我尝试了ChatGPT一段时间之后，然后我想知道：ChatGPT可以做我的工作吗？它能比我做得还好？

我有2年的数据分析师的工作经验，擅长写sql。那么和ChatGPT相比，谁写的SQL更好呢？

(资料图片仅供参考)

我以3个LeetCode的SQL挑战题为准（一个简单，两个中等）。我会先写出一个解决方案，然后把题发给ChatGPT，最后对比下，看看哪个解决方案效果最好。

题目1(简单)

题目为：订单最多的客户

下面是我写的sql

WITH layer_1 AS ( SELECTcustomer_number, COUNT(DISTINCT order_number) AS order_number FROM orders GROUP BY customer_number)SELECT customer_number FROM layer_1ORDER BY order_number DESC LIMIT 1

下面是通过运行的时间：

现在让我们来看看ChatGPT是怎么回答这个问题的，

以下是ChatGPT的答案：

ChatGPT甚至解释了它做了什么。我觉得这个查询的可读性很强，写的比较规范。让我们看看它的表现如何。它可以执行，但比我的结果要慢。虽然我很高兴能比ChatGPT做得更好，但我很想知道我如何能改进这个查询。

题目2 (中等)

这个题目是“树形节点”

我写的第一个查询是这个：

# Write your MySQL query statement belowWITH l1 AS (SELECTt.id,c.id AS c_id,t.p_idFROM Tree tLEFT JOIN Tree cON c.p_id = t.id), l2 AS (SELECTid,COUNT(DISTINCT c_id) AS nb_childrens,COUNT(DISTINCT p_id) AS nb_parentsFROM l1GROUP BY id)SELECT id,CASEWHEN nb_childrens >0 AND nb_parents >0 THEN "Inner"WHEN nb_childrens >0 THEN "Root"ELSE "Leaf"END AS typeFROM l2

我在提交之前运行了下，结果出错了(狗头)......

事实证明，我对这些例子没有细心观看思考，尤其是第二个例子：

当一个节点既是叶子又是根时，应该输出为根。我把我的CASE WHEN的顺序改成这样：

CASEWHEN nb_childrens >0 AND nb_parents >0 THEN "Inner"WHEN nb_parents >0 THEN "Leaf"ELSE "Root"END

然后sql执行通过了，执行结果如下，162ms：

轮到ChatGPT了，下面是给出的sql，

执行时间为170ms

ChatGPT 给出的sql执行结果与我写的sql结果是一致的，缺点是：我写的sql更长，优点是时间上会稍微比ChatGPT的短一些。

题目3 (中等)

这个题目是“股票的资本损益”

下面的sql是我写的：

SELECT stock_name, SUM(CASEWHEN operation = "Buy" THEN -1*priceELSE priceEND) AS capital_gain_lossFROM StocksGROUP BY stock_name

执行是通过了，但是时间比较长

让我们看看ChatGPT给的答案

这一次，ChatGPT和我使用了类似的结构，查询也通过了.

可以说，这次挑战是ChatGPT赢了，响应速度更快，代码相对更简洁，性能上可能会差一丢丢，但是只要把问题描述的足够清晰，ChatGPT能很快给出答案。

但是ChatGPT仍然会出错，如果业务背景没有描述清晰的话。

最后，我问了ChatGPT一个问题：

总结：

总的来说，ChatGPT的表现优点超乎我的意料，它学习能力强，能纠错。但是业务能力是欠缺的，如果问题描述的不精确，结果可能会相差很大。

关键词：