在业务数据分析中，按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常告警统计、金融夜间交易风控排查等。这类需求的核心难点在于夜间时段跨自然日，直接按日期分组会导致数据被拆分到两天，统计结果与业务口径不符。本文系统讲解月度每日夜间数据的统计逻辑、标准SQL实现、实操流程与常见坑点，覆盖主流数据库语法。

一、业务场景与核心口径定义

（一）典型应用场景

每日夜间数据统计广泛适用于需要按天做时段维度分析的业务场景：

• 电商运营：统计每日22:00至次日06:00的夜间订单量、交易额，评估夜间运营效果
• 产品运维：统计每日凌晨低峰期的接口响应耗时、错误率，排查系统夜间稳定性
• 风控反欺诈：监测每日夜间异常交易频次，识别深夜欺诈行为规律
• 用户研究：对比日间与夜间的用户行为差异，优化分时段运营策略

（二）核心口径定义

统计夜间数据前，必须先明确两个关键口径，口径不一致会导致结果完全不可比。

1. 夜间时段边界 业务中最常用的定义为：当日22:00:00 至 次日06:00:00，包含22:00整、不包含06:00整（左闭右开）。不同行业可按需调整，比如部分场景定义为23:00至次日07:00，核心是时段跨自然日。

2. 日期归属规则 这是最容易出错的环节。通用业务规则为：将跨天的夜间数据统一归属到夜间开始的那一个自然日。例如11月1日夜间，指11月1日22:00至11月2日06:00，所有该时段的数据统一统计为11月1日的夜间数据，保证一天对应一条完整夜间数据。

二、核心实现思路

统计每日夜间数据有两种主流实现方案，分别适配不同复杂度的场景。

方案一：时间平移法（推荐）

这是最简洁高效的方案，核心逻辑是：通过时间偏移，让跨天的夜间时段落在同一个统计日期下。

以“22:00至次日06:00，归属到前一天”为例，将所有数据的时间统一减去6小时：

• 当日22:00 减6小时 → 当日16:00，日期不变
• 次日05:00 减6小时 → 当日23:00，日期回退到前一天

原本跨两天的夜间数据，经过6小时偏移后，日期全部统一为夜间起始日，直接按偏移后的日期分组即可完成统计。该方案代码简洁、执行效率高，是生产环境的首选方案。

方案二：分段拼接法

将夜间拆分为两段分别统计，再合并结果：

1. 当日22:00-24:00，归属为当日数据
2. 次日00:00-06:00，归属为前一日数据

两段数据分别计算后，通过UNION ALL拼接，再按日期分组聚合。该方案逻辑直观，但代码冗余、执行两次扫描，性能弱于时间平移法，仅适用于时段规则复杂、无法用简单偏移实现的场景。

三、主流数据库SQL实现

以下均以最通用的口径为例：统计2025年11月内，每天22:00至次日06:00的订单数据，包含订单量、总金额，日期归属到夜间起始日。示例表为order_info，时间字段为create_time（datetime类型）。

（一）MySQL 实现

使用DATE_SUB做时间偏移，配合DATE函数提取统计日期。

SELECT
    DATE(DATE_SUB(create_time, INTERVAL 6 HOUR)) AS stat_date,
    COUNT(order_id) AS night_order_count,
    SUM(order_amount) AS night_order_amount
FROM
    order_info
WHERE
    -- 时间范围：覆盖11月完整的所有夜间时段
    create_time >= '2025-11-01 22:00:00'
    AND create_time < '2025-12-01 06:00:00'
    -- 过滤夜间时段：22点后、6点前
    AND (HOUR(create_time) >= 22 OR HOUR(create_time) < 6)
GROUP BY
    stat_date
ORDER BY
    stat_date;

（二）SQL Server 实现

使用DATEADD做时间偏移，CAST转换为日期类型。

SELECT
    CAST(DATEADD(HOUR, -6, create_time) AS DATE) AS stat_date,
    COUNT(order_id) AS night_order_count,
    SUM(order_amount) AS night_order_amount
FROM
    order_info
WHERE
    create_time >= '2025-11-01 22:00:00'
    AND create_time < '2025-12-01 06:00:00'
    AND (DATEPART(HOUR, create_time) >= 22 OR DATEPART(HOUR, create_time) < 6)
GROUP BY
    CAST(DATEADD(HOUR, -6, create_time) AS DATE)
ORDER BY
    stat_date;

（三）Oracle 实现

使用NUMTODSINTERVAL做时间偏移，TRUNC截断日期。

SELECT
    TRUNC(create_time - NUMTODSINTERVAL(6, 'HOUR')) AS stat_date,
    COUNT(order_id) AS night_order_count,
    SUM(order_amount) AS night_order_amount
FROM
    order_info
WHERE
    create_time >= TO_DATE('2025-11-01 22:00:00', 'YYYY-MM-DD HH24:MI:SS')
    AND create_time < TO_DATE('2025-12-01 06:00:00', 'YYYY-MM-DD HH24:MI:SS')
    AND (EXTRACT(HOUR FROM create_time) >= 22 OR EXTRACT(HOUR FROM create_time) < 6)
GROUP BY
    TRUNC(create_time - NUMTODSINTERVAL(6, 'HOUR'))
ORDER BY
    stat_date;

四、标准化实操流程

第一步：确认业务规则

先和业务方对齐三个核心问题：

1. 夜间时段的具体起止时间，是否包含边界整点
2. 跨天数据归属到前一天还是后一天
3. 统计的月度范围，是否包含月末最后一天的次日凌晨数据

第二步：划定数据时间范围

统计11月的夜间数据，时间范围不能只写2025-11-01 ~ 2025-11-30，必须覆盖到12月1日06:00，否则11月30日的夜间数据会缺失凌晨部分，导致最后一天数据偏小。

正确范围：起始为当月1号22:00，结束为次月1号06:00。

第三步：选择偏移量

偏移时长 = 夜间结束时刻的小时数。比如夜间到06:00结束，就减6小时；夜间到07:00结束，就减7小时。保证偏移后同一段夜间的所有数据日期一致。

第四步：过滤时段+分组聚合

先通过小时数过滤出夜间数据，再按偏移后的日期分组，计算对应指标。

第五步：边界校验

统计完成后抽查首尾两天的数据：

• 首日数据是否包含了首日22点-24点的记录
• 末日数据是否包含了次月1日0点-6点的记录
• 总数据量与原始夜间数据总量是否一致

五、进阶场景扩展

（一）细分夜间时段

如果需要拆分为上半夜（22:00-24:00）和下半夜（00:00-06:00）分别统计，可增加时段标签：

SELECT
    DATE(DATE_SUB(create_time, INTERVAL 6 HOUR)) AS stat_date,
    CASE WHEN HOUR(create_time) >= 22 THEN '上半夜'
         WHEN HOUR(create_time) < 6 THEN '下半夜'
    END AS night_period,
    COUNT(order_id) AS order_count
FROM order_info
WHERE
    create_time >= '2025-11-01 22:00:00'
    AND create_time < '2025-12-01 06:00:00'
    AND (HOUR(create_time) >= 22 OR HOUR(create_time) < 6)
GROUP BY stat_date, night_period
ORDER BY stat_date, night_period;

（二）筛选夜间异常数据

如果不需要聚合，只需要拉出一个月内所有夜间的异常订单，直接加条件过滤即可：

SELECT *
FROM order_info
WHERE
    create_time >= '2025-11-01 22:00:00'
    AND create_time < '2025-12-01 06:00:00'
    AND (HOUR(create_time) >= 22 OR HOUR(create_time) < 6)
    AND order_status = '异常';

六、常见误区与避坑要点

1. 时间范围漏了月末次日凌晨

这是最高频的错误。统计11月夜间数据时，where条件只写到11月30日，导致11月30日夜间的0点-6点数据（实际在12月1日）被完全漏掉，最后一天数据只有2小时，严重失真。 避坑：结束时间必须写到次月1日的夜间结束时刻。

2. 直接按原日期分组

不做时间偏移，直接按DATE(create_time)分组，会把一段夜间数据拆到两天里，22-24点算当天，0-6点算次日，得到的不是完整的每日夜间数据。 避坑：必须通过时间偏移统一日期归属后再分组。

3. 边界时间包含错误

使用BETWEEN或者<=处理时间边界，会把06:00整的数据也算进夜间，导致和日间统计重复。 避坑：统一使用左闭右开原则>= 开始时间 AND < 结束时间，避免边界数据重复或遗漏。

4. 偏移方向搞反

本该减6小时写成加6小时，会导致日期归属完全错误，数据对应到错误的日期。 避坑：归属到夜间起始日，就减去“夜间结束的小时数”；写完后用一条凌晨数据手工验证日期是否正确。

5. 无索引导致全表扫描

大数据量表中，直接用HOUR(create_time)做条件会导致索引失效，查询极慢。 避坑：时间范围条件必须放在最前面，利用时间字段的索引快速缩小数据范围；小时级过滤在缩小后的结果集内执行，性能可大幅提升。

全文总结

SQL统计月度每日夜间数据的核心，是解决“跨天时段的日期归属”问题。时间平移法以极低的代码成本实现了数据的日期对齐，是生产环境的最优方案。实操中最关键的两个控制点，一是时间范围要覆盖完整的月末次日凌晨数据，二是偏移后的日期归属要和业务口径完全一致。

掌握这一方法后，还可以灵活扩展到早高峰、晚高峰、工作日午休等任意跨天或固定时段的按天统计，是SQL数据分析中非常实用的时段处理技巧。

推荐学习书籍 《CDA一级教材》适合CDA一级考生备考，也适合业务及数据分析岗位的从业者提升自我。完整电子版已上线CDA网校，累计已有10万+在读~ !

免费加入阅读：https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0