基于AI工作流的多渠道销售数据仓库清洗统计实践

一、数据仓库介绍

注意，数据都是模拟的假数据，切记不要拿来做文章！！！

「鲸鲜优选」在天猫、京东、线下门店同时售卖标品。每月财务/数仓同学要做销售与库存分析，但业务侧丢过来的原始表往往是：

1. **商品主档多渠道、表头不统一**（天猫叫「商品编码」，京东叫「SKU」，门店叫「货号」）；

2. **华东 / 华南销售流水分文件**，字段名还有细微差异；

3. **库存盘点与售后退货混在一张表**，分析前必须拆开；

4. 价格带 `￥`、日期格式混乱、门店名前后空格、支付方式叫法不统一。

总共4个xlsx文件，包含下面6张基础表单：

出入库混录表

商品主表-天猫旗舰店

商品主表-京东自营店

商品主表-线下门店

销售流水-华东

销售流水-华南

二、整理流程

我们要干什么，首先我们自己要有一个清晰的认知。下面是这个案例需要的流程：

• 第一步：多渠道商品数据统一与合并。将天猫、京东、线下门店三张商品主表的字段（商品编码/SKU/货号等）统一映射为标准表头，清洗无效数据、规范化格式，最后合并为一张"商品信息"总表。
• 第二步：销售流水整合与清洗。将华东和华南的销售流水合并为"全国销售流水"，统一清洗日期格式、支付方式，过滤无效订单和缺失记录。
• 第三步：库存退货混录表拆分。将"库存退货_混录表"按单据类型拆分为"销售出库明细"和"售后退货明细"两张独立表。
• 第四步：业务统计分析。基于入库的四张核心表，完成门店销售汇总（经营日报）、畅销商品TOP10、品类退货率三类业务统计。
• 第五步：报表导出。统计结果导出为可视化报表，供业务方直接使用。

最终统计的3张结果表，效果图：

三、工作流配置实践

一、数据仓库载入工作流

工作流第一步就是需要将处理的表载入到工作流里面。

打开DT-Bot工作流编辑，找到"载入表格"节点。 输入下面提示词：

1. 获取"D:\商品数仓清洗" 下的 "销售流水_华东.xlsx"，"销售流水_华南.xlsx，商品主档_多渠道.xlsx"。
2. 获取"D:\商品数仓清洗\商品主档_多渠道.xlsx"的"天猫旗舰店"表单的A2：G10。

我们载入了3个文件，但实际是有5个表单的，如图配置：

工作流获取： 宫中&浩气： "老罗软件"。

由于"天猫旗舰店"第一行多了无用的描述。 所以需要对"天猫旗舰店" 指定 单元格范围切片载入。如下图：

通过 "载入表格"后， 数据仓库里面的所有表的表单都进入了工作流，会输出 5 张表格，我们可以先调试运行，预览结果查看，如图：

后续操作都是通过名称来引用到表，从而对表进行操作。

二、表头整理

原始仓库数据表头很乱，我们需要先进行调整统一才能进行后面的SQL分析。我们在"载入表格"节点后面添加"表头整理"，输入下面提示词：

"商品主档_多渠道_天猫旗舰店"整理表头：
1. "货品名称"改成"商品名称"。
2. "后台类目"改成"类目"。
3. "上架状态"改成"在售状态"。
4. "商品编码" ，"售价" ，去掉前后空格。
5. 调整顺序：商品编码,商品名称,类目,售价,在售状态,品牌,条码。

"商品主档_多渠道_京东自营"整理表头：
1. SKU → 商品编码 ,商品名 → 商品名称 ,一级类目 → 类目, 价格 → 售价 ,状态 → 在售状态 ,品牌名 → 品牌 ,UPC → 条码。
2. 调整顺序：商品编码,商品名称,类目,售价,在售状态,品牌,条码。

"商品主档_多渠道_线下门店"整理表头：
1. 货号 → 商品编码， 品名 → 商品名称， 品类 → 类目， 零售价 → 售价， 是否在售 → 在售状态。
2. 调整顺序：商品编码,商品名称,类目,售价,在售状态,品牌,条码。

"销售流水_华东"整理表头：
调整顺序：订单号,下单日期,门店名称,商品编码,商品名称,销售数量,实付金额,支付方式,渠道。

"销售流水_华南"整理表头：
单据编号 → 订单号
成交日期 → 下单日期
门店 → 门店名称
SKU → 商品编码
品名 → 商品名称
数量 → 销售数量
成交额 → 实付金额
付款方式 → 支付方式
销售渠道 → 渠道
最终只保留：订单号,下单日期,门店名称,商品编码,商品名称,销售数量,实付金额,支付方式,渠道

配置好的截图图下：

我们将3个门店，2个地区流水 的参差不齐的表头，统一整理成一致的了， 后面方便进行数据SQL统计分析。

我们可以调试运行以下，预览结果：

三、内容清洗器

这个是专门对行，列数据进行任意清洗整理的节点，我们在"表头整理"后面添加这个节点，配置下面提示词：

"商品主档"开头的文件进行清洗：
1. 删除「商品编码」为空的行。 
2. 「商品名称」去掉首尾空格，并把连续空格压成单个空格，去掉名称里的全角括号。 
3. 「售价」去掉货币符号￥、千分位逗号，转成数值；无法转换的置空。 
4. 「在售状态」统一枚举：上架/Y/是 → 在售；下架/N/否 → 停售；其他保持原值。 
5. 「类目」若包含"/"，只保留最后一级类目名称（例如 粮油调味/冲调 → 冲调）。 
6. 同一「商品编码」若重复，保留最后一行。

"销售流水"开头的文件进行清洗：
1. 「门店名称」去首尾空格。 
2. 「下单日期」统一成 yyyy-MM-dd；无法解析的日期所在行删除。 
3. 「支付方式」归一：微信/微信支付 → 微信；支付宝/支付宝支付 → 支付宝；刷卡 → 银行卡；现金 → 现金。 
4. 「销售数量」「实付金额」转数值；数量≤0 或金额<0 的行删除。 
5. 「商品编码」「订单号」去首尾空格；任一为空则删除该行。

我们通过模糊匹配拿到了5个文件，然后进行了一堆清洗， 注意：提示词不一定要按照我的，你自己描述明白就行了。

配置好的截图图下：

四、表格合并

我们需要把 华东+华南的合成一张大表，还有三个渠道的商品数据也合成一张大表。

我们在"清洗"后面添加这个合并节点，配置下面提示词：

1. "商品主档"开头的文件上下合并，输出"商品信息"。
2."销售流水"开头的文件上下合并，输出"全国销售流水"

tip: 这个合并还支持字段匹配查找的左右连接，只是案例这里不涉及到.

经过合并，就输出了2个大表了， 我们预览结果如图：

五、入库

经过清洗后，我们就可以入库了，就是将表放到本地数据库里面，后面进行sql统计分析。

在"合并"节点后配置上入库，无需输入任何参数，直接将上一个节点的输出文件导入到本地数据库里面，如图：

由于合并节点，输出了2个文件，所以，就只有2个表生成到数据库里面了。 同样我们可以预览结果：

六、库存退货_混录表拆分，入库

到此，我们数据仓库里面还有一个文件 "库存退货_混录表.xlsx" ，这个是需要进行拆分，然后入库的。

数据载入我就不讲了，直接配置拆分，提示词：

按「单据类型」列拆分文件

配置如图：

注意！ 这里是新开辟一条链路， 因为上面的业务已经入库完成了， 不需要上面输出的文件了，这是一条新的业务处理。

拆分完成后，我们可以预览结果：

后面如果你的数据还需要清洗，就接入清洗，清洗完成后，就可以接入 "数据入库" 了， 这里我就不详细展开了。

七、SQL统计

"表SQL统计"非常强大，可以根据你任意的描述生成sql然后执行。

到这里，我们数据库里面应该有4张表（2张合并的大表+2张拆分的表）， 我们可以直接查看当前数据库里面的表信息，如图：

然后我们需要进行下面3个统计。

统计① · 门店销售汇总（经营日报）

统计提示词如下：

基于"全国销售流水"，按「门店名称」汇总：
- 订单数（去重订单号个数）
- 销售件数（销售数量合计）
- 销售总额（实付金额合计）
- 客单价（销售总额 / 订单数） 
按销售总额从高到低排序。

添加SQL统计节点，如图：

统计的结果数据：

还可以回溯 SQL， 也就是能看到 工作流用到的sql是什么，sql查询了什么，点击上图的"查询步骤解析"，展示如下：

此时，数据库里面就有5张表了，查看如图：

最后我们直接配置好另外的2个统计。

统计② · 畅销商品 TOP（商品运营）

统计提示词如下：

基于"全国销售流水"，按「商品编码」「商品名称」汇总销售数量合计、实付金额合计， 按销售数量降序取前 10 名。 

统计③ · 品类退货率（风控 / 供应链）

统计提示词如下：

以"全国销售流水"为主表，根据商品编码从商品主档_全渠道查找类目；  
再关联售后退货明细（按商品编码汇总退货金额）；  
按类目统计：销售总额、退货总额、退货率（退货总额/销售总额）。  
按退货率从高到低排序。  

八、导出表

"报表导出"是将数据库任意表进行导出成CSV/XLSX/HTML ， 其中HTML 是可视化展示，浏览器直接打开，不依赖网络，断网也能打开。

选择要出库的表，还有类型就可以了，如图：

四、总结

本案例将多源异构的原始数据，经过表头统一、内容清洗、合并整合、混录拆分后入库，最终完成门店销售汇总、畅销商品TOP10、品类退货率三项统计并导出报表，实现分析流程自动化，大幅提升效率并确保数据口径一致。

后面我还会带来更多的数据清洗统计的案例，欢迎大家多多关注。