播面

面试真题：二八法则 - 计算平台 80% 销售额贡献的热销商品占比

1. 模拟数据

以下是平台在售商品及历史销售额数据表 product_sales：

2. 考察重点

这道题是经典的 ABC 分类法（帕累托二八法则） 在业务分析中的实际应用，面试官主要考察以下能力：

1. 窗口函数（Window Functions）的熟练度：如何使用 SUM() OVER() 同时计算全局总和与累计和（Running Total）。
2. 边界条件处理：如何精准界定“贡献了前 80% 销售额”的商品边界。
3. 业务逻辑理解：明确“在售商品”的过滤条件（is_on_sale = 1），以及如何将分析拆解为“求分子（热销数）”与“求分母（总在售数）”。

3. SQL 解决方案 (以 PostgreSQL / Hive / MySQL 8.0+ 为准)

WITH sales_ranked AS (
    SELECT
        product_id,
        sales_amount,
        -- 1. 计算当前商品及以上商品的历史累计销售额 (按销售额降序排列)
        SUM(sales_amount) OVER (ORDER BY sales_amount DESC) AS cum_sales,
        -- 2. 计算所有在售商品的总销售额
        SUM(sales_amount) OVER () AS total_sales,
        -- 3. 计算在售商品的总总数（作为分母）
        COUNT(product_id) OVER () AS total_count
    FROM product_sales
    WHERE is_on_sale = 1  -- 只统计在售商品
),
hot_products AS (
    SELECT
        product_id,
        total_count
    FROM sales_ranked
    -- 4. 边界判定：排除掉当前商品后，前面的累积贡献率不足 80% 
    -- 这样可以确保刚好让累计销售额跨过 80% 门槛的那款商品也被包含进来
    WHERE (cum_sales - sales_amount) / total_sales < 0.8
)
SELECT
    COUNT(product_id) AS hot_product_count,               -- 热销商品数量
    MAX(total_count) AS total_product_count,             -- 在售商品总数
    -- 5. 计算比例，转为百分比格式
    ROUND(COUNT(product_id) * 1.0 / MAX(total_count) * 100, 2) || '%' AS hot_ratio
FROM hot_products;

4. 核心步骤与深度解析

第一步：过滤与窗口计算（sales_ranked 临时表）

我们首先通过 WHERE is_on_sale = 1 排除已下架商品（P11）。
在窗口函数中：

• SUM(sales_amount) OVER () 计算出当前所有在售商品的总销售额为 160,000。
• SUM(sales_amount) OVER (ORDER BY sales_amount DESC) 会随着商品销售额从大到小依次累加：
  • P01 累计：50,000 (占比 31.25%)
  • P02 累计：90,000 (占比 56.25%)
  • P03 累计：120,000 (占比 75.00%)
  • P04 累计：135,000 (占比 84.38%) —— 此时累计占比已突破 80% 阈值。
  • P05 累计：145,000 (占比 90.63%)

第二步：精准定位“前 80% 销售额”的边界（hot_products 过滤）

如果单纯使用 cum_sales / total_sales <= 0.8 作为过滤条件，只能筛选出 P01、P02、P03，此时总贡献率只有 75%，还未达到 80%。为了让销售额贡献“达到” 80%，必须把使累计额跨越 80% 门槛的那个边缘商品（P04）算进去。

• 判定公式：(cum_sales - sales_amount) / total_sales < 0.8
• 逻辑释义：当前商品之前的累积销售额占比还没到 80%。
  • 对于 P04：之前累积为 120,000，占比 75%（< 80%），通过筛选。
  • 对于 P05：之前累积为 135,000，占比 84.38%（>= 80%），被过滤。
  • 最终筛选出的热销商品为：P01, P02, P03, P04（共 4 个）。

第三步：聚合计算占比

• 热销商品数量（COUNT）= 4
• 总在售商品数（MAX(total_count)）= 10
• 占比结果 = 4 / 10 = 40.00%

输出结果：

5. 面试加分项/同行竞争优势

• 主动提及数据倾斜与并列（Ties）处理：若遇到销售额完全相同的商品，ORDER BY sales_amount DESC 会导致累计值在并列商品上出现跳跃。若业务要求严格，可向面试官说明：可在 ORDER BY 中加入辅助排序列（如 ORDER BY sales_amount DESC, product_id）来确保累计值平滑且计算结果唯一。
• 展示对性能的考虑：在第一步的 WITH 语句中，我们通过一次 SELECT 完成了累计求和、总和及总计数的计算。避免了多次关联（Self-Join）和子查询，这是利用窗口函数一次扫表（Single Table Scan）实现的高性能写法，在海量数据下优势极其明显。