sql计算连带率时的踩坑经历
反思与总结：
- 多找角度去核对数据，保证最后结果的准确性
- 当结果不符合真实意思表示时：
- 首先，一定要明确，正确的结果应该是什么，即必须找到一个参照物
- 其次，从粗颗粒度往下或者最细颗粒度往上，定位是哪个维度出现了偏差
- 最后，划定一个较小的数据条目范围，可视化增加某逻辑前后的变化情况
业务背景：
某客户想了解旗下各品类对其他品类的连带率，比如某一个品类A的订单量是100，其中既有品类A又有品类X的订单是50个，那么A对X的连带率是50%。
客户提供过来的基础数据中，有很多维度比如城市、商圈、大仓等，但订单量和共同订单量这两个指标的主键是这几个：
客户的目的是品类之间的连带情况，因此，需要group by 日期、品类1 和品类2去做品类1订单和共同订单的sum聚合，理想的输出形式应该是👇🏻
即日期一致的情况下，所有品类1相同的条目中，"品类1订单量"字段应该是相等的（因为这些条目都表示某日某品类的订单量）。
但具体实施后发现并非如此，即出现了下面这种情况：
上面的数据，7月2号，A品类的订单量理应是相等的数值，但却出现了不一样的情况。
经过排查后发现：
客户提供的数据，没有问题。但是，在计算连带率时，需要做一个数据填充的步骤（思想类似于做lag之前必须保证时间序列是完整的）。
该场景下，数据填充，填充的是什么呢？
-- 是缺失的维度
举个例子：
这是不做填充时的基础数据和sum之后的：
有没有发现，2023年7月2号，S001门店卖了10笔品类A的订单，S002门店卖了5笔品类A的订单，其实2号这一天A的订单量应该是15，而SUM之后的表中，A和Y维度下品类A的订单量是5。
最主要的原因是：S001门店漏了一条维度是A-Y的数据，尽管当天A-Y连带品类的订单量是0.
正确的填充后，数据是这样的：
客户数据实施完的效果：
