如何利用SQL中的CUME_DIST函数计算累积分布以识别核心大客户？-SQL-PHP中文网

cume_dist是窗口函数，返回分组内小于等于当前值的行数占比，范围(0,1]，相同值共享同一比例；它基于值分布而非序号，契合“识别大客户”业务目标，但须用order by ... desc避免结果倒置。

如何利用sql中的cume_dist函数计算累积分布以识别核心大客户？

什么是 `CUME_DIST`，它和业务目标是否匹配？

CUME_DIST 返回当前行在分组内的「小于等于当前值的行数占比」，结果范围是 (0, 1]，且相同值共享同一累积比例。它不依赖排序位置编号（不像 ROW_NUMBER），而是基于值的分布密度——这点正好契合「识别大客户」场景：我们关心的是「营收 ≥ 某个门槛的客户占总体多少」，而不是「第几名」。

但要注意：CUME_DIST 默认按升序计算，而大客户通常对应高营收值。若直接对 amount 使用，最高营收客户的 CUME_DIST 会是 1.0，最低的反而接近 0 —— 这和直觉相反。所以必须显式指定 ORDER BY amount DESC。

常见错误现象：

没写 ORDER BY ... DESC，导致结果倒置，误把小客户当核心
在无 PARTITION BY 的情况下跨多区域混算，掩盖局部高价值客户群
用 CUME_DIST 替代 PERCENT_RANK，混淆「含自身」与「不含自身」的统计逻辑

如何用 `CUME_DIST` 定位前 5% 的大客户？

核心思路：先算出每个客户的 CUME_DIST（按营收降序），再筛选 CUME_DIST 的记录。注意不是「取前 N 行」，因为多个客户可能并列同一营收值，<code>CUME_DIST 会把它们一并纳入。

SELECT 
  customer_id,
  amount,
  CUME_DIST() OVER (ORDER BY amount DESC) AS cum_dist
FROM orders
WHERE cum_dist <p>但上面 SQL 会报错——窗口函数不能直接在 <code>WHERE</code> 中引用别名。正确写法是嵌套子查询或使用 CTE：</p><pre class="brush:php;toolbar:false;">WITH ranked AS (
  SELECT 
    customer_id,
    amount,
    CUME_DIST() OVER (ORDER BY amount DESC) AS cum_dist
  FROM orders
)
SELECT customer_id, amount
FROM ranked
WHERE cum_dist <p>关键细节：</p><div class="aritcle_card flexRow artxards">
											<div class="artcardd flexRow">
												<a class="aritcle_card_img" rel="nofollow" href="/ai/3827" title="Replika"><img
														src="https://img.php.cn/upload/ai_manual/001/246/273/178599576388351.png" alt="Replika" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
												<div class="aritcle_card_info flexColumn">
													<a rel="nofollow" href="/ai/3827" title="Replika" class="overflowclass">Replika</a>
													<p class="overflowclass">Replika是一款AI工具，AI对话陪伴工具。</p>
												</div>
												<a rel="nofollow" href="/ai/3827" title="Replika" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span>
												</a>
											</div>
										</div>

CUME_DIST 是确定性函数，不受 NULL 影响（默认 NULLS LAST，若需调整可加 NULLS FIRST）
若客户有多个订单，应先按 customer_id 聚合（如 SUM(amount)），否则单笔大额订单可能扭曲客户级分布
数据库兼容性：PostgreSQL、SQL Server、Oracle、Snowflake 支持；MySQL 8.0+ 支持；SQLite 不支持

和 `PERCENT_RANK` 混用时为什么结果不同？

PERCENT_RANK 计算的是「(排名 - 1) / (总行数 - 1)」，最小值为 0，最大值趋近但不等于 1；而 CUME_DIST 是「≤ 当前行值的行数 / 总行数」，最小值 > 0（除非有 NULL 且设为 NULLS FIRST），最大值恒为 1。

例如 5 行数据，全部 amount = 100：

CUME_DIST 全部返回 1.0（所有行都 ≤ 当前行值）
PERCENT_RANK 全部返回 0.0（排名都是 1，(1-1)/(5-1)=0）

所以，要识别「贡献了 95% 营收的头部客户」，必须用 CUME_DIST；若想看「某客户营收排在什么相对位置（不含自身）」，才考虑 PERCENT_RANK。

实际业务中容易被忽略的聚合粒度问题

直接对原始订单表跑 CUME_DIST 得到的「大客户」，本质是「大订单」，不是「大客户」。真正需要的是客户维度聚合后再次分布计算：

WITH cust_total AS (
  SELECT 
    customer_id,
    SUM(amount) AS total_amount
  FROM orders
  GROUP BY customer_id
),
cust_dist AS (
  SELECT 
    customer_id,
    total_amount,
    CUME_DIST() OVER (ORDER BY total_amount DESC) AS cum_dist
  FROM cust_total
)
SELECT customer_id, total_amount
FROM cust_dist
WHERE cum_dist <p>这个两层结构不可跳过。漏掉第一层 <code>GROUP BY</code>，会导致一个客户多笔订单被重复计数，<code>CUME_DIST</code> 的分母变大，稀释头部集中度，最终选出来的「前 5%」可能根本不是真实高价值客户。</p>