返回文章列表实用指南

让 AI 分析业务表格:630条销售记录里,先核对这三个判断

用教程配套的销售与客户表实际复算,检查渠道利润、复购定义和错误合并。附聚合结果、图表、可复算脚本与清楚的决策边界。

约 10 分钟Markdown
本页内容8 个章节

销售额低,就该建议关掉这个渠道吗

商场摊位的销售额是 $9,001,线上是 $33,832。但两者的表内利润率分别为 71.98% 和 70.77%。如果只看销售额排名就让 AI 给出“关掉摊位”的建议,已经跳过了成本口径和经营条件。

这次我们拿到一份咖啡业务教程的配套表格,实际完成了数据检查、渠道汇总、复购口径比较和一个错误合并实验。结果不只是几条建议:有能复算的数字、两组图表,也有需要补充的具体资料。文章记录的是 Codex 中执行的分析,数据按教学样本处理,不代表真实客户经营结果。

先认清拿到的是哪两张表

材料来自 Teacher’s Tech 的 Claude Code 业务分析教程及作者提供的配套下载。包内有 sales-data.xlsx、customers.xlsx 和项目说明。我们取得并读取了这些文件;完整视频字幕未能取得,因此本文是对配套材料的独立分析,不转述未核验的演示过程。

销售表有 630 行、630 个不同的 Order ID,记录日期从 2025-04-01 到 2026-03-30。客户表有 200 行、200 个不同的 Customer ID。本文的“每条记录”按输入行计算;迁移到自己的表时,要先确认一行究竟是整单、商品明细还是月度汇总。

金额沿用作者项目说明中的 $ 标记。Profit 列等于 Revenue 减 Cost,但文件没有完整定义 Cost 包含哪些费用。我们因此称它为“表内利润”,不直接当作净利润。

让分析助手先交回口径和复算

第一轮先检查列名、记录粒度、日期范围、缺失值和重复编号,再看数字。我们逐行重新计算了 Quantity × Unit Price 和 Revenue − Cost,在 0.005 的容差内,两组结果均与来源列一致;所检查的销售字段没有缺失。

总计复核得到:销售额 $74,428.00,表内成本 $21,246.00,表内利润 $53,182.00。整体表内利润率按 53,182 ÷ 74,428 计算,为 71.45%,没有直接平均各行百分比。

我们用 Decimal 完成主汇总,再用独立求和复核总计。原表保持只读。可复制的任务请求如下:

读取销售表和客户表,不改原始文件。
先说明每行代表什么、可用关联键、日期覆盖、缺失与重复。
逐行复算数量×单价,以及销售额−成本。
按渠道汇总销售额、表内利润和加权利润率。
比较原复购标签与明确命名的“订单数至少两单”口径。
没有有效关联键时,不把客户表与销售表强行合并。
把观察、假设和决策前缺少的数据分开。
交回聚合结果、短报告和可复算步骤,不导出客户姓名或编号。

把金额和比率放在一起读

渠道汇总是这次实际算出的结果:

渠道记录数销售额表内利润表内利润率
线上180$33,832.00$23,943.3070.77%
市中心店180$24,672.00$17,794.0072.12%
商场摊位180$9,001.00$6,478.6071.98%
农夫市集90$6,923.00$4,966.1071.73%

商场摊位与线上在输入里都是 180 条记录,但每条记录金额分别约 $50.01 和 $187.96。可以继续调查数量、商品组合和折扣;这些汇总本身还不能证明差异由哪一个因素造成。

农夫市集只在 2025 年 5—10 月有记录,其他三个渠道有十二个月的记录。不能直接把六个月总额与十二个月总额当作同等经营暴露,也不能机械乘二预测全年。记录月份不等于营业天数或工时。

渠道销售额与表内利润率实际汇总
来源:Teacher’s Tech 教学数据;本次计算并绘图。

复购率为什么能从28%变成78.5%

客户表的 Repeat Customer 原始标签有 56 人为 Yes,占 200 人的 28.0%。如果另定义“Total Orders 至少为2”,满足条件的是 157 人,占 78.5%。两种判断在 101 条记录上不一致。

我们没有把原标签改掉,也没有宣布较高的比例才正确。要先向资料提供者确认:标签按什么规则、哪个时间窗口定义,Total Orders 又覆盖哪段时间。

这张图把两个定义并列,目的就是避免同一个“复购率”名字遮住不同的计算方法。后续报告如果使用其中一项,应在结果旁写清定义;口径未确认前,不据此安排客户召回或评价某个渠道。

原始复购标签与至少两单口径的对照
来源:Teacher’s Tech 教学数据;本次计算并绘图。

两张表都有Channel,也不能直接合并后求和

销售表没有 Customer ID,客户表没有可与销售明细对应的订单编号。共同的 Channel 只是分类,不是逐条匹配的键。

为了展示后果,我们在内存副本中故意按 Channel 做了一次多对多合并:630 条销售记录扩成 32,670 行,销售额从 $74,428 被重复累计成 $4,353,295。这个反例是主动设计并运行的检查,不是声称 AI 意外犯了这个错误。

例如线上有 63 条客户记录,按渠道合并后,每条线上销售记录会被重复63次。工作包里的 demonstrate_bad_join.py 用相同的重复次数复现这个结果,不需要导出含客户信息的大表。

当前能做的是分别描述两张表的渠道分布。要研究客户对应的购买行为,必须补可靠的共同编号和一致的时间口径,不能用相同渠道名代替。

报告最后写三个可执行的下一步

这次报告给出的下一步,分别对应缺少的证据:

  1. 先补成本范围。 确认 Cost 是否包含渠道租金、人员、物流和营销支出,再讨论净收益或关停决定。当前只能比较已记录的利润。
  2. 调查商场摊位的每条记录金额。 当前差异是真实的样本汇总结果;下一轮需要商品组合、数量、折扣及营业条件,才能解释原因。
  3. 统一客户口径和关联键。 先确认复购标签定义与窗口,再取得可以和销售明细匹配的编号。

这比直接写“加强线上、关闭线下、提高复购”更容易接手:同事知道下一步要找哪份资料,也知道当前表格还不能回答什么。

下载结果,自己复算一遍

下载本次分析工作包。包含分析脚本、聚合结果、错误合并反例、绘图脚本、请求示例和审核记录;没有重新分发作者的原始表格、项目说明或客户记录。请从作者入口取得原始 ZIP,文件哈希记录在 analysis.json 中。

在独立 Python 环境准备 openpyxl 后运行:

python analyze.py /path/to/source.zip --output my-analysis.json
python demonstrate_bad_join.py /path/to/source.zip

把新结果与包内 analysis.json 对照。来源文件更新、字段或口径变化时,先解释差异,不强行改到参考数字。图表直接从聚合结果生成,读者可以沿着结论追到计算。

这轮完成的是教学数据上的实际分析与复核,没有测量模型准确率或节省时间。把流程迁移到自己的工作,先挑一个有明确负责人、字段定义和允许使用范围的小问题;从一份能核对的报告开始。