先说明一行代表什么
分析开始时,明确一行是一笔订单、一个客户还是一天的汇总。同一客户有多行交易时,行数不能当作客户数;一行月度汇总也不能与每日明细直接相加。可以让工具先复述字段含义和统计单位,再给出分析计划,发现理解偏差时及时纠正。
日期与单位需要统一
表格里常见金额混用币种、流量混用GB和MB、日期混用本地时间与UTC。不要让模型根据列名自行猜测。为各列补充单位和时区,必要时增加标准化列,保留原始值。日期范围也要说明是否包含起止日,跨月比较时应区分完整月份与尚未结束的月份。
空白、零和缺失不是同一回事
零可能表示确实没有发生,空白可能表示尚未填写,而缺失可能来自导出失败。计算均值前应确认这些情况如何处理。重复行同样需要依据业务标识判断,不能因为两行内容相似就自动删除。处理规则一旦确定,要让工具输出被排除或修改的记录数量。
例如一列“0”表示未销售,而另一来源用空白表示未上报,把两者都算作零会拉低平均值。可以先建立状态列区分已报告零值与未知记录,再决定分母包含哪些行,让计算口径清楚地保留在交付文件里。
用可复算的小样本验算
先选几行手动计算一个总和或比例,与工具结果比较。若产品能生成图表,也检查图表是否使用了正确分组、排序和坐标单位。漂亮的图不证明数据正确。需要长期复用的结果,优先保留公式、查询步骤或处理脚本,使下次导入新数据时能够按相同口径重做。
把结论写在数据能够支持的范围内
销量同时上升不代表某次活动一定导致增长,样本缺失也可能改变排名。报告中应写清覆盖期间、样本规模和已知缺口,并把观察与原因推测分开。交付时附上处理规则和最终数据版本,让同事能够从原始表格重新得到主要结果。
资料来源
以下来源用于核对概念和操作条件。产品界面与政策可能变化,请结合当前官方说明使用。