---
title: 让 AI 分析业务表格：630条销售记录里，先核对这三个判断
description: 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。
canonical_url: >-
  https://onevium.com/zh/blog/business-analysis-agent-sales-repeat-customer-definitions
language: zh-CN
published_at: '2026-11-11'
publisher: Onevium
---
# 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。

## 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](https://www.youtube.com/watch?v=we4J_JgPeQA)及[作者提供的配套下载](https://go.teachers.tech/Claude_Code_BA)。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：

```text
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 | $23,943.30 | 70.77% |
| 市中心店 | 180 | $24,672.00 | $17,794.00 | 72.12% |
| 商场摊位 | 180 |  $9,001.00 |  $6,478.60 | 71.98% |
| 农夫市集 |  90 |  $6,923.00 |  $4,966.10 | 71.73% |

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](https://onevium.com/assets/blog/business-analysis/channels-zh.png)

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](https://onevium.com/assets/blog/business-analysis/repeat-zh.png)

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](https://onevium.com/downloads/business-analysis-workshop.zip)。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](https://go.teachers.tech/Claude_Code_BA)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：

```sh
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。

来源: [Teacher’s Tech — Claude Code: Data Analysis Without the Spreadsheet Headaches](https://www.youtube.com/watch?v=we4J_JgPeQA)
