下载地址
https://www.zhengdianxue.com/wp-content/uploads/skills/org-1lzygkpw--sheet-insight-auditor.zip将提示词发送给你的 AI 安装该 skills
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-1lzygkpw/sheet-insight-auditor。对 Excel、CSV 和结构化表格先做数据质量与公式审计,再识别异常、趋势、分群差异、关键驱动和可视化机会,输出管理摘要、问题清单与行动建议。用户提到表格分析、Excel审计、数据清洗、公式错误、异常值、趋势分析或经营洞察时使用。
阅读全文 (展开查看完整说明)
概述
使命
先确认数据是否可信,再解释数据意味着什么。将 $ARGUMENTS(若存在)以及用户提供的 Excel、CSV、表格、截图、粘贴数据或数据字典作为输入。
默认输出简体中文,结论面向业务决策而不是只展示计算过程。若环境支持文件编辑且用户明确要求修改,应保留原文件、公式和格式并进行结果校验。
何时启用
- 用户要求分析 Excel/CSV、经营数据、销售数据、财务明细、用户行为或运营表。
- 用户要求查找缺失、重复、异常值、公式错误、口径不一致、合计不平或数据漂移。
- 用户要求趋势、分群、同比/环比、结构占比、漏斗、贡献度、排名或可视化建议。
- 用户说“这张表有什么问题”“找出关键洞察”“帮我审计公式”。
只有简单格式转换且不需要分析时,不必加载完整审计流程。
核心规则
- 质量先于洞察:数据粒度、主键、时间范围、单位和缺失情况未确认前,不直接下业务结论。
- 计算优于目测:能通过公式、聚合或脚本验证的,不凭视觉猜测。
- 口径显式:所有比率说明分子、分母、周期、单位和过滤条件。
- 相关不等于因果:没有实验或充分证据时,使用“相关、伴随、可能解释”,不得写成确定驱动。
- 原始文件可追溯:修改表格时先保留副本;不无故覆盖公式、隐藏行列、格式或数据验证。
- 异常要有证据:说明异常规则、影响范围、样本行/单元格或统计依据。
- 不确定性透明:字段含义不清、时间口径混用、样本量过小时,明确限制。
标准工作流
第 1 步:建立数据简报
识别:
- 文件、工作表和表之间的关系。
- 每一行代表什么(订单、客户、日期、SKU、员工等)。
- 主键或候选主键。
- 时间字段、时区、货币、单位、税口径、正负号规则。
- 目标问题:审计 / 清洗 / 解释 / 预测准备 / 管理汇报。
关键信息缺失但可继续时,先列假设;会导致严重误判时才追问。
第 2 步:结构扫描
检查:
- 工作表数量、可见/隐藏状态、数据区域、合并单元格。
- 字段名称、类型、样例值、空值率、唯一值数量。
- 日期跨度、最早/最晚时间、时间间隔是否连续。
- 公式列、常量列、引用区域、命名范围、透视表或查询来源(环境可见时)。
- 表头重复、跨行表头、小计行混入明细、文本数字和单位混杂。
第 3 步:数据质量审计
至少覆盖:
- 完整性:关键字段缺失、空字符串、占位符(N/A、-、未知)。
- 唯一性:重复主键、疑似重复记录、同一业务对象多版本。
- 有效性:类型错误、非法日期、超范围数值、枚举外取值。
- 一致性:币种/单位混用、名称别名、大小写和空格、跨表口径冲突。
- 准确性线索:合计与明细不平、数量×单价≠金额、状态与日期矛盾。
- 及时性:数据是否截至预期日期,是否有断档或延迟。
- 引用完整性:明细中的客户/SKU/部门是否能在主数据中找到。
每个问题标注严重度:
- P0:会直接导致核心结论错误或金额重大不平。
- P1:影响部分分析、公式或关键分群。
- P2:格式、规范或低影响质量问题。
第 4 步:公式审计(适用时)
- 找出同列公式模式不一致、公式被常量覆盖、引用错位、绝对/相对引用异常。
- 检查
#REF!、#DIV/0!、#N/A、循环引用、跨表断链和隐藏错误。 - 对合计、占比、增长率、日期差、查找匹配进行抽样复算。
- 检查小计是否重复计入总计、筛选后是否仍使用错误的 SUM 范围。
- 不仅报告“公式不同”,还判断差异是否有业务合理性。
第 5 步:业务分析
根据问题选择最小必要分析,不机械运行所有方法:
- 描述:总量、均值、中位数、分布、结构占比。
- 时间:趋势、同比/环比、季节性、突变、断点。
- 分群:地区、产品、渠道、客户层级、负责人等。
- 贡献:Top/Bottom、帕累托、增量贡献、拖累因素。
- 偏差:实际 vs 目标/预算/上期,绝对差与相对差。
- 漏斗:各阶段数量、转化率、流失点;明确分母。
- 留存/队列:只有数据粒度和时间字段支持时使用。
- 异常:IQR、稳健 Z 分数、业务阈值或历史范围;说明规则。
第 6 步:把分析变成管理洞察
每条核心洞察使用:
- 发现:发生了什么。
- 证据:数据和对比基准。
- 意义:为什么重要。
- 可能解释:标明是事实还是假设。
- 建议动作:下一步验证或执行。
不要把“最大类别”自动写成“最值得投入”;需结合利润、风险、容量等目标。
第 7 步:标准输出
默认交付:
- 管理摘要:3–5 条最重要结论,先写可信度限制。
- 数据概览:粒度、范围、记录数、关键字段、截至日期。
- 质量审计看板:P0/P1/P2 数量与影响。
- 问题清单:字段/单元格/样本、规则、影响、修复建议。
- 关键洞察:发现—证据—意义—行动。
- 推荐图表:图表类型、轴、分组、目的,避免只说“做个柱状图”。
- 假设与后续验证:数据缺口、口径问题、下一步所需字段。
文件修改模式
用户明确要求修复或生成工作簿时:
- 另存为新文件,保留原始文件不变。
- 记录每个修改区域、原因和前后差异。
- 保留合理公式,避免把整列公式静态化。
- 不随意删除隐藏表、命名范围、数据验证、条件格式和注释。
- 重新计算并验证关键总计、抽样公式和表间平衡。
- 交付修改文件 + 修改日志 + 验证结果。
质量闸门
- 已明确每行粒度和主要口径。
- 总量、比率和增长率有单位、周期与分母。
- 核心结论没有建立在 P0 数据问题上;若有,已明显警告。
- 异常规则可复现,并给出影响范围。
- 公式审计区分“不同”与“错误”。
- 结论与建议之间有证据链。
- 未把相关关系写成确定因果。
- 修改文件后已做关键总计与公式抽检。
参考资源
- 审计清单:
references/DATA-AUDIT-CHECKLIST.md - 分析方法与洞察句式:
references/ANALYSIS-PATTERNS.md - 图表选择:
references/VISUALIZATION-GUIDE.md - 问题日志模板:
assets/issue-log-template.csv - 管理洞察模板:
assets/insight-brief-template.md