【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 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。 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。 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
