场景：数据整理与分析

本文介绍如何使用代班友友进行数据处理和分析任务。

场景概述

适用情况：

  • 数据清洗和格式转换
  • 统计分析和趋势挖掘
  • 数据可视化准备
  • 业务报表生成

输出成果：

  • 📊 处理后的数据文件（CSV/JSON）
  • 📈 分析报告（Markdown）
  • 📉 图表说明文档
  • 💻 数据处理脚本

预计耗时： 3-10分钟

操作步骤

第一步：描述数据任务

需求模板

我有一份【数据类型】数据，需要：

数据来源：【数据描述或样本】

分析目标：
- 【目标1】
- 【目标2】
- 【目标3】

输出要求：
- 【格式要求】
- 【可视化需求】
- 【报告要求】

实际示例1：数据清洗

我有一份销售数据（CSV格式），需要清洗和分析：

数据样本：
日期,产品,销售额,区域
2024-01-01,产品A,12500,华东
2024-01-01,产品B,8900,华北
...

任务：
1. 数据清洗：
   - 去除重复记录
   - 处理缺失值
   - 统一日期格式

2. 数据分析：
   - 各区域销售额统计
   - 产品销量排行
   - 月度增长趋势
   - 同比环比分析

3. 输出：
   - 清洗后的数据（CSV）
   - 分析报告（Markdown）
   - 统计图表说明

实际示例2：业务分析

分析过去12个月的用户增长数据，生成分析报告。

需要分析：
- 每月新增用户数
- 用户留存率
- 用户来源渠道效果
- 增长最快的月份和原因

输出：
- 增长趋势图说明
- 渠道对比分析
- 结论和建议
- 数据表格（JSON）

第二步：AI处理过程

任务分解

📋 数据理解阶段
☑ 解析数据格式
☑ 识别数据字段

🔍 数据处理阶段
🔄 数据清洗
☐ 数据转换
☐ 统计计算
☐ 趋势分析

📊 可视化准备阶段
☐ 生成图表数据
☐ 编写图表说明

📝 报告生成阶段
☐ 撰写分析报告
☐ 整理结论建议

第三步：查看分析结果

分析报告

文件名： sales_data_analysis_report.md

# 销售数据分析报告

## 数据概况

- **数据时间范围**：2024年1月 - 2024年9月
- **总记录数**：2,847条
- **产品数量**：15个
- **覆盖区域**：6个大区

## 数据质量

### 清洗前
- 重复记录：127条（4.5%）
- 缺失值：35条（1.2%）
- 异常值：8条（0.3%）

### 清洗后
- 有效记录：2,677条
- 数据完整性：100%
- 数据质量评分：98/100

## 销售趋势分析

### 整体趋势

2024年1-9月销售总额：¥38,450,000

| 月份 | 销售额（万元） | 环比增长 | 同比增长 |
|------|--------------|---------|---------|
| 1月 | 350 | - | 15% |
| 2月 | 320 | -8.6% | 12% |
| 3月 | 420 | 31.3% | 25% |
| 4月 | 480 | 14.3% | 30% |
| 5月 | 510 | 6.3% | 28% |
| 6月 | 550 | 7.8% | 35% |
| 7月 | 490 | -10.9% | 20% |
| 8月 | 520 | 6.1% | 22% |
| 9月 | 560 | 7.7% | 38% |

**关键发现：**
1. ✅ 整体呈上升趋势，月均增长约6%
2. 📈 3月和6月为销售高峰
3. 📉 7月出现回调，可能受季节影响
4. 🚀 9月同比增长38%，表现突出

### 区域分析

各大区销售额占比：

| 区域 | 销售额（万元） | 占比 | 增长率 |
|------|--------------|------|--------|
| 华东 | 1,250 | 32.5% | 45% |
| 华南 | 890 | 23.1% | 35% |
| 华北 | 720 | 18.7% | 28% |
| 西南 | 450 | 11.7% | 15% |
| 华中 | 380 | 9.9% | 20% |
| 东北 | 155 | 4.0% | 8% |

**区域洞察：**
- 💪 华东区表现最佳，贡献1/3销售额
- 🌟 华南区增速快，潜力大
- ⚠️ 东北区增长乏力，需重点关注

### 产品分析

TOP 5 产品销售排行：

1. **产品A** - ¥680万（17.7%）
   - 主力产品，各区域表现均衡
   
2. **产品C** - ¥520万（13.5%）
   - 高端产品，华东华南受欢迎
   
3. **产品E** - ¥450万（11.7%）
   - 新品表现亮眼，增速60%
   
4. **产品B** - ¥420万（10.9%）
   - 经典款，稳定贡献
   
5. **产品D** - ¥380万（9.9%）
   - 中端主力，性价比高

**产品建议：**
- 加大产品E的推广投入
- 优化产品B的营销策略
- 考虑淘汰低销量产品（<2%）

## 数据可视化

### 图表1：月度销售趋势

描述：折线图，横轴为月份，纵轴为销售额 特点：整体上升，3月和6月为峰值


### 图表2：区域销售占比

描述：饼图，展示各大区占比 亮点：华东区占比超1/3


### 图表3：产品销量排行

描述：横向柱状图，TOP 10产品 对比：前5名占总销售额64%


## 结论与建议

### 主要结论

1. 📊 销售态势良好，同比增长约25%
2. 🗺️ 区域发展不均衡，东部强西北弱
3. 🏆 头部产品贡献显著，长尾效应明显
4. 📅 存在明显季节性波动

### 行动建议

#### 短期（1-3个月）
1. 🎯 加强华南、西南市场投入
2. 🚀 推广新品产品E，扩大市场份额
3. 📢 7-8月淡季做促销活动

#### 中期（3-6个月）
1. 🔄 优化产品组合，淘汰低效产品
2. 🌐 拓展东北市场，寻找增长点
3. 📊 建立实时数据监控系统

#### 长期（6-12个月）
1. 💡 开发适合各区域特色的产品
2. 🤝 建立区域独家代理体系
3. 📈 设立年度销售目标：增长35%

---

**报告生成时间**：2025-10-10  
**数据来源**：销售系统导出数据  
**分析工具**：代班友友AI

数据文件

1. 清洗后的数据

文件名： sales_data_cleaned.csv

日期,产品,销售额,区域,销售员,数量
2024-01-01,产品A,12500,华东,张三,50
2024-01-01,产品B,8900,华北,李四,35
2024-01-02,产品C,15600,华南,王五,40
...

2. 统计结果

文件名： sales_statistics.json

{
  "summary": {
    "total_sales": 38450000,
    "avg_monthly_sales": 4272222,
    "growth_rate": 0.25,
    "best_month": "2024-09",
    "best_region": "华东",
    "best_product": "产品A"
  },
  "monthly_data": [
    {
      "month": "2024-01",
      "sales": 3500000,
      "mom_growth": null,
      "yoy_growth": 0.15
    },
    ...
  ],
  "regional_data": [
    {
      "region": "华东",
      "sales": 12500000,
      "percentage": 0.325,
      "growth": 0.45
    },
    ...
  ]
}

数据处理类型

类型1：数据清洗

任务示例：

清洗Excel销售数据：
- 去除空行和重复项
- 统一日期格式（YYYY-MM-DD）
- 处理缺失的区域字段
- 修正异常的销售额（负数或超大值）
- 标准化产品名称

类型2：格式转换

任务示例：

将JSON数据转换为CSV表格：
- 扁平化嵌套结构
- 选择需要的字段
- 添加计算列（如增长率）

类型3：统计分析

任务示例：

分析用户行为数据：
- 计算DAU/MAU
- 用户留存率分析
- 行为漏斗转化率
- 用户分群统计

类型4：趋势预测

任务示例：

基于历史数据预测未来3个月销售：
- 时间序列分析
- 趋势线拟合
- 考虑季节性因素
- 给出预测区间

最佳实践

✅ 数据准备

  1. 提供数据样本
数据样本（前5行）：
姓名,年龄,部门,工资
张三,28,技术部,15000
李四,32,市场部,12000
...
  1. 说明数据含义
字段说明：
- 日期：交易发生日期
- 销售额：单位为元
- 区域：销售大区（6个）
  1. 指明问题
数据质量问题：
- 部分日期格式不统一
- 存在重复订单
- 约5%的记录缺少区域信息

💡 分析要求

明确分析维度：

需要分析：
1. 时间维度：日/周/月趋势
2. 空间维度：各区域对比
3. 产品维度：品类销量
4. 同比环比：增长情况

指定可视化需求：

需要的图表：
- 月度趋势折线图
- 区域占比饼图
- 产品销量条形图
- 增长率对比柱状图

实际案例

案例1：用户行为分析

用户需求：

分析APP用户行为数据，包含10万条记录：
- 用户注册时间
- 登录频次
- 功能使用情况
- 付费转化

生成用户画像和行为报告。

AI输出：

  • 📊 用户行为分析报告
  • 📈 用户分群结果（JSON）
  • 🎯 精准营销建议
  • 📉 流失用户特征分析

案例2：财务数据汇总

用户需求：

汇总12个月的财务数据：
- 收入、成本、利润
- 各部门费用明细
- 预算执行情况
- 同比分析

生成财务分析报告和可视化图表说明。

AI输出：

  • 📊 财务分析报告
  • 📈 三大报表（损益、现金流、资产负债）
  • 💰 预算对比分析
  • 📉 成本结构分析

常见问题

Q1: 可以上传数据文件吗？

A: 当前需要在对话中提供数据样本或描述。未来可能支持文件上传。

Q2: 数据量有限制吗？

A: 建议提供数据样本（前10-100行）和总体描述。大数据集建议下载脚本后本地处理。

Q3: 能生成可执行的分析脚本吗？

A: 可以！请求：

请生成Python数据分析脚本，包含完整的处理流程。

Q4: 可视化图表是真实图片吗？

A: AI生成图表的文字描述和数据。您可以：

  • 使用描述在Excel/BI工具中创建
  • 要求AI生成图表代码（如Python Matplotlib）

相关场景

用代班友友，快速完成数据分析任务！ 📊

最后更新: