蒲公英信审学院财务分析

解决脏数据与手工分析的痛点

在信贷审批和尽职调查场景中，分析师往往需要面对大量格式不一的客户财务资料。这些资料通常是体积庞大的 PDF 审计报告、DOCX 财报或扫描件图片。手工提取数据不仅耗时，还容易在定位“合并资产负债表”等报表页面时出现疏漏。此外，不同分析师对指标计算口径的理解可能存在偏差，导致报告质量参差不齐。

本技能旨在将这一过程自动化。它将原本依赖人工的“找数、算数、写报告”流程，转化为一套标准化的流水线操作，直接生成符合金融机构审贷要求的 DOCX 格式分析报告。

核心能力与工作流

技能的核心逻辑建立在数据准确性验证与结构化分析之上。

• 多格式数据提取：

对于 PDF 文件，它利用 PyMuPDF 库进行关键词定位，自动搜索“合并现金流量表”、“审计报告”等关键页码并提取文本。针对年报数据，它会执行交叉验证——检查当年年报中的上年数据是否与上年年报一致，以此确保数据准确性。

• 精准指标计算：

技能不仅提取数字，还会根据 references/financial_ratios.md 定义的公式计算关键指标。例如自动处理“平均存货”的计算逻辑，并覆盖短期偿债、长期偿债及盈利能力等维度。

• 生成标准报告：

最终产物是结构严谨的 DOCX 文档。报告包含财务数据对比表与财务指标对比表，文字分析遵循“结论先行，数据支撑”的原则。

适用边界与注意点

• 输入质量决定输出质量：如果提供的是扫描件且无法提取文字，技能会提示需要电子版。对于 OCR 识别的图片，精度取决于原图清晰度。
• 数据缺失处理：若某些科目数据无法获取，报告会明确标注“数据暂缺”，而不会进行臆造。
• 环境依赖：PDF 解析依赖 PyMuPDF，生成复杂排版的 DOCX 报告时推荐使用 python-docx 库。