<\> Casa do Dev
Notícias abrir
Ferramentas abrir
Vagas abrir
Aprender abrir
Comunidade abrir
Guia de Compras abrir

Window functions em SQL: o que destrava análises avançadas

DA

6 min

Window functions em SQL: o que destrava análises avançadas

Aprenda window functions em SQL: OVER, PARTITION BY, ranking, LAG e acumulado explicados com exemplos diretos para análises avançadas.

Neste artigo

Window functions calculam agregados, rankings e comparações mantendo todas as linhas da consulta no resultado. O GROUP BY devolve uma linha por grupo; a função de janela acrescenta o cálculo em cada linha original. É o recurso que destrava ranking de vendas, variação entre períodos, acumulado e participação no total sem empilhar subconsultas.

Window function é toda função usada com a cláusula OVER, que define o conjunto de linhas do cálculo. Você escreve ROW_NUMBER() OVER (PARTITION BY cliente ORDER BY valor DESC) e recebe a posição de cada venda dentro do cliente, sem perder nenhuma linha. Para chegar até aqui com base sólida, o guia de SQL do primeiro select à performance organiza o caminho.

O que exatamente é uma window function?

É uma função que opera sobre uma janela de linhas relacionadas à linha atual, e não sobre grupos colapsados. A janela é definida no OVER: o PARTITION BY divide os dados em grupos de cálculo e o ORDER BY ordena as linhas dentro de cada grupo. Agregados como SUM e AVG, rankings como ROW_NUMBER e RANK e funções de posição como LAG e LEAD funcionam assim.

SELECT
    vendedor,
    mes,
    valor,
    SUM(valor) OVER (PARTITION BY vendedor ORDER BY mes) AS acumulado,
    LAG(valor) OVER (PARTITION BY vendedor ORDER BY mes) AS mes_anterior
FROM vendas;

A consulta mantém uma linha por venda mensal e acrescenta duas colunas: o total acumulado do vendedor e o valor do mês anterior. O mesmo pedido com GROUP BY devolveria só um número por vendedor, e a análise de evolução desapareceria.

Quais problemas só ela resolve bem?

Três situações aparecem o tempo todo em análise. Ranking dentro de um grupo: melhores vendedores por região, produtos mais vendidos por categoria. Comparação com a linha vizinha: LAG e LEAD trazem o período anterior e o seguinte, o que dá variação sem self join. E distribuição: NTILE divide a base em faixas iguais. Cada pergunta vira uma linha de OVER depois que o padrão fica claro.

PARTITION BY e ORDER BY dentro da janela

O PARTITION BY agrupa o cálculo, e não o resultado: as linhas continuam lá, cada partição calcula em separado. O ORDER BY dentro do OVER define a ordem de percurso e altera funções sensíveis à ordem, como ROW_NUMBER, LAG e o acumulado. Um SUM sem ORDER BY na janela totaliza a partição; com ORDER BY, o mesmo SUM vira acumulado.

💡 Dica: quando o resultado vier diferente do esperado, escreva no papel quais linhas a janela enxerga para a linha atual. O erro costuma estar no ORDER BY ausente ou no PARTITION BY a menos, e não no cálculo em si.

Window function ou GROUP BY?

Use GROUP BY quando a pergunta pede o número consolidado: total por mês, média por categoria. Use window function quando a pergunta precisa da linha junto com o cálculo: cada venda ao lado da participação dela no total, cada aluno ao lado da posição na turma. Os dois também combinam na mesma consulta, com o GROUP BY consolidando primeiro e a janela ranqueando o resultado consolidado depois.

Cuidados de performance

Janela custa ordenação: o banco ordena cada partição segundo o ORDER BY do OVER, e isso pesa em tabelas grandes. Filtrar antes da janela encolhe o conjunto, e um índice que entrega a ordem da partição reduz o trabalho. O suporte é amplo: MySQL tem window functions desde a versão 8, e o guia completo de PostgreSQL mostra como validar o custo real no plano de execução. Para o equivalente no outro banco, o guia completo de MySQL cobre a sintaxe lado a lado.

Os erros clássicos de quem escreve a primeira janela

O erro mais comum é esquecer que a janela é calculada depois do WHERE: tentar filtrar pelo resultado da função na cláusula WHERE da mesma consulta não funciona, porque a função avalia depois. O caminho é envolver a consulta em uma subquery ou CTE e filtrar o resultado lá fora, regra que confunde todo mundo na primeira semana e vira automática depois. O segundo erro é o ORDER BY do OVER mal definido, que troca ranqueamento por ordem arbitrária e entrega número aparentemente aleatório.

O terceiro erro é usar frames sem entender o alcance: o ROWS BETWEEN que não inclui o limite esperado desloca acumulados e médias móveis de lugar, e o resultado parece errado sem acusar erro nenhum. A defesa é sempre a mesma, conferir a janela linha a linha em um conjunto pequeno antes de rodar na base inteira. Quem consolida esse hábito de verificação usa a função com confiança em produção, porque o cálculo da janela é determinístico e o que costuma falhar é a definição do enquadramento, não a matemática.

Vale ainda conhecer as funções que mais retornam em análise: LAG e LEAD para comparar cada linha com a anterior e com a seguinte, ROW_NUMBER e RANK para ranquear com e sem empate, e as agregações em janela para acumulado e média móvel. Esse pequeno repertório cobre a maior parte das perguntas que antes exigiam subquery complicada ou processamento no código da aplicação, e é exatamente o que as entrevistas de dados pedem quando o assunto é SQL de nível intermediário.

Perguntas frequentes

Window function funciona em MySQL?

Funciona a partir do MySQL 8.0. Versões anteriores não têm OVER, e a saída era simular o efeito com variáveis de usuário, um caminho frágil. No MySQL atual, ROW_NUMBER, RANK, LAG e agregados com OVER estão disponíveis normalmente.

Preciso de GROUP BY junto com a window function?

Não. A janela calcula sem colapsar linhas, então a consulta roda sem GROUP BY. Você combina os dois quando precisa consolidar primeiro e ranquear depois, em geral com a agregação em uma CTE e a janela aplicada por cima.

Qual a diferença entre RANK e DENSE_RANK?

RANK deixa buracos quando há empate: dois primeiros lugares fazem o próximo receber a posição 3. DENSE_RANK não deixa buracos, e a sequência segue 1, 2, 3. A escolha depende de a posição precisar refletir quantos ficaram à frente.

Posso usar window function no WHERE?

Não direto, porque o WHERE roda antes da janela ser calculada. O caminho padrão é calcular a função em uma CTE ou subconsulta e filtrar o resultado fora dela, por exemplo mantendo só as linhas em que o número da linha é igual a 1.

Window functions pesam muito?

Dependem do tamanho das partições e da ordenação necessária. Em tabelas de milhões de linhas, o custo aparece na ordenação. Filtro prévio, índice alinhado à ordem da janela e partições menores resolvem a maior parte dos casos.

O que você achou deste artigo?

Responda a Pergunta do Dia Teste seu conhecimento e mantenha sua streak. Crie seu Dev Card público Perfil dev compartilhável em um único link.

Depois dessa formação...

Veja vagas de analista de dados →
DA

Escrito por

Dagmar

Atualizado em 06/10/2026 •

Ver perfil do autor

COMPARTILHAR