非工程背景也該會的 5 個 SQL 查詢：實習生 SQL 速成

「我又不是工程師，為什麼要會 SQL？」這是很多商科、行銷、財務背景實習生的第一反應。但你只要去過一間有資料文化的公司就會發現，主管不會幫你跑數字，他只會丟一句「自己去資料庫撈」。會不會寫 SQL 直接決定你能拿到的專案大小。本篇用一份電商訂單資料當例子，帶你走過 5 個實習生 90% 工作場景會用到的 SQL 查詢，看完你就能上手。

一、為什麼非工程實習生更該會 SQL？

1. SQL 是「資料民主化」的最低門檻

你的公司可能用 Tableau、Looker Studio、Metabase，但這些 BI 工具底層幾乎全都是 SQL。一旦你想看的維度不在現成 dashboard 裡，你就只能寫 SQL，否則只能等資料工程師排隊三週幫你跑。最近幾年雖然 AI SQL 助手（如 ChatGPT、Claude、Looker 內建的 Gemini）能幫你產出第一版 query，但讀懂、除錯、加條件還是要靠你自己，這部分 AI 取代不了。

2. 商科實習生的差異化武器

行銷、業務、PM、財務背景的同學通常不會 SQL。當你會寫 SQL，你能做的分析會比只會用試算表的同職等夥伴快上不少，主管也比較容易把你當「半個 BA（Business Analyst）」用，能接到的專案層級也會跟著提升。在台灣，蝦皮、foodpanda、Dcard、KKday 這類資料導向的公司，PM 與行銷實習職缺的 JD 八成會寫「SQL 加分」或「具備 SQL 基礎」。

3. 學起來其實沒那麼難

SQL 不是程式語言，它更像「結構化的英文問句」。比起 Python、JavaScript，SQL 的語法規模小、邏輯直觀，多數人用幾個週末練熟基本查詢就能應付實習上手場景。

二、範例資料：電商 orders 與 customers 表

本篇所有範例都基於下列兩張表：

orders 表（訂單）

customers 表（顧客）

接下來的 5 個查詢，都假設你能存取這兩張表。範例語法以標準 SQL 為主（在 PostgreSQL、MySQL、BigQuery 大致通用），個別方言差異會額外註記。

三、查詢一：SELECT / WHERE 基礎

最基本的「我想看某些資料」：

SELECT order_id, customer_id, amount, order_date
FROM orders
WHERE order_date >= '2026-04-01'
  AND order_date <  '2026-05-01'
  AND status = 'paid'
ORDER BY amount DESC
LIMIT 100;

這個查詢在做什麼？ 撈出 2026 年 4 月「已付款」的訂單，按金額由高到低排序，只取前 100 筆。

實習生情境：行銷 PM 想看「這個月最大筆的 100 筆訂單來自哪些客戶？」這就是月初最常被問的問題。

關鍵 keyword：

• WHERE 過濾條件
• AND / OR 組合條件
• ORDER BY 排序（DESC 降冪 / ASC 升冪）
• LIMIT 限制筆數（SQL Server / Azure 用 TOP，Oracle 用 FETCH FIRST n ROWS ONLY）

新手最大坑：日期比較不要寫 order_date = '2026-04'，要用範圍寫法。各家資料庫的字串轉日期略有差異——PostgreSQL、MySQL、BigQuery 都接受 '2026-04-01' 這種 ISO 字串；想顯式轉型則用 DATE '2026-04-01'（標準 SQL）或 DATE('2026-04-01')（BigQuery、MySQL 也支援）。

四、查詢二：JOIN 串接兩張表

行銷最常用的場景：「我想知道每張訂單對應的顧客來自哪個城市」。

SELECT
  o.order_id,
  o.amount,
  c.name,
  c.city
FROM orders AS o
INNER JOIN customers AS c
  ON o.customer_id = c.customer_id
WHERE o.order_date >= '2026-04-01'
  AND o.status = 'paid';

這個查詢在做什麼？ 把訂單資料「拼上」顧客資料，靠 customer_id 當「鑰匙」配對。

JOIN 的四種類型：

• INNER JOIN：只保留兩邊都有的（最常用）
• LEFT JOIN：保留左表全部，右表沒對到的填 NULL
• RIGHT JOIN：反之，少用
• FULL OUTER JOIN：兩邊全部，少用（MySQL 8.0 之前不支援，要用 UNION 模擬）

實習生情境：你發現有 50 個訂單在 customers 表中找不到對應顧客（可能是資料不乾淨）。用 LEFT JOIN 加 WHERE c.customer_id IS NULL 就能找出問題：

SELECT o.order_id, o.customer_id
FROM orders AS o
LEFT JOIN customers AS c
  ON o.customer_id = c.customer_id
WHERE c.customer_id IS NULL;

這種「資料品質檢查」是實習生快速被信任的方法。

五、查詢三：GROUP BY 聚合分析

當你要回答「每個管道帶來多少訂單、多少營收」時：

SELECT
  channel,
  COUNT(*)    AS order_count,
  SUM(amount) AS total_revenue,
  AVG(amount) AS avg_order_value
FROM orders
WHERE order_date >= '2026-04-01'
  AND order_date <  '2026-05-01'
  AND status = 'paid'
GROUP BY channel
ORDER BY total_revenue DESC;

這個查詢在做什麼？ 把訂單按 channel 分組，每組算筆數、總和、平均。

實習生情境：每月初你被要求做「管道貢獻表」給行銷會議用——例如比較 Meta 廣告、Google Ads、Direct、聯盟行銷帶進來的營收差距——這就是答案。

HAVING vs WHERE 的差別：

• WHERE 是分組「前」過濾原始資料（不能用聚合函數）
• HAVING 是分組「後」過濾聚合結果（可以用 SUM()、COUNT() 等）

例如「只看總營收超過 100 萬的管道」：

SELECT channel, SUM(amount) AS total_revenue
FROM orders
WHERE status = 'paid'
GROUP BY channel
HAVING SUM(amount) > 1000000;

新手常把這兩個搞混，記住執行順序「FROM → WHERE → GROUP BY → HAVING → SELECT → ORDER BY」就不會錯。

六、查詢四：CASE WHEN 條件分類

當你要把資料「分群」時，CASE WHEN 是必備：

SELECT
  customer_id,
  SUM(amount) AS total_spend,
  CASE
    WHEN SUM(amount) >= 50000 THEN 'VIP'
    WHEN SUM(amount) >= 10000 THEN 'Regular'
    WHEN SUM(amount) >=  1000 THEN 'New'
    ELSE 'Inactive'
  END AS customer_tier
FROM orders
WHERE status = 'paid'
GROUP BY customer_id;

這個查詢在做什麼？ 把每個顧客的累計消費分成 VIP / Regular / New / Inactive 四級。注意 CASE 由上往下評估，第一個符合的條件就會回傳，所以門檻要由高到低排。

實習生情境：CRM 團隊要做分群行銷，需要「VIP 名單」、「即將流失名單」。CASE WHEN 是分群的核心。

進階用法：條件式聚合 算「Meta 管道訂單數佔總訂單數的比例」可以這樣寫：

SELECT
  SUM(CASE WHEN channel = 'meta' THEN 1 ELSE 0 END) AS meta_orders,
  COUNT(*) AS total_orders,
  ROUND(
    SUM(CASE WHEN channel = 'meta' THEN 1 ELSE 0 END) * 100.0 / COUNT(*),
    2
  ) AS meta_share_pct
FROM orders
WHERE order_date >= '2026-04-01'
  AND order_date <  '2026-05-01';

這招叫「在 SQL 裡做 pivot」，是寫月報表必備技巧。PostgreSQL / BigQuery 也可以用更精簡的 COUNT(*) FILTER (WHERE channel = 'meta')，但 CASE WHEN 跨資料庫都通用，先學這個。

七、查詢五：子查詢與 CTE（WITH 語法）

當查詢開始複雜，例如「找出本月消費超過個人歷史平均的顧客」，就要用 CTE：

WITH customer_avg AS (
  SELECT
    customer_id,
    AVG(amount) AS avg_amount
  FROM orders
  WHERE status = 'paid'
  GROUP BY customer_id
),
this_month AS (
  SELECT *
  FROM orders
  WHERE order_date >= '2026-04-01'
    AND order_date <  '2026-05-01'
    AND status = 'paid'
)
SELECT
  t.customer_id,
  t.amount,
  c.avg_amount
FROM this_month AS t
INNER JOIN customer_avg AS c
  ON t.customer_id = c.customer_id
WHERE t.amount > c.avg_amount;

為什麼用 CTE 而不是子查詢？

• 可讀性高（像在說故事，一段一段）
• 可重用（同一個 CTE 在後面可以多次引用）
• 容易除錯（你可以把 customer_avg 單獨複製出來跑，看中間結果對不對）

實習生情境：分析師要做「本月活躍顧客中，比過去消費更多的人佔比」。一個 CTE 就把問題拆成兩半，比子查詢清楚十倍。

註：MySQL 從 8.0、PostgreSQL 從 8.4、BigQuery、SQL Server 2005 之後都支援 CTE。如果你公司還在用 MySQL 5.7 以前，就只能用子查詢硬寫。

八、實習生最常踩的 SQL 坑

坑一：忘記 status 過濾

退款（refunded）的訂單還在資料庫裡，但你算營收應該排除。新手最常忘記加 WHERE status = 'paid'，導致報表虛胖。

坑二：日期區間沒處理時間部分

對 DATE 型別欄位，BETWEEN '2026-04-01' AND '2026-04-30' 是安全的；但對 DATETIME / TIMESTAMP 欄位，BETWEEN 會漏掉 4 月 30 日 00:00:01 之後的訂單。統一用半開區間 >= '2026-04-01' AND < '2026-05-01' 最不會出包——換型別、換月份、換資料庫都一樣對。

坑三：GROUP BY 跟 SELECT 對不上

SELECT 裡有的「非聚合欄位」，GROUP BY 必須全部包含。PostgreSQL 會直接報錯；MySQL 在預設嚴格模式下也會報錯，舊版（或關閉 ONLY_FULL_GROUP_BY）則會悄悄回傳奇怪的結果，更危險。

坑四：用 SELECT * 跑大表

資料庫有上千萬筆時，SELECT * 會把整張表掃一遍，BigQuery 還會直接扣你的查詢費用。永遠先寫 LIMIT 10 探資料，確認結構再寫正式 query。

九、FAQ：非工程實習生問 SQL 常見問題

Q1：我該學 MySQL、PostgreSQL、還是 BigQuery？ 語法 90% 共通，先別糾結。你公司用什麼就學什麼。差異主要在三塊：日期函數（DATE_TRUNC vs DATE_FORMAT）、字串拼接（|| vs CONCAT）、視窗函數細節。台灣常見組合是「新創/SaaS 多用 PostgreSQL 或 BigQuery、老牌電商 / 傳產比較多 MySQL / SQL Server」。先把「五個查詢」練熟，跨資料庫只是查文件的事。

Q2：實習生會被要求寫到「視窗函數（Window Function）」嗎？ 中段班實習常會用到 ROW_NUMBER() OVER (PARTITION BY ...) 這類視窗函數，做「每個顧客的第一筆訂單」、「次月留存」最常用。但 5 個基礎查詢練熟先，視窗函數遇到再學。

Q3：寫 SQL 跟用 Excel 樞紐分析有什麼差？ Excel 適合 1 萬筆以下、即時操作；SQL 適合百萬筆以上、可重現、可排程。兩個都會的人才是企業最愛。

Q4：怎麼練 SQL？ 推薦三個免費或低成本的資源：

• SQLBolt（sqlbolt.com）：互動式語法基礎，18 課，週末就刷得完；缺點是不涵蓋視窗函數。
• LeetCode SQL 50：題型練習，求職前必刷一輪。
• ThoughtSpot SQL Tutorial（前身為 Mode Analytics SQL Tutorial，2023 年 Mode 被 ThoughtSpot 以 2 億美元收購，現整合進 ThoughtSpot Analyst Studio；舊網址 mode.com/sql-tutorial/ 目前仍可瀏覽）：情境練習，從零到中階都有。

一週兩小時，三週就能上手。想跟 AI 一起練的話，把這些練習題丟給 ChatGPT 或 Claude 當「對答案的助教」，但自己一定要先動手寫過一遍，否則學不會除錯。

Q5：面試會被問 SQL 嗎？ 資料相關職位（PM、行銷分析、營運分析）十之八九會。台灣常見題型：給兩張表，寫 query 算「次月留存率」、「前 10 大客戶」、「漏斗轉換率」、「月活躍用戶（MAU）」。蝦皮、foodpanda、KKday、Dcard 的數據職缺通常還會加一題 window function。

十、結語：SQL 是商科實習生的隱形王牌

當你的同學還在用 Excel 拉 5 萬筆資料拉到電腦當機時，你已經用 30 行 SQL 把答案撈出來。這個差距累積下來，往往會反映在主管最後願意為你寫的推薦語、以及交給你的專案層級上。

三個關鍵原則：

1. 先把五個查詢練熟：SELECT/WHERE、JOIN、GROUP BY、CASE WHEN、CTE。這五個夠用 80% 的場景。
2. 永遠先 LIMIT 10：在大表上探資料時，先看 10 筆確認欄位、再寫正式 query，避免拖垮資料庫或產生天價 BigQuery 查詢費。
3. 可讀性比技巧重要：能用 CTE 拆三段就不要寫一個 100 行的子查詢，未來的你會感謝你。

行動建議：到實習通搜尋資料分析、行銷分析、PM 類實習的真實心得，看看蝦皮、foodpanda、Dcard、KKday、KryptoGO 這類公司每天用 SQL 撈什麼資料。把你看到的問題拿來當練習題，比看教科書有效十倍。