🛠 Workshop Buổi 6: Phân tích nâng cao với Window Function

Sử dụng database E-commerce từ Buổi 5, viết SQL nâng cao với Window Functions — xếp hạng, so sánh MoM, tích lũy, tỷ trọng — và thiết kế Star Schema cho Data Warehouse!

🎯 Mục tiêu

Sau khi hoàn thành workshop này, bạn sẽ:

Dùng ROW_NUMBER + PARTITION BY để tìm TOP N sản phẩm trong mỗi category — xếp hạng trong nhóm
Áp dụng LAG để tính MoM revenue growth — so sánh doanh thu tháng này vs tháng trước
Tính Running Total + % of Total bằng SUM OVER — doanh thu tích lũy và tỷ trọng trong danh mục
Thiết kế Star Schema cho database e-commerce — xác định fact table, dimension tables, grain
Rút ra 3 insight kinh doanh từ kết quả Window Function — có số liệu cụ thể, sẵn sàng đưa vào portfolio

🧰 Công cụ & Setup

Công cụ	Link	Ghi chú
DB Fiddle	db-fiddle.com	Online, không cần cài đặt — chọn PostgreSQL 15 (hỗ trợ Window Functions đầy đủ)
SQLite Online	sqliteonline.com	Giao diện đơn giản — SQLite 3.25+ hỗ trợ Window Functions
BigQuery Sandbox	cloud.google.com/bigquery/docs/sandbox	Miễn phí 1 TB/tháng — trải nghiệm cloud DW thực tế

Setup trước buổi học

Truy cập DB Fiddle (db-fiddle.com) → chọn PostgreSQL 15 (⚠️ Buổi 6 cần PostgreSQL, không dùng SQLite như Buổi 5 — vì PostgreSQL hỗ trợ Window Functions đầy đủ hơn)
Copy toàn bộ phần CREATE TABLE + INSERT ở mục Dataset bên dưới → dán vào ô Schema SQL (bên trái)
Click Run để tạo database
Viết query ở ô Query SQL (bên phải) → click Run để xem kết quả
Lưu file .sql trên máy: mở VS Code → dán từng query → lưu thành HoTen_Buoi06_WindowFunction.sql

💡 Tip: Workshop Buổi 6 sử dụng cùng database từ Buổi 5 (bảng customers, products, orders, order_items) + thêm dữ liệu mới cho Window Functions. Nếu bạn đã lưu schema Buổi 5, chỉ cần thêm INSERT mới!

📦 Dataset: E-commerce Database (mở rộng)

Database mô phỏng hệ thống e-commerce tại Việt Nam gồm 4 bảng liên kết — mở rộng từ Buổi 5 với thêm dữ liệu T11–T12/2025 và T01/2026 để thực hành Window Functions.

Sơ đồ quan hệ (ERD)

┌──────────────┐       ┌──────────────┐
│  customers   │       │   products   │
├──────────────┤       ├──────────────┤
│ customer_id  │ (PK)  │ product_id   │ (PK)
│ name         │       │ product_name │
│ email        │       │ category     │
│ region       │       │ price        │
│ signup_date  │       │ stock_qty    │
└──────┬───────┘       └──────┬───────┘
       │ 1:N                  │ 1:N
       │                      │
       ▼                      ▼
┌──────────────┐       ┌──────────────┐
│   orders     │       │ order_items  │
├──────────────┤       ├──────────────┤
│ order_id     │ (PK)  │ item_id      │ (PK)
│ customer_id  │ (FK)  │ order_id     │ (FK)
│ order_date   │       │ product_id   │ (FK)
│ status       │       │ quantity     │
│ total_amount │       │ unit_price   │
└──────┬───────┘       └──────────────┘
       │ 1:N                  ▲
       └──────────────────────┘

Schema & Sample Data

Copy toàn bộ block SQL dưới đây vào ô Schema SQL của DB Fiddle (chọn PostgreSQL 15):

sql

-- =============================================
-- E-COMMERCE DATABASE — Workshop Buổi 6
-- Mở rộng từ Buổi 5 + thêm data cho Window Functions
-- 4 bảng: customers, products, orders, order_items
-- =============================================

-- 1. BẢNG CUSTOMERS — Thông tin khách hàng
CREATE TABLE customers (
    customer_id   INTEGER PRIMARY KEY,
    name          TEXT NOT NULL,
    email         TEXT,
    region        TEXT,
    signup_date   DATE
);

INSERT INTO customers (customer_id, name, email, region, signup_date) VALUES
(1,  'Nguyễn Văn An',      'an.nguyen@email.com',    'Bắc',        '2024-01-15'),
(2,  'Trần Thị Bình',      'binh.tran@email.com',    'Nam',        '2024-02-20'),
(3,  'Lê Hoàng Cường',     'cuong.le@email.com',     'Trung',      '2024-03-10'),
(4,  'Phạm Minh Dũng',     'dung.pham@email.com',    'Bắc',        '2024-04-05'),
(5,  'Hoàng Thị Em',       'em.hoang@email.com',     'Nam',        '2024-05-18'),
(6,  'Võ Đức Phong',       'phong.vo@email.com',     'Tây Nguyên', '2024-06-22'),
(7,  'Đặng Thu Hà',        'ha.dang@email.com',      'Bắc',        '2024-07-30'),
(8,  'Bùi Quang Huy',      NULL,                     'Trung',      '2024-08-14'),
(9,  'Ngô Thị Lan',        'lan.ngo@email.com',      'Nam',        '2024-09-01'),
(10, 'Trịnh Văn Mạnh',     'manh.trinh@email.com',   'Bắc',        '2024-10-12'),
(11, 'Lý Thị Ngọc',        NULL,                     'Tây Nguyên', '2024-11-05'),
(12, 'Dương Công Ơn',      'on.duong@email.com',     'Trung',      '2024-12-20'),
(13, 'Mai Thị Phượng',     'phuong.mai@email.com',   'Nam',        '2025-01-08'),
(14, 'Huỳnh Thanh Quân',   NULL,                     'Bắc',        '2025-02-14'),
(15, 'Tô Thị Rạng',        'rang.to@email.com',      'Trung',      '2025-03-22');

-- 2. BẢNG PRODUCTS — Danh mục sản phẩm
CREATE TABLE products (
    product_id    INTEGER PRIMARY KEY,
    product_name  TEXT NOT NULL,
    category      TEXT,
    price         REAL,
    stock_qty     INTEGER
);

INSERT INTO products (product_id, product_name, category, price, stock_qty) VALUES
(101, 'Áo thun nam basic',         'Thời Trang',  250000,   120),
(102, 'Quần jean slim fit',        'Thời Trang',  450000,    80),
(103, 'Tai nghe Bluetooth',        'Điện Tử',     350000,   200),
(104, 'Sạc dự phòng 10000mAh',    'Điện Tử',     280000,   150),
(105, 'Nồi cơm điện 1.8L',        'Gia Dụng',    850000,    60),
(106, 'Bình giữ nhiệt 500ml',     'Gia Dụng',    180000,   300),
(107, 'Cà phê rang xay 500g',     'Thực Phẩm',   120000,   500),
(108, 'Trà oolong hộp 100 túi',   'Thực Phẩm',    95000,   400),
(109, 'Kem chống nắng SPF50',     'Mỹ Phẩm',     320000,   180),
(110, 'Sữa rửa mặt trà xanh',    'Mỹ Phẩm',     150000,   250),
(111, 'Laptop văn phòng 14"',     'Điện Tử',   12500000,    25),
(112, 'Bàn phím cơ gaming',       'Điện Tử',    1200000,    70);

-- 3. BẢNG ORDERS — Đơn hàng (mở rộng: 01/2025 → 01/2026)
CREATE TABLE orders (
    order_id      INTEGER PRIMARY KEY,
    customer_id   INTEGER,
    order_date    DATE,
    status        TEXT,
    total_amount  REAL,
    FOREIGN KEY (customer_id) REFERENCES customers(customer_id)
);

INSERT INTO orders (order_id, customer_id, order_date, status, total_amount) VALUES
-- Dữ liệu Buổi 5 (01/2025 → 10/2025)
(1001, 1,  '2025-01-05', 'completed',  700000),
(1002, 2,  '2025-01-12', 'completed', 1300000),
(1003, 3,  '2025-01-20', 'completed',  350000),
(1004, 1,  '2025-02-03', 'completed',  530000),
(1005, 4,  '2025-02-14', 'completed',  850000),
(1006, 5,  '2025-02-28', 'cancelled',  450000),
(1007, 6,  '2025-03-05', 'completed',  280000),
(1008, 2,  '2025-03-15', 'completed', 1850000),
(1009, 7,  '2025-03-22', 'completed',  620000),
(1010, 8,  '2025-04-01', 'completed',  350000),
(1011, 3,  '2025-04-10', 'completed',   950000),
(1012, 9,  '2025-04-18', 'completed', 2400000),
(1013, 10, '2025-05-02', 'completed',  180000),
(1014, 1,  '2025-05-15', 'completed', 12500000),
(1015, 11, '2025-05-20', 'cancelled',  320000),
(1016, 4,  '2025-06-01', 'completed',  720000),
(1017, 12, '2025-06-12', 'completed',  215000),
(1018, 5,  '2025-06-25', 'completed',  1050000),
(1019, 13, '2025-07-03', 'completed',  470000),
(1020, 2,  '2025-07-14', 'completed',  960000),
(1021, 14, '2025-07-28', 'completed',  350000),
(1022, 7,  '2025-08-05', 'completed', 1680000),
(1023, 15, '2025-08-18', 'cancelled',  250000),
(1024, 9,  '2025-08-22', 'completed',  540000),
(1025, 6,  '2025-09-01', 'completed',  850000),
(1026, 10, '2025-09-15', 'completed', 3600000),
(1027, 3,  '2025-09-28', 'completed',  150000),
(1028, 1,  '2025-10-05', 'completed',  1900000),
(1029, 8,  '2025-10-18', 'completed',  630000),
(1030, 11, '2025-10-30', 'completed',  280000),
-- Dữ liệu mới Buổi 6 (11/2025 → 01/2026)
(1031, 2,  '2025-11-03', 'completed', 2200000),
(1032, 1,  '2025-11-08', 'completed',  980000),
(1033, 4,  '2025-11-15', 'completed', 1500000),
(1034, 7,  '2025-11-20', 'completed',  450000),
(1035, 9,  '2025-11-25', 'completed', 3200000),
(1036, 3,  '2025-11-28', 'completed',  680000),
(1037, 5,  '2025-12-02', 'completed', 1800000),
(1038, 10, '2025-12-05', 'completed',  950000),
(1039, 1,  '2025-12-10', 'completed', 2500000),
(1040, 2,  '2025-12-15', 'completed', 1350000),
(1041, 6,  '2025-12-18', 'completed',  720000),
(1042, 13, '2025-12-22', 'completed',  480000),
(1043, 8,  '2025-12-28', 'completed',  350000),
(1044, 14, '2026-01-03', 'completed',  890000),
(1045, 1,  '2026-01-05', 'completed', 3200000),
(1046, 3,  '2026-01-08', 'completed', 1100000),
(1047, 5,  '2026-01-12', 'completed',  750000),
(1048, 9,  '2026-01-15', 'completed', 2800000),
(1049, 7,  '2026-01-18', 'completed',  560000),
(1050, 12, '2026-01-22', 'completed', 1650000);

-- 4. BẢNG ORDER_ITEMS — Chi tiết từng sản phẩm trong đơn hàng
CREATE TABLE order_items (
    item_id       INTEGER PRIMARY KEY,
    order_id      INTEGER,
    product_id    INTEGER,
    quantity      INTEGER,
    unit_price    REAL,
    FOREIGN KEY (order_id) REFERENCES orders(order_id),
    FOREIGN KEY (product_id) REFERENCES products(product_id)
);

INSERT INTO order_items (item_id, order_id, product_id, quantity, unit_price) VALUES
-- Dữ liệu Buổi 5
(1,  1001, 101, 2, 250000),
(2,  1001, 106, 1, 180000),
(3,  1002, 102, 2, 450000),
(4,  1002, 103, 1, 350000),
(5,  1003, 103, 1, 350000),
(6,  1004, 104, 1, 280000),
(7,  1004, 101, 1, 250000),
(8,  1005, 105, 1, 850000),
(9,  1006, 102, 1, 450000),
(10, 1007, 104, 1, 280000),
(11, 1008, 105, 1, 850000),
(12, 1008, 109, 2, 320000),
(13, 1008, 106, 1, 180000),
(14, 1009, 107, 3, 120000),
(15, 1009, 110, 1, 150000),
(16, 1009, 106, 1, 180000),
(17, 1010, 103, 1, 350000),
(18, 1011, 109, 1, 320000),
(19, 1011, 107, 2, 120000),
(20, 1011, 108, 3,  95000),
(21, 1012, 111, 1, 12500000),
(22, 1013, 106, 1, 180000),
(23, 1014, 111, 1, 12500000),
(24, 1015, 109, 1, 320000),
(25, 1016, 101, 1, 250000),
(26, 1016, 103, 1, 350000),
(27, 1016, 107, 1, 120000),
(28, 1017, 108, 1,  95000),
(29, 1017, 107, 1, 120000),
(30, 1018, 102, 1, 450000),
(31, 1018, 109, 1, 320000),
(32, 1018, 104, 1, 280000),
(33, 1019, 110, 2, 150000),
(34, 1019, 108, 1,  95000),
(35, 1020, 103, 2, 350000),
(36, 1020, 106, 1, 180000),
(37, 1021, 103, 1, 350000),
(38, 1022, 112, 1, 1200000),
(39, 1022, 101, 1, 250000),
(40, 1022, 108, 2,  95000),
(41, 1023, 101, 1, 250000),
(42, 1024, 104, 1, 280000),
(43, 1024, 110, 1, 150000),
(44, 1025, 105, 1, 850000),
(45, 1026, 111, 1, 12500000),
(46, 1027, 110, 1, 150000),
(47, 1028, 112, 1, 1200000),
(48, 1028, 102, 1, 450000),
(49, 1028, 101, 1, 250000),
(50, 1029, 107, 2, 120000),
(51, 1029, 106, 1, 180000),
(52, 1029, 108, 1,  95000),
(53, 1030, 104, 1, 280000),
-- Dữ liệu mới Buổi 6 (11/2025 → 01/2026)
(54, 1031, 111, 1, 12500000),
(55, 1031, 103, 1, 350000),
(56, 1032, 101, 2, 250000),
(57, 1032, 107, 2, 120000),
(58, 1033, 105, 1, 850000),
(59, 1033, 109, 1, 320000),
(60, 1033, 106, 1, 180000),
(61, 1034, 108, 3,  95000),
(62, 1034, 110, 1, 150000),
(63, 1035, 111, 1, 12500000),
(64, 1035, 112, 1, 1200000),
(65, 1036, 103, 1, 350000),
(66, 1036, 104, 1, 280000),
(67, 1037, 105, 1, 850000),
(68, 1037, 102, 1, 450000),
(69, 1037, 101, 2, 250000),
(70, 1038, 109, 2, 320000),
(71, 1038, 107, 1, 120000),
(72, 1039, 111, 1, 12500000),
(73, 1040, 102, 2, 450000),
(74, 1040, 108, 1,  95000),
(75, 1041, 104, 2, 280000),
(76, 1041, 106, 1, 180000),
(77, 1042, 110, 2, 150000),
(78, 1042, 107, 1, 120000),
(79, 1043, 103, 1, 350000),
(80, 1044, 112, 1, 1200000),
(81, 1045, 111, 1, 12500000),
(82, 1045, 109, 1, 320000),
(83, 1046, 105, 1, 850000),
(84, 1046, 101, 1, 250000),
(85, 1047, 102, 1, 450000),
(86, 1047, 106, 1, 180000),
(87, 1048, 111, 1, 12500000),
(88, 1048, 103, 1, 350000),
(89, 1049, 107, 2, 120000),
(90, 1049, 108, 1,  95000),
(91, 1050, 112, 1, 1200000),
(92, 1050, 104, 1, 280000);

Tổng quan dữ liệu

Bảng	Số dòng	Mô tả
customers	15	Khách hàng — 4 vùng: Bắc (5), Nam (4), Trung (3), Tây Nguyên (2), có 3 email NULL
products	12	Sản phẩm — 5 danh mục: Thời Trang, Điện Tử, Gia Dụng, Thực Phẩm, Mỹ Phẩm
orders	50	Đơn hàng — 01/2025 → 01/2026, status: completed/cancelled
order_items	92	Chi tiết đơn — liên kết order ↔ product, có quantity & unit_price

⏱️ Thời lượng

Phần	Thời gian	Nội dung
Setup & kiểm tra database	10 phút	Tạo database trên DB Fiddle (PostgreSQL 15), chạy thử SELECT
Bài tập 1: TOP N per category	25 phút	ROW_NUMBER + PARTITION BY — xếp hạng sản phẩm
Bài tập 2: MoM Revenue Growth	25 phút	LAG — so sánh doanh thu theo tháng
Bài tập 3: Running Total + % of Total	25 phút	SUM OVER — tích lũy + tỷ trọng
Bài tập Bonus: Star Schema Design	20 phút	Thiết kế fact & dimension tables
Review & Feedback	10 phút	Trình bày insight, nhận xét chéo
Tổng	115 phút

Bài tập 1: TOP N sản phẩm theo Category — ROW_NUMBER + PARTITION BY (4 query)

Hướng dẫn

Mục tiêu: Thành thạo ROW_NUMBER() OVER (PARTITION BY ... ORDER BY ...) để xếp hạng dữ liệu trong mỗi nhóm — bài toán kinh điển nhất của Window Functions.

📌 Tóm tắt pattern: CTE (tính metric + gán rank) → SELECT WHERE rank <= N

Query 1: Doanh thu mỗi sản phẩm (base query — chuẩn bị data)

Yêu cầu: Tính tổng doanh thu (quantity * unit_price) mỗi sản phẩm từ tất cả đơn hàng completed. Hiển thị product_name, category, total_revenue. Sắp xếp theo total_revenue giảm dần.

sql

-- Query 1: Doanh thu mỗi sản phẩm — base query
-- Mục đích: Chuẩn bị dữ liệu trước khi dùng Window Function
SELECT
    p.product_name,
    p.category,
    SUM(oi.quantity * oi.unit_price) AS total_revenue
FROM order_items oi
JOIN products p ON oi.product_id = p.product_id
JOIN orders o ON oi.order_id = o.order_id
WHERE o.status = 'completed'
GROUP BY p.product_name, p.category
ORDER BY total_revenue DESC;

Kết quả mong đợi (12 sản phẩm):

product_name	category	total_revenue
Laptop văn phòng 14"	Điện Tử	75,000,000
Bàn phím cơ gaming	Điện Tử	4,800,000
Nồi cơm điện 1.8L	Gia Dụng	4,250,000
Tai nghe Bluetooth	Điện Tử	3,150,000
Quần jean slim fit	Thời Trang	3,150,000
...	...	...

✅ Bạn thấy 12 sản phẩm với doanh thu — đây là base data cho Window Function!

Query 2: Xếp hạng sản phẩm trong mỗi category

Yêu cầu: Thêm cột rank_in_category — xếp hạng doanh thu trong mỗi danh mục bằng ROW_NUMBER. Hiển thị cả tổng doanh thu category bên cạnh.

sql

-- Query 2: Xếp hạng sản phẩm trong mỗi category
-- Mục đích: Hiểu PARTITION BY — chia nhóm, xếp hạng riêng mỗi nhóm
SELECT
    p.category,
    p.product_name,
    SUM(oi.quantity * oi.unit_price) AS product_revenue,
    ROW_NUMBER() OVER (
        PARTITION BY p.category
        ORDER BY SUM(oi.quantity * oi.unit_price) DESC
    ) AS rank_in_category,
    SUM(SUM(oi.quantity * oi.unit_price)) OVER (
        PARTITION BY p.category
    ) AS category_total
FROM order_items oi
JOIN products p ON oi.product_id = p.product_id
JOIN orders o ON oi.order_id = o.order_id
WHERE o.status = 'completed'
GROUP BY p.category, p.product_name
ORDER BY p.category, rank_in_category;

Kết quả mong đợi:

category	product_name	product_revenue	rank_in_category	category_total
Điện Tử	Laptop văn phòng 14"	75,000,000	1	84,630,000
Điện Tử	Bàn phím cơ gaming	4,800,000	2	84,630,000
Điện Tử	Tai nghe Bluetooth	3,150,000	3	84,630,000
Điện Tử	Sạc dự phòng 10000mAh	1,680,000	4	84,630,000
Gia Dụng	Nồi cơm điện 1.8L	4,250,000	1	5,870,000
Gia Dụng	Bình giữ nhiệt 500ml	1,620,000	2	5,870,000
...	...	...	...	...

📌 Mỗi category có numbering riêng! Laptop = hạng 1 Điện Tử, Nồi cơm = hạng 1 Gia Dụng.

Query 3: TOP 2 sản phẩm bán chạy nhất mỗi category (CTE + filter)

Yêu cầu: Chỉ lấy top 2 sản phẩm có doanh thu cao nhất trong mỗi category. Dùng CTE.

sql

-- Query 3: Top 2 sản phẩm mỗi category
-- Mục đích: Pattern kinh điển — CTE + ROW_NUMBER + WHERE rank <= N
WITH ranked_products AS (
    SELECT
        p.category,
        p.product_name,
        SUM(oi.quantity * oi.unit_price) AS product_revenue,
        ROW_NUMBER() OVER (
            PARTITION BY p.category
            ORDER BY SUM(oi.quantity * oi.unit_price) DESC
        ) AS rank_in_category
    FROM order_items oi
    JOIN products p ON oi.product_id = p.product_id
    JOIN orders o ON oi.order_id = o.order_id
    WHERE o.status = 'completed'
    GROUP BY p.category, p.product_name
)
SELECT
    category,
    product_name,
    product_revenue,
    rank_in_category
FROM ranked_products
WHERE rank_in_category <= 2
ORDER BY category, rank_in_category;

Kết quả mong đợi:

category	product_name	product_revenue	rank_in_category
Điện Tử	Laptop văn phòng 14"	75,000,000	1
Điện Tử	Bàn phím cơ gaming	4,800,000	2
Gia Dụng	Nồi cơm điện 1.8L	4,250,000	1
Gia Dụng	Bình giữ nhiệt 500ml	1,620,000	2
Mỹ Phẩm	Kem chống nắng SPF50	2,560,000	1
Mỹ Phẩm	Sữa rửa mặt trà xanh	1,200,000	2
Thời Trang	Quần jean slim fit	3,150,000	1
Thời Trang	Áo thun nam basic	2,750,000	2
Thực Phẩm	Cà phê rang xay 500g	1,560,000	1
Thực Phẩm	Trà oolong hộp 100 túi	1,140,000	2

✅ 10 dòng = 5 category × top 2. Đây là pattern quan trọng nhất — bạn sẽ dùng hàng ngày!

Query 4: So sánh ROW_NUMBER vs RANK vs DENSE_RANK

Yêu cầu: Trong cùng 1 query, thêm cả 3 loại ranking cho category Điện Tử — để thấy sự khác biệt.

sql

-- Query 4: So sánh 3 ranking functions trên cùng data
-- Mục đích: Hiểu khi nào dùng ROW_NUMBER, RANK, DENSE_RANK
SELECT
    p.category,
    p.product_name,
    SUM(oi.quantity * oi.unit_price) AS product_revenue,
    ROW_NUMBER() OVER (
        PARTITION BY p.category ORDER BY SUM(oi.quantity * oi.unit_price) DESC
    ) AS row_num,
    RANK() OVER (
        PARTITION BY p.category ORDER BY SUM(oi.quantity * oi.unit_price) DESC
    ) AS rank_pos,
    DENSE_RANK() OVER (
        PARTITION BY p.category ORDER BY SUM(oi.quantity * oi.unit_price) DESC
    ) AS dense_rank_pos
FROM order_items oi
JOIN products p ON oi.product_id = p.product_id
JOIN orders o ON oi.order_id = o.order_id
WHERE o.status = 'completed'
GROUP BY p.category, p.product_name
ORDER BY p.category, product_revenue DESC;

📌 Quan sát: Khi 2 sản phẩm có cùng revenue → ROW_NUMBER vẫn gán khác nhau (1, 2), RANK gán cùng hạng rồi skip (1, 1, 3), DENSE_RANK gán cùng hạng không skip (1, 1, 2).

Bài tập 2: MoM Revenue Growth — LAG (3 query)

Hướng dẫn

Mục tiêu: Thành thạo LAG(column, offset) OVER (ORDER BY ...) để truy cập dòng trước — tính % tăng trưởng Month-over-Month, bài toán phổ biến nhất trong báo cáo kinh doanh.

📌 Pattern: CTE (GROUP BY tháng → tổng doanh thu) → SELECT với LAG lấy tháng trước → tính % growth

Query 5: Doanh thu theo tháng (base query)

Yêu cầu: Tính tổng doanh thu mỗi tháng từ 01/2025 đến 01/2026 (chỉ completed). Hiển thị tháng và doanh thu.

sql

-- Query 5: Doanh thu theo tháng — base cho LAG
-- Mục đích: Chuẩn bị dữ liệu monthly trước khi dùng LAG
SELECT
    DATE_TRUNC('month', order_date)::DATE AS month,
    SUM(total_amount) AS monthly_revenue
FROM orders
WHERE status = 'completed'
GROUP BY DATE_TRUNC('month', order_date)
ORDER BY month;

Kết quả mong đợi (13 tháng):

month	monthly_revenue
2025-01-01	2,350,000
2025-02-01	1,380,000
2025-03-01	2,750,000
2025-04-01	3,700,000
2025-05-01	12,680,000
2025-06-01	1,985,000
2025-07-01	1,780,000
2025-08-01	2,220,000
2025-09-01	4,600,000
2025-10-01	2,810,000
2025-11-01	9,010,000
2025-12-01	8,150,000
2026-01-01	10,950,000

📌 Tháng 5 đột biến (12.68M — Laptop), T11–T1 tăng cao (mùa Tết).

Query 6: MoM Growth = doanh thu tháng hiện tại vs tháng trước

Yêu cầu: Thêm cột prev_month_revenue bằng LAG, và tính mom_growth_pct (%).

sql

-- Query 6: MoM Revenue Growth bằng LAG
-- Mục đích: So sánh doanh thu mỗi tháng với tháng trước
WITH monthly AS (
    SELECT
        DATE_TRUNC('month', order_date)::DATE AS month,
        SUM(total_amount) AS monthly_revenue
    FROM orders
    WHERE status = 'completed'
    GROUP BY DATE_TRUNC('month', order_date)
)
SELECT
    month,
    monthly_revenue,
    LAG(monthly_revenue, 1) OVER (ORDER BY month) AS prev_month_revenue,
    ROUND(
        (monthly_revenue - LAG(monthly_revenue, 1) OVER (ORDER BY month))
        * 100.0 / LAG(monthly_revenue, 1) OVER (ORDER BY month),
        1
    ) AS mom_growth_pct
FROM monthly
ORDER BY month;

Kết quả mong đợi:

month	monthly_revenue	prev_month_revenue	mom_growth_pct
2025-01-01	2,350,000	NULL	NULL
2025-02-01	1,380,000	2,350,000	-41.3
2025-03-01	2,750,000	1,380,000	99.3
2025-04-01	3,700,000	2,750,000	34.5
2025-05-01	12,680,000	3,700,000	242.7
...	...	...	...
2025-12-01	8,150,000	9,010,000	-9.5
2026-01-01	10,950,000	8,150,000	34.4

📌 Dòng đầu tiên (T1/2025) có NULL cho prev_month — vì không có tháng nào trước đó. Đây là hành vi chuẩn của LAG.

Query 7: MoM Growth + phân loại tăng/giảm + rolling average 3 tháng

Yêu cầu: Nâng cao: thêm cột phân loại (📈 Tăng / 📉 Giảm / ➡️ Ổn định) và rolling average 3 tháng.

sql

-- Query 7: MoM Growth nâng cao — phân loại + MA3
-- Mục đích: Kết hợp LAG + CASE + AVG OVER (moving average)
WITH monthly AS (
    SELECT
        DATE_TRUNC('month', order_date)::DATE AS month,
        SUM(total_amount) AS monthly_revenue
    FROM orders
    WHERE status = 'completed'
    GROUP BY DATE_TRUNC('month', order_date)
)
SELECT
    month,
    monthly_revenue,
    LAG(monthly_revenue, 1) OVER (ORDER BY month) AS prev_month,
    ROUND(
        (monthly_revenue - LAG(monthly_revenue, 1) OVER (ORDER BY month))
        * 100.0 / NULLIF(LAG(monthly_revenue, 1) OVER (ORDER BY month), 0),
        1
    ) AS mom_growth_pct,
    CASE
        WHEN monthly_revenue > LAG(monthly_revenue, 1) OVER (ORDER BY month) * 1.05
            THEN '📈 Tăng mạnh'
        WHEN monthly_revenue < LAG(monthly_revenue, 1) OVER (ORDER BY month) * 0.95
            THEN '📉 Giảm'
        ELSE '➡️ Ổn định'
    END AS trend,
    ROUND(
        AVG(monthly_revenue) OVER (
            ORDER BY month
            ROWS BETWEEN 2 PRECEDING AND CURRENT ROW
        ), 0
    ) AS moving_avg_3m
FROM monthly
ORDER BY month;

Kết quả mong đợi:

month	monthly_revenue	prev_month	mom_growth_pct	trend	moving_avg_3m
2025-01-01	2,350,000	NULL	NULL	➡️ Ổn định	2,350,000
2025-02-01	1,380,000	2,350,000	-41.3	📉 Giảm	1,865,000
2025-03-01	2,750,000	1,380,000	99.3	📈 Tăng mạnh	2,160,000
...	...	...	...	...	...

📌 NULLIF tránh chia cho 0. ROWS BETWEEN 2 PRECEDING AND CURRENT ROW = moving average 3 tháng gần nhất.

Bài tập 3: Running Total + Percent of Total — SUM OVER (3 query)

Hướng dẫn

Mục tiêu: Thành thạo SUM(...) OVER (ORDER BY ...) cho running total và SUM(...) OVER (PARTITION BY ...) cho tỷ trọng % — hai kỹ thuật phân tích quan trọng nhất cho báo cáo kinh doanh.

Query 8: Running Total doanh thu tích lũy theo tháng

Yêu cầu: Tính doanh thu tích lũy (cumulative) từ T1/2025 → T1/2026. Mỗi dòng = doanh thu tháng + tổng tích lũy đến tháng đó.

sql

-- Query 8: Running Total — doanh thu tích lũy theo tháng
-- Mục đích: SUM OVER (ORDER BY) → cumulative sum
WITH monthly AS (
    SELECT
        DATE_TRUNC('month', order_date)::DATE AS month,
        SUM(total_amount) AS monthly_revenue
    FROM orders
    WHERE status = 'completed'
    GROUP BY DATE_TRUNC('month', order_date)
)
SELECT
    month,
    monthly_revenue,
    SUM(monthly_revenue) OVER (
        ORDER BY month
        ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
    ) AS cumulative_revenue
FROM monthly
ORDER BY month;

Kết quả mong đợi:

month	monthly_revenue	cumulative_revenue
2025-01-01	2,350,000	2,350,000
2025-02-01	1,380,000	3,730,000
2025-03-01	2,750,000	6,480,000
2025-04-01	3,700,000	10,180,000
2025-05-01	12,680,000	22,860,000
...	...	...
2026-01-01	10,950,000	63,365,000

📌 Dòng cuối: cumulative = tổng tất cả = 63.365M. Đây là sanity check — cumulative cuối kỳ PHẢI bằng SUM toàn bộ.

Query 9: Percent of Total — tỷ trọng doanh thu sản phẩm trong category

Yêu cầu: Tính % doanh thu mỗi sản phẩm so với tổng category (dùng SUM OVER PARTITION BY). Sắp xếp theo category rồi % giảm dần.

sql

-- Query 9: Percent of Total — tỷ trọng trong mỗi category
-- Mục đích: SUM OVER (PARTITION BY) → tổng nhóm, rồi chia
WITH product_rev AS (
    SELECT
        p.category,
        p.product_name,
        SUM(oi.quantity * oi.unit_price) AS product_revenue
    FROM order_items oi
    JOIN products p ON oi.product_id = p.product_id
    JOIN orders o ON oi.order_id = o.order_id
    WHERE o.status = 'completed'
    GROUP BY p.category, p.product_name
)
SELECT
    category,
    product_name,
    product_revenue,
    SUM(product_revenue) OVER (PARTITION BY category) AS category_total,
    ROUND(
        product_revenue * 100.0
        / SUM(product_revenue) OVER (PARTITION BY category),
        1
    ) AS pct_of_category
FROM product_rev
ORDER BY category, pct_of_category DESC;

Kết quả mong đợi:

category	product_name	product_revenue	category_total	pct_of_category
Điện Tử	Laptop văn phòng 14"	75,000,000	84,630,000	88.6
Điện Tử	Bàn phím cơ gaming	4,800,000	84,630,000	5.7
Điện Tử	Tai nghe Bluetooth	3,150,000	84,630,000	3.7
Điện Tử	Sạc dự phòng 10000mAh	1,680,000	84,630,000	2.0
Gia Dụng	Nồi cơm điện 1.8L	4,250,000	5,870,000	72.4
...	...	...	...	...

📌 Laptop chiếm 88.6% doanh thu Điện Tử — concentration risk! Insight kinh doanh: phụ thuộc quá nhiều vào 1 sản phẩm.

Query 10: Running Total + % of Grand Total + Cumulative %

Yêu cầu: Kết hợp: doanh thu mỗi tháng + running total + % so tổng năm + cumulative % — tất cả trong 1 query.

sql

-- Query 10: All-in-one — Running Total + % + Cumulative %
-- Mục đích: Kết hợp nhiều Window Functions trong 1 query
WITH monthly AS (
    SELECT
        DATE_TRUNC('month', order_date)::DATE AS month,
        SUM(total_amount) AS monthly_revenue
    FROM orders
    WHERE status = 'completed'
    GROUP BY DATE_TRUNC('month', order_date)
)
SELECT
    month,
    monthly_revenue,
    -- Running total
    SUM(monthly_revenue) OVER (
        ORDER BY month
        ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
    ) AS cumulative_revenue,
    -- % so với tổng toàn bộ
    ROUND(
        monthly_revenue * 100.0
        / SUM(monthly_revenue) OVER (),
        1
    ) AS pct_of_total,
    -- Cumulative % (tích lũy %)
    ROUND(
        SUM(monthly_revenue) OVER (
            ORDER BY month
            ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
        ) * 100.0
        / SUM(monthly_revenue) OVER (),
        1
    ) AS cumulative_pct
FROM monthly
ORDER BY month;

Kết quả mong đợi:

month	monthly_revenue	cumulative_revenue	pct_of_total	cumulative_pct
2025-01-01	2,350,000	2,350,000	3.7	3.7
2025-02-01	1,380,000	3,730,000	2.2	5.9
2025-03-01	2,750,000	6,480,000	4.3	10.2
...	...	...	...	...
2025-12-01	8,150,000	52,415,000	12.9	82.7
2026-01-01	10,950,000	63,365,000	17.3	100.0

📌 SUM() OVER () — không có ORDER BY, không có PARTITION BY → tổng toàn bộ (grand total). SUM() OVER (ORDER BY month) → running total. Hai window functions khác nhau hoàn toàn!

Bài tập Bonus: Thiết kế Star Schema cho E-commerce (thiết kế + SQL)

Hướng dẫn

Mục tiêu: Áp dụng Kimball Dimensional Modeling — chuyển database OLTP hiện tại (4 bảng normalized) thành Star Schema (1 fact + 3 dimension tables).

📌 Bạn không cần tạo database mới — chỉ cần viết DDL (CREATE TABLE) và vẽ ERD trên giấy/tool.

Bonus Query 1: Thiết kế Star Schema — DDL

Yêu cầu: Viết SQL tạo Star Schema gồm: dim_customer, dim_product, dim_date, fact_order_items.

sql

-- =============================================
-- STAR SCHEMA DESIGN — E-commerce ShopVN
-- Chuyển từ OLTP (4 bảng) → Star Schema (1 fact + 3 dim)
-- =============================================

-- DIMENSION: dim_date — Bảng ngày tháng
CREATE TABLE dim_date (
    date_key        INTEGER PRIMARY KEY,      -- YYYYMMDD, ví dụ: 20260115
    full_date       DATE NOT NULL,
    day_of_week     INTEGER,                  -- 1 = Monday ... 7 = Sunday
    day_name        VARCHAR(10),              -- 'Monday', 'Tuesday'...
    day_of_month    INTEGER,                  -- 1–31
    week_of_year    INTEGER,                  -- 1–53
    month_number    INTEGER,                  -- 1–12
    month_name      VARCHAR(10),              -- 'January', 'February'...
    quarter         INTEGER,                  -- 1, 2, 3, 4
    year            INTEGER,
    is_weekend      BOOLEAN DEFAULT FALSE,
    is_holiday      BOOLEAN DEFAULT FALSE
);

-- DIMENSION: dim_customer — Thông tin khách hàng
CREATE TABLE dim_customer (
    customer_key    INTEGER PRIMARY KEY,       -- Surrogate key
    customer_id     INTEGER NOT NULL,          -- Business key (từ OLTP)
    customer_name   TEXT NOT NULL,
    email           TEXT,
    region          TEXT,
    city            TEXT,
    signup_date     DATE,
    -- SCD Type 2 fields
    effective_date  DATE NOT NULL,
    expiry_date     DATE DEFAULT '9999-12-31',
    is_current      BOOLEAN DEFAULT TRUE
);

-- DIMENSION: dim_product — Thông tin sản phẩm
CREATE TABLE dim_product (
    product_key     INTEGER PRIMARY KEY,       -- Surrogate key
    product_id      INTEGER NOT NULL,          -- Business key (từ OLTP)
    product_name    TEXT NOT NULL,
    category        TEXT,
    price           REAL,
    brand           TEXT,
    -- SCD Type 1 (overwrite)
    last_updated    DATE
);

-- FACT: fact_order_items — Bảng sự kiện chi tiết bán hàng
-- Grain: 1 dòng = 1 sản phẩm trong 1 đơn hàng (line item)
CREATE TABLE fact_order_items (
    order_item_key  INTEGER PRIMARY KEY,       -- Surrogate key
    -- Foreign keys → dimensions
    date_key        INTEGER REFERENCES dim_date(date_key),
    customer_key    INTEGER REFERENCES dim_customer(customer_key),
    product_key     INTEGER REFERENCES dim_product(product_key),
    -- Degenerate dimension (không cần bảng riêng)
    order_id        INTEGER,                   -- DD: mã đơn hàng
    -- Measures (metrics)
    quantity        INTEGER,
    unit_price      REAL,
    line_total      REAL,                      -- quantity * unit_price
    discount_amount REAL DEFAULT 0
);

📌 Grain: 1 dòng = 1 line item (1 sản phẩm trong 1 đơn hàng). Đây là mức chi tiết cao nhất — có thể aggregate lên bất kỳ mức nào (theo ngày, theo sản phẩm, theo khách hàng).

Bonus Query 2: Vẽ ERD Star Schema (text-based)

              ┌─────────────────┐
              │   dim_product    │
              │─────────────────│
              │ product_key (PK)│──┐
              │ product_id      │  │
              │ product_name    │  │
              │ category        │  │
              │ price           │  │
              │ brand           │  │
              └─────────────────┘  │
                                    │
┌─────────────────┐                │    ┌────────────────────────┐
│   dim_customer   │                │    │   fact_order_items      │
│─────────────────│                │    │────────────────────────│
│ customer_key (PK)│───────────────┼───>│ order_item_key (PK)    │
│ customer_id      │               │    │ date_key (FK)     ─────│──> dim_date
│ customer_name    │               └───>│ customer_key (FK) ─────│──> dim_customer
│ email            │                    │ product_key (FK)  ─────│──> dim_product
│ region           │                    │ order_id (DD)          │
│ signup_date      │                    │ quantity               │
│ effective_date   │                    │ unit_price             │
│ expiry_date      │                    │ line_total             │
│ is_current       │                    │ discount_amount        │
└─────────────────┘                    └────────────────────────┘
                                                    │
              ┌─────────────────┐                   │
              │    dim_date      │                   │
              │─────────────────│                   │
              │ date_key (PK)   │<──────────────────┘
              │ full_date       │
              │ day_name        │
              │ month_name      │
              │ quarter         │
              │ year            │
              │ is_weekend      │
              │ is_holiday      │
              └─────────────────┘

Bonus Query 3: Query mẫu trên Star Schema

Yêu cầu: Viết query phân tích doanh thu theo quý + category + region trên star schema (giả sử đã có data).

sql

-- Bonus Query 3: Phân tích doanh thu trên Star Schema
-- Pattern: FROM fact → JOIN dim₁ → JOIN dim₂ → JOIN dim₃
-- Lọc trên dimension, aggregate trên fact
SELECT
    d.year,
    d.quarter,
    p.category,
    c.region,
    SUM(f.line_total)                       AS total_revenue,
    COUNT(*)                                AS total_items_sold,
    COUNT(DISTINCT f.order_id)              AS total_orders,
    ROUND(AVG(f.line_total), 0)             AS avg_item_value,
    -- Window Function trên Star Schema!
    SUM(SUM(f.line_total)) OVER (
        PARTITION BY d.year, p.category
        ORDER BY d.quarter
        ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
    ) AS cumulative_category_revenue
FROM fact_order_items f
JOIN dim_date     d ON f.date_key     = d.date_key
JOIN dim_product  p ON f.product_key  = p.product_key
JOIN dim_customer c ON f.customer_key = c.customer_key
WHERE d.year = 2025
    AND c.is_current = TRUE       -- Chỉ lấy dimension record hiện tại (SCD Type 2)
GROUP BY d.year, d.quarter, p.category, c.region
ORDER BY d.quarter, total_revenue DESC;

📌 Lưu ý Kimball pattern: FROM fact → JOIN dim. Lọc trên dim (WHERE d.year = 2025). Aggregate trên fact (SUM(f.line_total)). GROUP BY dim attributes.

📋 Deliverable — Bài nộp

Yêu cầu nộp

#	Nội dung	Format
1	File SQL — tất cả 10 query + 3 bonus (có comment giải thích)	`HoTen_Buoi06_WindowFunction.sql`
2	Bảng kết quả — screenshot hoặc copy kết quả query chính	Paste vào file Word/Google Doc
3	ERD Star Schema — vẽ tay hoặc tool (draw.io, dbdiagram.io)	Ảnh hoặc PDF
4	3 insight kinh doanh — rút ra từ kết quả Window Function, có số liệu cụ thể	Viết trong cùng file Word/Google Doc

Template file .sql

sql

-- =============================================
-- Workshop Buổi 6: Phân tích nâng cao với Window Function
-- Họ tên: [Điền tên]
-- Ngày: [Điền ngày]
-- =============================================

-- === BÀI TẬP 1: TOP N PER CATEGORY (ROW_NUMBER + PARTITION BY) ===

-- Query 1: Doanh thu mỗi sản phẩm (base query)
-- [Paste query ở đây]

-- Query 2: Xếp hạng sản phẩm trong mỗi category
-- [Paste query ở đây]

-- Query 3: Top 2 sản phẩm mỗi category (CTE + filter)
-- [Paste query ở đây]

-- Query 4: So sánh ROW_NUMBER vs RANK vs DENSE_RANK
-- [Paste query ở đây]

-- === BÀI TẬP 2: MoM REVENUE GROWTH (LAG) ===

-- Query 5: Doanh thu theo tháng (base query)
-- [Paste query ở đây]

-- Query 6: MoM Growth bằng LAG
-- [Paste query ở đây]

-- Query 7: MoM Growth nâng cao (phân loại + MA3)
-- [Paste query ở đây]

-- === BÀI TẬP 3: RUNNING TOTAL + % OF TOTAL (SUM OVER) ===

-- Query 8: Running Total doanh thu tích lũy
-- [Paste query ở đây]

-- Query 9: Percent of Total (tỷ trọng trong category)
-- [Paste query ở đây]

-- Query 10: All-in-one — Running Total + % + Cumulative %
-- [Paste query ở đây]

-- === BONUS: STAR SCHEMA DESIGN ===

-- Bonus 1: DDL — CREATE TABLE star schema
-- [Paste DDL ở đây]

-- Bonus 2: ERD mô tả (vẽ riêng hoặc paste text diagram)

-- Bonus 3: Query mẫu trên star schema
-- [Paste query ở đây]

-- === 3 INSIGHT ===
-- Insight 1: [Viết ở đây]
-- Insight 2: [Viết ở đây]
-- Insight 3: [Viết ở đây]

3 Insight mẫu (tham khảo)

Insight 1 — Laptop văn phòng chiếm 88.6% doanh thu Điện Tử — rủi ro tập trung: Trong category Điện Tử, Laptop văn phòng 14" chiếm 88.6% tổng doanh thu (75M / 84.6M). Nếu nguồn cung Laptop gián đoạn hoặc demand giảm, doanh thu category sụt 80%+. → Kiến nghị: đẩy mạnh bán Bàn phím cơ gaming (5.7%) và Tai nghe Bluetooth (3.7%) để giảm concentration risk. Target: top 1 product ≤ 60% category revenue.

Insight 2 — Doanh thu Q4/2025 + T1/2026 chiếm 46% cả năm — mùa vụ rõ ràng: Running total cho thấy doanh thu tích lũy đến hết T9/2025 = 31.1M (49%), nhưng chỉ riêng T10–T1/2026 = 31.9M (51%). Tháng cao nhất: T5 (12.68M — outlier Laptop) và T1/2026 (10.95M — mùa Tết). → Kiến nghị: tăng inventory + budget marketing từ T10, chuẩn bị flash sale Black Friday (T11) và Tết (T12–T1).

Insight 3 — MoM growth biến động mạnh: cần moving average để đánh giá trend: MoM growth dao động từ -41.3% (T2) đến +242.7% (T5) — biến động quá lớn do outlier (đơn Laptop). Moving average 3 tháng cho bức tranh ổn định hơn: trend tổng thể tăng từ H2/2025. → Kiến nghị: báo cáo cho board dùng MA3 (moving average 3 tháng) thay vì MoM raw — tránh panic khi 1 tháng giảm do seasonal.

📝 Tiêu chí chấm

Tiêu chí	Trọng số	Chi tiết
Query đúng cú pháp & chạy được	25%	10 query chính đều chạy không lỗi trên PostgreSQL
Kết quả chính xác	25%	Output khớp với bảng kết quả mong đợi
Window Function đúng	20%	ROW_NUMBER, LAG, SUM OVER dùng đúng cú pháp + đúng logic
Comment giải thích	10%	Mỗi query có comment mô tả mục đích, window function dùng
3 Insight có chất lượng	15%	Có số liệu cụ thể, có so sánh, có kiến nghị hành động
Bonus (Star Schema)	5%	DDL đúng Kimball pattern + ERD rõ ràng
Tổng	100%

Rubric chi tiết

Mức	Điểm	Mô tả
Xuất sắc	9–10	10/10 query đúng, Window Function chính xác, 3 insight sâu sắc, có bonus Star Schema
Tốt	7–8	8–9/10 query đúng, Window Function đúng logic, 3 insight có số liệu
Đạt	5–6	6–7/10 query đúng, hiểu concept Window Function, 2 insight cơ bản
Chưa đạt	< 5	< 6 query đúng hoặc Window Function sai logic

💡 Tips & Best Practices

Window Function Cheat Sheet

sql

-- RANKING — xếp hạng
ROW_NUMBER() OVER (PARTITION BY group ORDER BY metric DESC)  -- unique rank
RANK()       OVER (PARTITION BY group ORDER BY metric DESC)  -- skip ties
DENSE_RANK() OVER (PARTITION BY group ORDER BY metric DESC)  -- no skip

-- OFFSET — truy cập dòng khác
LAG(column, 1)  OVER (ORDER BY date)   -- dòng trước
LEAD(column, 1) OVER (ORDER BY date)   -- dòng sau

-- AGGREGATE — tổng hợp giữ dòng
SUM(col) OVER ()                                   -- grand total
SUM(col) OVER (PARTITION BY group)                 -- group total
SUM(col) OVER (ORDER BY date ROWS UNBOUNDED PRECEDING) -- running total
AVG(col) OVER (ORDER BY date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) -- MA3

Thứ tự thực thi SQL (nhắc lại + Window Functions)

Thứ tự VIẾT:        Thứ tự CHẠY:
1. SELECT            6. SELECT (+ Window Functions)
2. FROM              1. FROM / JOIN
3. WHERE             2. WHERE
4. GROUP BY          3. GROUP BY
5. HAVING            4. HAVING
6. Window Functions  5. Window Functions (chạy SAU GROUP BY, TRƯỚC ORDER BY)
7. ORDER BY          7. ORDER BY
8. LIMIT             8. LIMIT

📌 Window Functions chạy SAU GROUP BY nhưng TRƯỚC ORDER BY/LIMIT. Đó là lý do bạn có thể dùng SUM(SUM(x)) OVER (...) — aggregate trước (GROUP BY), rồi window function trên kết quả aggregate.

Lỗi thường gặp

Lỗi	Nguyên nhân	Cách sửa
`window function not allowed in WHERE`	Window function chạy sau WHERE	Dùng CTE: tính trong CTE, lọc ở query ngoài
`window function not allowed in GROUP BY`	Không thể group by window result	Dùng CTE tách logic
Running total = grand total	Thiếu ORDER BY trong OVER	Thêm `ORDER BY date` hoặc explicit frame
LAG trả NULL dòng đầu	Không có dòng trước	Dùng `LAG(col, 1, 0)` hoặc `COALESCE(LAG(...), 0)`
RANK bỏ qua thứ hạng	Dùng RANK thay vì DENSE_RANK	Đổi sang DENSE_RANK nếu không muốn skip
Kết quả duplicate	PARTITION BY không đủ chi tiết	Kiểm tra lại PARTITION BY + GROUP BY

🔗 Tài liệu tham khảo

📖 PostgreSQL Window Functions Tutorial — Tutorial chính thức
📖 PostgreSQL Window Function Reference — Reference đầy đủ
🎮 DataLemur SQL Questions — Practice window function interviews
🎮 LeetCode Database Problems — SQL challenges
📊 Mode Analytics — Window Functions — Tutorial cho analysts
📝 Kimball Group — Dimensional Modeling — Star schema design tips
🛠 DB Fiddle — Viết & test SQL trực tuyến
🛠 dbdiagram.io — Vẽ ERD online miễn phí

🔗 Quay lại: Buổi 6: SQL — Window Function & Data Warehouse

🛠 Workshop Buổi 6: Phân tích nâng cao với Window Function ​

🎯 Mục tiêu ​

🧰 Công cụ & Setup ​

Setup trước buổi học ​

📦 Dataset: E-commerce Database (mở rộng) ​

Sơ đồ quan hệ (ERD) ​

Schema & Sample Data ​

Tổng quan dữ liệu ​

⏱️ Thời lượng ​

Bài tập 1: TOP N sản phẩm theo Category — ROW_NUMBER + PARTITION BY (4 query) ​

Hướng dẫn ​

Query 1: Doanh thu mỗi sản phẩm (base query — chuẩn bị data) ​

Query 2: Xếp hạng sản phẩm trong mỗi category ​

Query 3: TOP 2 sản phẩm bán chạy nhất mỗi category (CTE + filter) ​

Query 4: So sánh ROW_NUMBER vs RANK vs DENSE_RANK ​

Bài tập 2: MoM Revenue Growth — LAG (3 query) ​

Hướng dẫn ​

Query 5: Doanh thu theo tháng (base query) ​

Query 6: MoM Growth = doanh thu tháng hiện tại vs tháng trước ​

Query 7: MoM Growth + phân loại tăng/giảm + rolling average 3 tháng ​

Bài tập 3: Running Total + Percent of Total — SUM OVER (3 query) ​

Hướng dẫn ​

Query 8: Running Total doanh thu tích lũy theo tháng ​

Query 9: Percent of Total — tỷ trọng doanh thu sản phẩm trong category ​

Query 10: Running Total + % of Grand Total + Cumulative % ​

Bài tập Bonus: Thiết kế Star Schema cho E-commerce (thiết kế + SQL) ​

Hướng dẫn ​

Bonus Query 1: Thiết kế Star Schema — DDL ​

Bonus Query 2: Vẽ ERD Star Schema (text-based) ​

Bonus Query 3: Query mẫu trên Star Schema ​

📋 Deliverable — Bài nộp ​

Yêu cầu nộp ​

Template file .sql ​

3 Insight mẫu (tham khảo) ​

📝 Tiêu chí chấm ​

Rubric chi tiết ​

💡 Tips & Best Practices ​

Window Function Cheat Sheet ​

Thứ tự thực thi SQL (nhắc lại + Window Functions) ​

Lỗi thường gặp ​

🔗 Tài liệu tham khảo ​

🛠 Workshop Buổi 6: Phân tích nâng cao với Window Function

🎯 Mục tiêu

🧰 Công cụ & Setup

Setup trước buổi học

📦 Dataset: E-commerce Database (mở rộng)

Sơ đồ quan hệ (ERD)

Schema & Sample Data

Tổng quan dữ liệu

⏱️ Thời lượng

Bài tập 1: TOP N sản phẩm theo Category — ROW_NUMBER + PARTITION BY (4 query)

Hướng dẫn

Query 1: Doanh thu mỗi sản phẩm (base query — chuẩn bị data)

Query 2: Xếp hạng sản phẩm trong mỗi category

Query 3: TOP 2 sản phẩm bán chạy nhất mỗi category (CTE + filter)

Query 4: So sánh ROW_NUMBER vs RANK vs DENSE_RANK

Bài tập 2: MoM Revenue Growth — LAG (3 query)

Hướng dẫn

Query 5: Doanh thu theo tháng (base query)

Query 6: MoM Growth = doanh thu tháng hiện tại vs tháng trước

Query 7: MoM Growth + phân loại tăng/giảm + rolling average 3 tháng

Bài tập 3: Running Total + Percent of Total — SUM OVER (3 query)

Hướng dẫn

Query 8: Running Total doanh thu tích lũy theo tháng

Query 9: Percent of Total — tỷ trọng doanh thu sản phẩm trong category

Query 10: Running Total + % of Grand Total + Cumulative %

Bài tập Bonus: Thiết kế Star Schema cho E-commerce (thiết kế + SQL)

Hướng dẫn

Bonus Query 1: Thiết kế Star Schema — DDL

Bonus Query 2: Vẽ ERD Star Schema (text-based)

Bonus Query 3: Query mẫu trên Star Schema

📋 Deliverable — Bài nộp

Yêu cầu nộp

Template file .sql

3 Insight mẫu (tham khảo)

📝 Tiêu chí chấm

Rubric chi tiết

💡 Tips & Best Practices

Window Function Cheat Sheet

Thứ tự thực thi SQL (nhắc lại + Window Functions)

Lỗi thường gặp

🔗 Tài liệu tham khảo