AI 表格分析前置检查：先校准口径、关联和复算

先看结果：AI 说联盟渠道“利润最高”，复算后却是负 12,500 美元

独立增长顾问宋宁收到客户的 Q2 渠道工作簿，主表有 12,486 行。她把四个工作表导入分析工具，问：“下季度应该把预算加到哪个渠道？”AI 很快回答：联盟渠道销售额 428,600 美元、增长最快、利润约 149,000 美元，应优先加预算。

这个答案语句完整，却没有确认一行代表订单还是订单明细、退款是否一对多、广告支出是否被重复关联、币种怎样换算，也没有发现 286 个成本空白和汇总公式漏掉后 486 行。宋宁先暂停建议，完成前置检查。案例数字均为虚构教学数据：

最终不是“精确利润为 -12,500”，而是已知贡献额为 -12,500，纳入未决成本后区间更低；无论未决成本取零还是合理上界，符号都为负，所以“不追加联盟预算”在当前证据下稳定。AI 没有算术失灵，失败发生在计算之前：它接受了错误的表意、关联和缺失值处理。

本文是虚构教学案例，不是对真实客户或行业渠道表现的调查，也不提供会计、税务或投资意见。贡献额只是本案例为预算测试定义的管理口径，不等于法定利润、现金流或完整客户价值；真实财务用途应由相应负责人确认准则、期间与责任。

先把业务问题写成可复算的分析合同，而不是问“你发现了什么”

“分析这个表”没有完成条件。宋宁把问题改为：比较 Q2 四个渠道的 已确认收入、已知贡献 和 未解决成本范围；只有当渠道贡献额在合理成本上下界中仍保持同一符号，才给出增减预算方向。客户获取、品牌长期价值和未来预测不在本次结论内。

合同先决定什么数据是关键。若问题改为现金流，订单日期可能不如到账日；若改为客户终身价值，第二季度订单表根本不够。数据质量不是“文件干净程度”，而是它是否适合这次用途。

冻结源文件与计算环境

宋宁不在客户原文件上直接改。她保存只读副本、文件哈希、接收时间、导出系统、导出参数、工作簿计算设置和工具版本；所有转换写到新目录。

文件含客户数据时，还要先确认可否放入所选 AI 工具、供应商怎样保留和使用数据、谁有访问权。分析不需要姓名、邮箱和完整地址时，导出前用稳定代号替换；凭据、支付卡和无关个人资料不进入提示。

冻结不是只给文件改名“最终版 2”。快照回执还要记录是否包含公式、是否完成重算、外部链接能否访问、日期区域、时区、显示小数位与原始精度。若客户第二天补交退款表，就生成新的输入集，不能用新文件悄悄覆盖旧哈希。最终报告指向具体输入集编号，才能解释为什么同一个问题在两个版本中得到不同数字。

盘点四张表的真实粒度

工作簿不是一张表。宋宁先记录每个工作表的真实粒度、键、时间覆盖与异常：

她同时检查隐藏行列、隐藏 工作表、合并单元格、筛选状态、命名区域、透视缓存、外部连接和打印区。隐藏不代表错误，但它会让“肉眼看见的范围”与公式实际范围不同。

W3C 的表格数据模型强调，表格需要配套的元数据，列值还可以声明数据类型；CSV 本身也存在编码、表头、引号与换行等变体。导出 CSV 不会自动标准化含义，数据结构与文件方言仍需记录。

盘点时不能只看左上角到右下角。每张工作表都要回答六个问题：表头从哪一行开始；总计或小计是否混入数据区；筛选后是否只导出了可见行；公式引用是否越过当前使用范围；空白行是分隔还是记录缺失；相同名称的命名区域是否指向不同版本。任一问题未知，都在清单中标为“尚未确认”，而不是根据版面猜测。

她还抽取每列的非空数、唯一值数量、最小值、最大值、错误值、公式数、常数数和前后各 5 个原始样本。这一步不是让 AI“理解全表”，而是用有限轮廓发现值得向负责人追问的结构异常。

先确定粒度与主键

订单表有 8,942 个订单却有 12,486 行，因为一个订单可含多件商品，而且同一订单行可因状态更新出现多个版本。若按订单编号去重，会删掉合法商品行；若完全不去重，又会重复计算旧版本。

先清除 42 条逐字段完全相同的重复导出，再对 73 个有旧版本的商品行按更新时间取最新，并保留已取代记录。行数账本为 12,486-42-73=12,371 个当前订单行。这里的 73 指多出来的旧版本行，不是 73 个完整订单。

主键为空、同一时间出现两条冲突版本，或更新时间没有时区，都不能靠“取最后一行”解决，必须回源确认。

字段字典要写业务含义、单位、允许值和缺失语义，不能只翻译列名

同一个“净销售额”可能含税、含运费、已扣退款或只扣折扣。宋宁请客户财务负责人逐字段确认，并记录负责人和生效日期：

字段字典还要写粒度、可为空、有效值、源系统、转换、敏感性和示例。AI 可以根据样本提出“总额可能是含税总额”的问题，但不能替负责人定义。

质量规则必须绑定用途和失败影响，不追求所有列都达到同一“干净分”

GOV.UK 政府数据质量框架 把 完整性、唯一性、一致性、及时性、有效性 和 准确性 作为可调整的核心维度，并强调质量要结合用户用途。2026 年更新的数据质量问题框架进一步建议先说明数据用途，再设规则、目标和失败优先级。

宋宁不生成一个“质量 92 分”，而是按结论影响设门：

规则通过率与重要性分开。98% 的邮箱完整度与本题无关，哪怕很低也不阻断；仅 1 条未关联的大额退款却可能翻转渠道结论，必须优先处理。

缺失值先分“本来不适用、尚未发生、来源未知和提取失败”，再决定动作

286 个产品成本空白不能统一填 0 或平均值。宋宁抽样追源：252 条可按库存单位、地区与生效日从成本表精确回填；34 条库存单位已经停用且缺少历史成本，只能保留为尚未确认。

34 条未决成本按渠道分为直接 4、搜索 11、电子邮件 2、联盟 17。她为每条保存合理下界 0 和基于同类库存单位的保守上界；这不是把上界当成真实成本，而是测试结论会否翻转。若区间跨过 0，预算方向就标为未解决。

回填 252 条也不是用今天的成本覆盖历史。匹配键必须同时满足库存单位、销售地区和“生效日≤订单日<失效日”；命中 2 个成本版本时阻断，零命中才进入未解决。每次回填都保存成本来源行和生效日期回执，才能在成本表修订后重算。

缺失率还要按渠道、月份、产品分组。整体 0.27% 可能掩盖联盟渠道集中缺失；不能只报全表平均。

日期、数字和币种必须显式解析

订单表混有 06/07/2026、2026-06-07 和表格序列值。31 行只看文本无法判断是 6 月 7 日还是 7 月 6 日，被隔离并向来源负责人确认地区格式，而不是让 AI 根据其他行“猜大多数格式”。

规范化只生成新列：标准订单日期、美元标价、美元折扣和解析状态；原始列不覆盖。汇率定义明确写成“1 单位交易币 = 多少美元”，避免同一个汇率有人乘、有人除。

31 条日期隔离行的折后收入上限为 6,840 美元。她做两端压力测试：全部属于第二季度与全部不属于第二季度；即使把 6,840 全放进联盟渠道 且暂按零新增成本，它的已知贡献也只到 -5,660，仍为负。这个极端假设用于测试方向，不是替代日期修复。

另有 39 行 渠道未知。通过已冻结的活动编号 映射找回 37 行，剩余 2 行共 420 美元维持未归因状态。若把 420 全归联盟渠道，结论仍不翻转；但这两行不能为了让四渠道加总好看而按比例分摊。

重复与版本要分类处理

AI 很适合生成候选重复簇并说明匹配信号，但不能只凭姓名、金额和文本相似就删行。删错一笔与保留一笔重复对利润方向影响不同，候选表要显示两种影响。

去重规则版本化；下季度若来源系统改成 只追加事件流，旧的“取最新行”可能破坏事件事实。

异常值不是垃圾

金额最大的 12 行不全部删除。8 行是确认过的企业批量订单，2 行将欧元小数逗号误读为千位，1 行为测试订单，1 行是重复扣款。相同统计极端值对应四种不同动作。

箱线图、标准分数或四分位距 只能找候选，不能自动决定真伪。异常处置保存证据、负责人、修改前、修改后和金额影响；没有证据就标为未解决。

公式审计要检查错误值、依赖、范围断裂、硬编码和计算设置

订单 与 摘要 共 612 个公式单元格。宋宁按区域比较公式规律并发现 17 个互斥异常：6 个公式被常数覆盖、5 个产生 #不适用、3 个求和范围漏了新增行、2 个依赖关闭的外部工作簿、1 个循环引用。

Microsoft 当前 Excel 支持文档说明，可用 追踪前驱/后继 追踪公式关系，错误检查 可发现错误值、区域内不一致公式和遗漏相邻单元格；某些 电子表格查询 功能只在特定 Windows/Office 版本可用。工具提示不是证明：它不能理解 总额 是否应扣税，也不保证找出所有业务口径错误。

她导出公式文本 而不是只读显示值，并用独立计算重建关键汇总。若只能拿到 PDF 或粘贴值，公式来源不可审计，结论应明确降级。

一个具体断裂发生在 摘要表 H6：显示公式为 订单表 H2 到 H12000 求和，而清单显示当前数据到 H12487；这不是简单把末行改大就完成，因为中间还含旧版本与取消行。正确修复是让摘要表引用经过规则生成的“当前订单”结构化范围，再用独立分组结果比对。另一个单元格用错误转零公式隐藏“不可用”，使缺成本看似零；展示层可以解释错误，分析层必须保留缺失原因，不能把错误值变成业务上的 0。

公式审计输出 公式区域、预期规律、实际公式、前驱单元格、错误类型、金额影响和解决方式。只截屏红色小三角无法用于下次回归。

多表关联前先写基数：一对多退款必须先聚合，渠道支出不能复制到每个订单行

最危险的错误不是 VLOOKUP 报错，而是关联成功却让行数悄悄膨胀。退款 有 438 笔交易，落在 392 个订单行；若直接与 订单 相连，多次部分退款会复制订单收入。

9 笔退款无法关联当前 order_line，合计 1,240 美元。它们不能被当作 0；宋宁检查旧键映射后找回 7 笔，剩余 2 笔 310 美元进入未关联退款下界。任何渠道结论都同时展示“若这 310 美元全部属于该渠道”的压力测试。

关联回执保存左表行数、右表行数、输出行数、已匹配、左侧未匹配、右侧未匹配和重复键。输出行数超出预期就立即停止，不让 AI 继续解释膨胀结果。

每次转换都写行数与金额账本，修复不能悄悄改变总体

当前订单视图的行数变化可逐步复算：

问题标签可以重叠，不能把 286 个缺成本、39 个未知渠道继续从 12,222 中相减；它们仍参与收入基线，只限制贡献或渠道归因。质量报告同时给 受影响行数和受影响金额，防止一条大额错误被“99.9% 行通过”掩盖。

转换日志的最小字段是步骤编号、输入哈希、规则版本、转换前后行数、转换前后金额、例外、输出哈希和审批人。AI 生成的转换也必须进入同一账本。

两笔部分退款的完整复算

订单行 O-1002-L1 以 EUR 计价：总额 200、折扣 0；退款 有 R-91=30 EUR、R-94=20 EUR；交易日汇率为 1 EUR=1.10 USD；产品成本 105 USD、支付费 5 USD。

错误路径一：先把两笔 退款 行与订单连接，订单收入被复制两次，再聚合会膨胀。错误路径二：把 178,700 渠道季度支出连接到每个联盟订单行，会重复扣数千次。正确路径是各自在原生粒度聚合，最后在 渠道 + 季度 粒度合并。

AI 输出必须展示这条从原始键、退款聚合、汇率到渠道汇总的追踪链；只给最终数字不放行。

用勾稽和不变量验收清洗结果：每个“消失的金额”都要有去向

清洗后四渠道汇总为：

总计复算：1,407,400-715,800-42,200-307,200=342,200。渠道已知贡献相加也等于 342,200；上下界按 34 条未决成本逐条汇总，不用一个虚构平均成本。

其他不变量包括：退款总额=已关联+未关联；每个 当前行 ID 唯一；USD 行 汇率=1；取消行不进入 已确认收入；渠道支出合计等于原表 Q2 合计；任一转换前后差额等于明确的 重复、取消、退款、FX 或 隔离 桶。

表中计入未决成本后的总贡献下界应为 330,000 美元：177,100+78,500+93,100-18,700=330,000；它只反映 34 条缺成本。另有 310 美元未关联退款、420 美元未归因收入与 6,840 美元日期隔离金额，分别作为独立压力桶展示，不能揉进一个貌似精确的置信区间。不同问题的方向不同：退款只会降低，未归因收入可能增加某渠道，日期隔离取决于是否属于 Q2。

当两条计算路径出现差额，先按层定位：行数不同查筛选/版本；已确认收入 不同查日期、币种、退款；已知贡献不同查成本、费用、支出；只有显示尾差才允许在最终层四舍五入。禁止直接写一个 调整 行把总数“调平”。

给 AI 的不是整本表，而是问题、数据结构、允许转换和必须返回的证据

分析包包括 问题合同、清单、字段字典、清洗后的表、质量报告、转换日志 和 允许的计算。提示要求模型：不得改变字段定义；不得把尚未确认填 0；不得自动删异常；任何关联先报告基数；每个结论返回 计算、源字段、行数、例外情况 和 不确定性。

模型输出先写 结果状态：可回答、有限条件下可回答或已阻塞。若关键规则未通过，只能返回阻断原因、影响范围和所需证据，不得为了完成任务给一个“仅供参考”的精确排名。

一条可接受的 结果回执 至少包含：指标定义哈希、输入集编号、总体数量、各原因排除数量、分组键、关联回执、计算表达式、小计、不确定性桶、失败规则和复核人。叙述中的“最高”“增长”“显著”“亏损”必须指向其中一个可复算比较，不能只因为模型在文本里看见某列较大。

她还把问题拆为三种输出层：事实 只报告可复算金额；解释 解释可能原因并明确替代解释；操作层写决策负责人、所需额外证据和可撤回测试。AI 可以草拟三层，但禁止把“联盟贡献为负”直接扩写成“联盟合作伙伴质量差”；当前表只支持渠道季度贡献，不包含伙伴质量的因果证据。

提示词不能替代这些结构。只写“请仔细检查并诚实说明不确定性”不会自动产生主键、基数和金额勾稽；相反，明确数据结构、允许动作与阻断规则后，即使更换模型，检查对象仍然稳定。

第二种计算路径和冻结陷阱集，专门检查“看起来合理”的错误

宋宁用两条独立路径复算关键数字：工作簿透视/公式与脚本分组计算。两条路径共享冻结 清洗后的输入，但不共享同一汇总公式；只有行数、金额、退款与支出在 0.01 美元容差内一致才进入叙述。

她还建立 30 个已知陷阱和 10 个干净对照：6 个日期/区域、5 个公式、5 个关联、4 个缺失、4 个币种、3 个重复、3 个异常。首轮 AI 正确发现 23，发现但建议动作错误 3，漏掉 4；改进数据结构与规则后为 28、1、1。10 个干净对照的误报从 2 降到 1。

漏掉的 1 个是关闭外部工作簿后的缓存值仍看似正常；因此公式依赖仍需人工与第二路径检查。测试提高的是可见性，不是证明模型“99% 正确”。

结论要带适用范围和停止条件：数据不支持时，最专业的输出是暂不排名

当前四渠道中，直接、搜索、电子邮件 的贡献区间均为正，联盟 区间均为负；这个方向在已定义成本上界内稳定。但不能由此断言前三者未来回报率不变，也不能忽略客户获取质量、产能约束或长期留存。

任何 当前键 冲突、退款金额无法勾稽、渠道支出 重复、汇总差额超过 0.01 美元、非 USD 无汇率或公式源不可访问，都阻断精确贡献结论。不是把 保留条款 写在报告末尾后继续排名。

正贡献也不自动等于增加预算。电子邮件 的 93,400 高于 搜索 的 83,000，但两者投入规模、可扩展库存和边际回报没有在当前表中建模；直接 更不一定是可购买渠道。当前结果只能排除“联盟已被证明最赚钱”这一原建议，并为下一次小额预算实验提供基线。把分析用途守窄，比用更多图表把同一数据包装成战略更可靠。

若财务负责人后续改变贡献定义，例如加入人工履约成本，必须生成新指标版本 并重跑四渠道，不得只在联盟渠道上补一项成本。定义变更和数据修复是两类事件：前者改变所有历史比较的语义，后者修正特定输入错误。

可以直接复制的表格分析前置包：用 90 分钟先查一项真实决定

01-analysis-contract.md
02-source-manifest-and-hashes.csv
03-sheet-map-and-grain.csv
04-field-dictionary.csv
05-data-quality-rules.csv
06-quality-results-and-exceptions.csv
07-transforms-and-row-ledger.csv
08-formula-and-dependency-audit.csv
09-join-cardinality-receipts.csv
10-reconciliation-and-independent-recalc.csv
11-ai-test-cases.csv
12-decision-with-uncertainty.md

第一次练习只选一项会改变决定的表：前 15 分钟写问题、范围和指标；20 分钟盘点工作表、粒度与键；20 分钟定义五个关键字段；20 分钟检查重复、缺失、公式和关联基数；最后 15 分钟手算三行并对一个总计。任何一项说不清，就先返回负责人补证据。

资料核验于 2026-07-21，进一步阅读：

• GOV.UK：The Government Data Quality Framework：提供以用途和六个可调整维度评估数据质量的框架。
• GOV.UK：Data quality issues framework：2026-04-16 更新，说明数据用途、质量规则、目标、失败影响与问题优先级的关系。
• GOV.UK：The Government Data Quality Framework guidance：给出 关键数据、规则、基线、问题记录、根因和持续测量等实践。
• W3C：Model for Tabular Data and Metadata on the Web：说明表格、列、数据类型、元数据 与 CSV 解析/验证边界。
• Microsoft Support：Detect formula errors in Excel：说明公式错误值、区域内不一致公式、遗漏单元格与重算检查。
• Microsoft Support：Display the relationships between formulas and cells：说明 先例/依赖 追踪及其对关闭外部工作簿等情况的限制。
• Microsoft Support：Analyze a workbook with Spreadsheet Inquire：列出工作簿结构、公式、单元格、连接与警告分析能力，并标明适用产品限制。

AI 能快速生成代码、发现候选异常和解释结果，却不会自动知道一行是什么、空白意味着什么、关联为什么合法、极端值是不是业务事实。把前置检查保存为可复用包后，下一次不必从头“清洗”；你是在执行同一套可以拒绝坏输入、解释每个差额并复算每个结论的分析工作。