LEAD und LAG sind nicht nur theoretische Funktionen – sie werden in der Praxis sehr häufig eingesetzt, besonders in der Datenanalyse und im Reporting.

Monatsvergleiche (Umsatzänderung zum Vormonat)

Einer der häufigsten Anwendungsfälle ist der Vergleich von Werten über die Zeit, zum Beispiel Umsatzänderungen.

SELECT
    monat,
    umsatz,
    umsatz - LAG(umsatz) OVER (ORDER BY monat) AS differenz_zum_vormonat
FROM umsaetze;
  

Damit erkennst du sofort, wie sich der Umsatz von Monat zu Monat verändert hat.

Vorjahreswerte in derselben Zeile

Auch Jahresvergleiche lassen sich elegant umsetzen, wenn deine Daten entsprechend sortiert sind. Typisch ist hier die Kombination mit PARTITION BY, um z. B. nach Produkt oder Kategorie zu gruppieren.

SELECT
    jahr,
    umsatz,
    LAG(umsatz) OVER (ORDER BY jahr) AS umsatz_vorjahr
FROM umsaetze_jahr;
  

Erkennung von Trends (steigend oder fallend)

Mit LAG kannst du sehr einfach Trends erkennen, indem du aktuelle und vorherige Werte vergleichst.

SELECT
    monat,
    umsatz,
    CASE
        WHEN umsatz > LAG(umsatz) OVER (ORDER BY monat) THEN 'steigend'
        WHEN umsatz < LAG(umsatz) OVER (ORDER BY monat) THEN 'fallend'
        ELSE 'gleich'
    END AS trend
FROM umsaetze;
  

Das ist besonders hilfreich für Dashboards und automatisierte Reports.

Füllen von Lücken (z. B. fehlende Werte mit Vorgänger)

In realen Daten gibt es oft fehlende Werte. Mit LAG kannst du diese teilweise sinnvoll auffüllen.

SELECT
    datum,
    COALESCE(umsatz, LAG(umsatz) OVER (ORDER BY datum)) AS gefuellter_umsatz
FROM umsaetze;
  

So kannst du fehlende Werte durch den zuletzt bekannten Wert ersetzen.

Diese Anwendungsfälle zeigen, warum Fensterfunktionen ein zentraler Bestandteil moderner SQL-Analysen sind. Besonders bei unterschiedlichen SQL Datenbanktypen wie relationalen und analytischen Systemen gehören sie heute zum Standardwerkzeug für Data Analysts und Entwickler.

Im nächsten Abschnitt schauen wir uns an, wie LEAD und LAG mit PARTITION BY kombiniert werden.