千军电商销售数据分析

这份表格读完，下周例会该说什么

运营丢过来一份 orders.xlsx，里面有八万行订单、十二列字段，没人告诉你哪列是金额、哪列是时间、哪个维度能拆开看。常见的做法是拖进 Excel 画几张折线图，再对着屏幕想「这个涨了，所以呢」。结果会议开完，结论停在「整体还行，个别品类要再看看」，第二天没人知道该动什么。

本技能要解决的就是这一步：把原始表格吃进去，产出一份能直接开会的 Markdown 报告，每条结论后面都有数字锚点，每个建议后面都有责任方和衡量指标。

它具体怎么做

• 先问目的：动手前确认你要的是「发生了什么」「为什么」还是「接下来怎么做」，深度和指标选择都由此决定，避免把所有列都算一遍。
• 数据画像与校验：接入 CSV/XLSX/粘贴文本后，自动识别时间、金额、ID、分类列；再按 references/data-quality.md 清单检查缺失、重复、异常值、口径不一致与时间断档，明确标注「数据不足以支持的结论」。
• 分模块算指标：按数据形态选电商（GMV 拆解、转化漏斗、复购、品类结构 CRn）、用户（RFM 八类分层、同期群留存、流失预警）、销售（同环比、移动平均、结构拆解、短期预测），或进一步用 AARRR + HEART 做增长体检，用 SWOT / 波特五力 / PEST 升维到战略层。
• 计算与解读分离：scripts/analyze_data.py 负责机械计算（描述统计、分组聚合、基础同期群），模型负责解读、标注对比基准（环比/同比/行业）并挑出 1-3 个最值得讲的信号。
• 报告成稿：套用固定模板，输出 TL;DR、数据概览、分模块发现、可视化建议（图表类型与维度，不一定出图）和行动建议表，数字一律用表格呈现。

适用边界

• 不做数据修补，不杜撰数字；字段缺失或口径不明时直接写假设或停止推断。
• 手机号、身份证等隐私字段只做聚合，不逐条展示。
• 预测属于概率性结论，需标注「基于历史假设，非承诺值」。
• 指标口径以你的业务定义为准；脚本产出的是草稿，洞察和建议需要模型补完，二者是配合关系而非替代。