）表格

products（产品）表格

orders（订单）表格

按要求查询出来的结果

with t1 as (     SELECT product_id, MAX(monthly_quantity) AS max_monthly_quantity FROM (     SELECT product_id, SUM(quantity) AS monthly_quantity     FROM orders     GROUP BY product_id, DATE_FORMAT(order_date, '%Y-%m') ) t GROUP BY product_id ),t2 as(     select product_id,if(customer_age%10=0,concat(customer_age-9,'-',customer_age),concat((customer_age div 10)*10+1,'-',((customer_age div 10)+1)*10)) customer_age_group      from (         select o.product_id,c.customer_age,rank() over(partition BY  o.product_id order by o.quantity desc,o.order_id) rk         from customers c          left join orders o on c.customer_id=o.customer_id     ) t     where rk=1 )  select p.product_id,total_sales,unit_price,total_quantity,avg_monthly_sales,t1.max_monthly_quantity,t2.customer_age_group  from (select p.product_id,sum(o.quantity*p.unit_price) total_sales,p.unit_price,sum(o.quantity) total_quantity,         round(sum(o.quantity*p.unit_price)/12,2) avg_monthly_sales from customers c left join orders o on c.customer_id=o.customer_id left join products p on p.product_id=o.product_id group by p.product_id order by total_sales desc) p left join t1 on p.product_id=t1.product_id left join t2 on p.product_id=t2.product_id

43:04