Dưới đây là bộ 30 bài tập SQL xoay quanh hệ cơ sở dữ liệu bán hàng gồm 4 bảng: customers, products, orders, order_details. (Mặc định theo PostgreSQL; nếu dùng MySQL, bạn chỉ cần điều chỉnh cú pháp nhỏ như DATE_TRUNC, FILTER, GENERATED ALWAYS AS IDENTITY, v.v.)

Lược đồ (giả định)

-- Khách hàng
customers (
  id                BIGINT PRIMARY KEY,
  name              TEXT NOT NULL,
  email             TEXT UNIQUE NOT NULL,
  city              TEXT,
  tier              SMALLINT,            -- 1,2,3
  created_at        TIMESTAMPTZ NOT NULL DEFAULT NOW()
);

-- Sản phẩm
products (
  id                BIGINT PRIMARY KEY,
  name              TEXT NOT NULL,
  category          TEXT,
  unit_price        NUMERIC(12,2) NOT NULL,
  cost              NUMERIC(12,2) NOT NULL,
  discontinued      BOOLEAN NOT NULL DEFAULT FALSE,
  stock             INTEGER NOT NULL DEFAULT 0
);

-- Đơn hàng
orders (
  id                BIGINT PRIMARY KEY,
  customer_id       BIGINT NOT NULL REFERENCES customers(id),
  order_date        TIMESTAMPTZ NOT NULL,
  status            TEXT NOT NULL,       -- 'pending','paid','shipped','cancelled','refunded'
  shipped_date      TIMESTAMPTZ,
  shipping_fee      NUMERIC(12,2) DEFAULT 0,
  payment_method    TEXT                 -- 'card','bank','cod', ...
);

-- Chi tiết đơn hàng
order_details (
  order_id          BIGINT NOT NULL REFERENCES orders(id),
  product_id        BIGINT NOT NULL REFERENCES products(id),
  quantity          INTEGER NOT NULL CHECK (quantity > 0),
  unit_price        NUMERIC(12,2) NOT NULL,     -- chốt tại thời điểm bán
  discount          NUMERIC(5,2) DEFAULT 0,     -- % giảm giá: 0..100
  PRIMARY KEY (order_id, product_id)
);

---

5 bài khởi động

1. Liệt kê 10 khách hàng mới nhất (theo created_at) kèm email. Kết quả: id, name, email, created_at.

2. Đếm số sản phẩm đang kinh doanh (không discontinued). Kết quả: active_product_count.

3. Lấy top 5 sản phẩm có unit_price cao nhất. Kết quả: id, name, unit_price.

4. Tìm tất cả đơn hàng ở trạng thái paid trong tháng hiện tại. Kết quả: id, customer_id, order_date, status.

5. Liệt kê các dòng chi tiết đơn hàng của order_id = :id với tổng tiền dòng = quantity * unit_price * (1 - discount/100). Kết quả: product_id, quantity, unit_price, discount, line_total.

---

10 bài cơ bản

6. Tính doanh thu (chưa gồm phí ship) theo từng đơn hàng: order_total = SUM(quantity * unit_price * (1 - discount/100)) trên order_details. Chỉ tính các đơn status IN ('paid','shipped'). Kết quả: order_id, order_total.

7. Lấy doanh thu theo khách hàng: tổng order_total (bài 6) + tổng shipping_fee, với điều kiện như bài 6. Kết quả: customer_id, revenue, shipping_fee_total, grand_total.

8. Doanh thu theo danh mục sản phẩm trong quý hiện tại. Kết quả: category, revenue.

9. Liệt kê những khách hàng chưa từng đặt hàng (không có bản ghi trong orders). Kết quả: id, name, email.

10. Tính số đơn và doanh thu theo từng payment_method trong 90 ngày gần nhất. Kết quả: payment_method, order_count, revenue.

11. Với mỗi đơn hàng, tính “tỷ lệ giảm giá trung bình” theo trọng số số lượng:

\text{weighted_discount} = \frac{\sum(qty \times discount)}{\sum(qty)}

Chỉ với các đơn có ít nhất 1 dòng giảm giá > 0. Kết quả: order_id, weighted_discount_pct.

12. Tìm các đơn hàng giao muộn: shipped_date::date - order_date::date > 3. Kết quả: id, customer_id, order_date, shipped_date, delay_days.

13. Liệt kê 10 sản phẩm bán chạy nhất theo số lượng trong 30 ngày gần nhất. Kết quả: product_id, name, total_qty.

14. Tính biên lợi nhuận gộp theo đơn: gross_profit = SUM(quantity * (unit_price - p.cost) * (1 - discount/100)) (join sang products p). Chỉ status IN ('paid','shipped'). Kết quả: order_id, gross_profit.

15. Tính AOV (Average Order Value) hằng tháng trong 12 tháng gần nhất (AOV = doanh thu/ số đơn). Kết quả: month, orders, revenue, aov.

---

15 bài thực chiến

16. RFM cơ bản: Tính cho mỗi khách hàng trong 180 ngày gần nhất:

• Recency = số ngày từ đơn gần nhất đến hôm nay (chỉ paid/shipped),
• Frequency = số đơn,
• Monetary = tổng doanh thu (như bài 7). Kết quả: customer_id, recency_days, frequency, monetary.

17. Phân hạng khách hàng theo RFM quintile (1..5) rồi tạo điểm rfm_score = R + F + M. Xuất top 20 khách có rfm_score cao nhất. Kết quả: customer_id, r, f, m, rfm_score.

18. Cohort theo tháng mua hàng đầu tiên:

• Xác định cohort_month = tháng của đơn đầu tiên của mỗi KH,
• Tính tỷ lệ KH quay lại đặt đơn ở các tháng +1, +2, +3… trong 6 tháng. Kết quả: ma trận: cohort_month, m0_customers, m1_retained_pct, ... m6_retained_pct.

19. Basket analysis (cặp sản phẩm hay mua cùng): tìm top 20 cặp (product_a, product_b) xuất hiện cùng một order_id nhiều nhất trong 6 tháng gần đây. Kết quả: product_a, product_b, co_occurrence_count.

20. Rolling 7-day revenue: mỗi ngày trong 90 ngày gần nhất, tính tổng doanh thu 7 ngày gần nhất (cửa sổ trượt). Kết quả: date, revenue, revenue_7d_rollsum.

21. Phát hiện “giá bán thấp hơn cost”: tìm các dòng chi tiết có unit_price * (1 - discount/100) < cost. Kết quả: order_id, product_id, effective_price, cost.

22. Tồn kho âm tiềm ẩn: với mỗi sản phẩm, tính tổng số lượng đã bán (trong các đơn paid/shipped) trừ stock. Liệt kê sản phẩm có sold_qty > stock. Kết quả: product_id, name, stock, sold_qty, shortfall.

23. Doanh thu “chuẩn hoá” theo khách: Z-score của monetary (bài 16) trong 1 năm gần nhất:

$$z = \frac{monetary - \overline{monetary}}{stddev(monetary)}$$

Kết quả: customer_id, monetary, z_score.

24. Tỷ lệ hoàn/huỷ theo danh mục trong 6 tháng:

• “Hoàn/huỷ” = đơn status IN ('cancelled','refunded').
• Mẫu số: tổng đơn của danh mục đó (theo sản phẩm xuất hiện trong đơn). Kết quả: category, total_orders, cancelled_refunded_orders, rate.

25. Xác định “sản phẩm mồ côi”: sản phẩm không xuất hiện trong bất kỳ đơn paid/shipped trong 120 ngày gần đây nhưng discontinued = FALSE. Kết quả: product_id, name, last_order_date.

26. Tính LTV sơ bộ: với mỗi khách, lấy doanh thu tích luỹ trong 365 ngày kể từ đơn đầu tiên. Kết quả: customer_id, first_order_date, ltv_365.

27. Doanh thu theo “kênh thanh toán” nhưng loại bỏ ảnh hưởng của khuyến mãi cực đoan: dùng median của giá trị đơn theo payment_method trong 90 ngày gần nhất. (Postgres: percentile_cont(0.5) WITHIN GROUP (ORDER BY order_total)). Kết quả: payment_method, median_order_value.

28. Tìm đơn hàng “bất thường”: đơn có shipping_fee > percentile_cont(0.95) theo phân phối phí ship 90 ngày gần nhất và tổng tiền < median 90 ngày. Kết quả: order_id, shipping_fee, order_total.

29. Phân rã tăng trưởng doanh thu theo tháng gần nhất so với tháng trước thành 3 thành phần:

• Số đơn tăng/giảm,
• Giá trị trung bình đơn (AOV) tăng/giảm,
• Phí ship tăng/giảm. Kết quả: một bảng trình bày month, revenue, delta_orders, delta_aov, delta_shipping.

30. Tạo materialized view mv_monthly_sales lưu doanh thu/tháng (bao gồm phí ship) cho paid/shipped, rồi viết câu query đọc view này để:

• Trả ra 12 tháng gần nhất,
• Thêm cột mom_growth_pct (tăng trưởng % so với tháng trước). Kết quả: month, revenue, mom_growth_pct.

---

Gợi ý nhỏ để giải (không phải đáp án đầy đủ)

• Bài 6–7: dùng CTE tính order_total từ order_details, rồi join/aggregate.
• Bài 15, 20: DATE_TRUNC('month', ...), SUM(...) OVER (ORDER BY day ROWS BETWEEN 6 PRECEDING AND CURRENT ROW).
• Bài 17: dùng window NTILE(5) OVER (ORDER BY ...) cho R/F/M.
• Bài 18: xác định cohort bằng MIN(order_date) per customer, pivot retention bằng COUNT DISTINCT + FILTER/CASE.
• Bài 19: self-join order_details trên cùng order_id, ràng buộc product_a < product_b để tránh trùng.
• Bài 23: AVG() và STDDEV_POP()/STDDEV_SAMP().
• Bài 27–28: percentile_cont trong Postgres.
• Bài 30: CREATE MATERIALIZED VIEW ...; REFRESH MATERIALIZED VIEW ...;