shield_lock
JinDaGe
← Back to skills
extension
Category: Data & AnalyticsNo API key required

医药企鹅-销售数据分析

医药销售数据分析：销售趋势、同比环比、客户/产品多维趋势看板与合规溯源。

personAuthor: u_9493c449hubenterprise
downloadDownload package

数据分析（医药销售/商务拓展 · pharma skill）

用途

本技能把 WorkBuddy 变成医药销售/商务拓展的数据分析搭档，覆盖行业《医药销售 AI 工作场景白皮书》中的「数据分析」场景集：面向销售/库存数据，做趋势分析、贡献度排名、周期报表与缺货预警。典型输入是流向明细类 Excel（如企业业绩统计表），典型产出是自包含、可溯源的销售看板（HTML/SVG）。

触发示例

  • "根据这张流向明细，做个 2026 年 1-6 月销售趋势柱线图，柱是金额、线是同比环比"
  • "出几个客户维度、产品维度的销售趋势分析"
  • "销售报表解读：上传销售数据，分析区域/品种/客户贡献度"
  • "周报/月报生成：汇总本期销售，自动生成结构化报表"
  • "库存预警分析：上传库存数据，识别滞销与缺货风险"

适用场景明细

| 场景 | 操作方式 | 提效价值 | 典型交付物 | |------|----------|----------|------------| | 销售趋势（柱线组合） | 按月聚合金额，叠加同比/环比曲线（双轴） | 一图看趋势+增速 | 销售趋势图(.html) | | 客户维度分析 | 终端医院/渠道层级/零售标识 多维趋势 | 定位客户集中度风险 | 维度看板(.html) | | 产品维度分析 | 核心单品/治疗领域/销售模式 多维趋势 | 识别大单品依赖 | 维度看板(.html) | | 销售报表解读 | 上传数据，自动分析贡献度与客户分布 | 数据驱动决策 | 销售分析看板(.html/.docx) | | 周报/月报生成 | 汇总本期销售，生成结构化报表 | 从数据到叙事 | 销售周/月报(.docx) | | 库存预警分析 | 上传库存，识别滞销/缺货 | 优化库存 | 库存预警清单(.md) |

工作流（两路）

  • 路线 A（推荐·流向明细 Excel）：见下方「实战推荐」，已在本企业业绩数据上验证，覆盖了过滤口径、同比环比、防错与配色。
  • 路线 B（通用报告渲染）：用 scripts/analyze.py 产出分析 spec，再用 scripts/render.py 渲染 md/html/docx/json（spec 结构见文末与 references/templates.md）。

实战推荐：流向明细 Excel → 销售趋势/维度看板

下列口径与代码模式已在真实企业业绩统计（流向明细）数据上跑通，直接套用即可。

1. 读取与过滤（业绩统计默认口径）

  • 剔除 纯销是否考核 == '否' 的行（不计业绩），这是业绩统计的默认前置过滤。
  • 金额 fillna(0)。

2. 统计口径

  • 用 流向年月 聚合（业绩归属月，流向明细报表标准维度；与 实际发生月份 可能有 ~1.5% 差异，按业绩统计惯例取前者）。
  • 金额单位元 → 万元：金额/10000。
  • 区间按用户要求（如 2026 年 1-6 月）。

3. 同比 / 环比

  • 同比 = 当年当月 ÷ 去年同月 − 1（如 2026-01 vs 2025-01）。
  • 环比 = 当月 ÷ 上月 − 1；1 月用 去年 12 月作基期（如 2026-01 vs 2025-12）。
  • 按用户偏好取整（无小数）；如需保留小数再调整。

4. 渲染（柱线组合图，双轴）

  • 蓝柱 = 月销售金额（万元，左轴）；橙线 = 同比增长%（右轴）；第三条线 = 环比增长%（右轴）。
  • 线用平滑曲线（Catmull-Rom 样条）更美观。
  • 标签必须绑定真实数据值 val，绝不能绑定像素纵坐标 yc（见下方防错）。

5. 可复制的代码骨架

import pandas as pd
df = pd.read_excel(src, sheet_name='sheet0')
df['金额'] = df['金额'].fillna(0)
df = df[df['纯销是否考核'] != '否'].copy()          # 1. 过滤
m = df.groupby('流向年月')['金额'].sum().sort_index() # 2. 流向年月聚合
MONTHS = [202601,202602,202603,202604,202605,202606]
amt = [round(m[k]/10000) for k in MONTHS]            # 万元·取整
yoy = [round((m[k]-m[k-100])/m[k-100]*100) for k in MONTHS]  # 同比
prev = 202512
mom = []
for k in MONTHS:
    mom.append(round((m[k]-m[prev])/m[prev]*100)); prev = k   # 环比(1月基期202512)
# 渲染：柱=yL(amt)，线=yR(yoy/mom)；标签 text 用 yoy[i]/mom[i]，勿用 y 坐标

图表防错与配色规范（重要）

⚠️ 头号坑：标签数值印错 手绘 SVG 时，每个点有两个变量：val（真实数据值）与 yc（像素纵坐标）。 循环里标签 text 必须绑定 val，误绑 yc 会让曲线上印出 +65.8%/186% 这种离谱数（坐标当成了百分比）。 自检：渲完用正则抓出所有 % 标签，与计算值逐一对账。

配色：避免相邻同色相冷色 蓝/紫/绿都是冷色、色相太近，多序列时容易糊在一起。给定一套区分度高的调色板，按顺序取用： #2563eb(蓝) #dc2626(红) #f59e0b(橙) #16a34a(绿) #8b5cf6(紫) #0891b2(青) #db2777(洋红)

  • 柱线组合：柱用蓝，同比用橙，环比用洋红/红（避开与蓝相邻的紫/绿）。
  • 企业品牌色可用（如品牌红 #C8161D），但与蓝柱保证区分。

校验拆分无遗漏 维度按月拆分求和，应等于整体月度金额（差异≈0）；否则说明该维度未覆盖全部行（如 TopN 只取前几名会略小于整体，属预期，可在洞察里说明）。

维度分析模板（客户 / 产品）

用户常说"出几个客户维度、产品维度的趋势分析"。下列组合已验证，直接套：

客户维度

  • 终端医院/药店 Top5（流入客户名称）—— 多线图（客户高度集中时，头部单一客户占比可达 60%+，需在洞察里点明依赖风险）
  • 渠道层级（流出方客户分类：一级商A/一级商B/二级商/关联药店）—— 月度金额堆叠柱
  • 零售客户标识（分销-NKA/分销-其他/分销-重点）—— 多线图

产品维度

  • 核心产品 Top5（产品简称，如 保肝药A/消化药B/微循环药C）—— 多线图
  • 治疗领域（领域：肝病消化/呼吸抗生素/其他）—— 月度金额堆叠柱
  • 销售模式（自营产品 vs 代理-泰德）—— 月度金额堆叠柱

交付形态：一个自包含 HTML 看板，分「客户维度」「产品维度」两节，每图配一句洞察（集中度、结构稳定性等）。

数据质量自检（必做，避免静默出错）

评测反馈（R 可靠性 4.3）：数据缺失/格式不标准时原版不主动告知问题。加载后立即跑自检，把问题显式列出来再继续，不静默产出错图。

  • 空表/行数=0 → 报错并提示检查文件
  • 缺失必需列 金额、流向年月（业绩口径必需）→ 列出缺哪些
  • 金额 非数值/含空 → 报告行数与样例
  • 流向年月 非 6 位 YYYYMM → 列出异常值
  • 纯销是否考核 取值非 {是,否} → 提示可能影响过滤
  • 维度列（客户/产品相关）全空 → 提示无法做维度分析
  • 重复行 / 极端离群（金额>均值 10 倍）→ 提示人工确认
issues=[]
if df.empty: issues.append('数据为空，请检查文件')
for col in ['金额','流向年月']:
    if col not in df: issues.append(f'缺少必需列：{col}')
if '金额' in df:
    bad = df['金额'][pd.to_numeric(df['金额'], errors='coerce').isna()]
    if len(bad): issues.append(f'金额非数值/空：{len(bad)} 行，样例 {list(bad.head(3))}')
ym = df['流向年月'].astype(str) if '流向年月' in df else pd.Series(dtype=str)
bad_ym = ym[(ym.str.len() != 6) | (~ym.str.isdigit())]
if len(bad_ym): issues.append(f'流向年月格式异常：{list(bad_ym.unique()[:3])}')
for c in issues: print('⚠️', c)
if issues: raise SystemExit('数据质检未通过，请先修正上述问题')

运行依赖与一键安装

评测反馈（A 适用性 4.3）：原版需手动装 Python 依赖。本机已验证的隔离方案，复制即跑，不污染本机。

  • 必备：Python 3.10+；xlsx 需 pandas + openpyxl
  • 一键隔离环境（推荐）：
python3 -m venv .venv && ./.venv/bin/pip install -q pandas openpyxl
./.venv/bin/python your_script.py
  • 若数据已是 CSV，可走纯标准库（csv 模块）零依赖；xlsx 必须上述依赖
  • Excel 打不开：提示安装 openpyxl，或确认文件未损坏/被占用

数据合规与本地处理（默认）

  • 本地处理、数据不出机：涉密/业绩数据全部本机计算，交付物为自包含 HTML/SVG（无外链、不调外部模型、不上传云端）。
  • 合规提示：医药行业涉及患者隐私、商业合规（反商业贿赂、GSP/GMP、数据合规）与广告宣传限制。所有 AI 产出仅供内部决策参考；对外材料（推广、招投标、注册、合同）须经相应资质人员复核并走合规审批流程，且不得含未经证实的疗效或合规承诺。
  • 溯源水印（建议）：交付物末尾加企业专有资产声明与水印，便于泄露溯源。

    本交付物由企业专有 AI skill（pharma-sales-data / trace: PHARMA-SALES-DATA）生成；未经书面授权禁止复制、转发或再分发。

对外发布前复核清单（人工打勾）：

  • [ ] 数据已脱敏，无客户/产品实名、无涉密字段
  • [ ] 结论无未经证实的疗效/合规承诺
  • [ ] 已标注「仅供内部决策参考」
  • [ ] 含企业溯源水印
  • [ ] 经相应资质人员复核并走合规审批

通用报告渲染（路线 B：analyze.py / render.py）

对量化数据场景，可运行 python scripts/analyze.py <数据文件> <config.json> --output result.json 得到分析 spec，再 python scripts/render.py <spec.json> --format <md|html|docx|json> --output <交付文件路径>。 支持分析类型：trend、ranking、warning、ratio、comparison、summary。配置示例见 references/templates.md。

输入 spec 说明（render.py）

{
  "title": "报告标题",
  "subtitle": "可选副标题",
  "meta": [["字段", "值"]],
  "sections": [
    {"heading": "章节标题", "paragraphs": ["段落"], "bullets": ["要点"], "table": {"headers": ["列1","列2"], "rows": [["a","b"]]}, "note": "提示"}
  ],
  "footer": "页脚"
}

完整字段与示例见 references/templates.md。

常见问题 FAQ

  • Q：Excel 打不开 / 读出来是空？ A：装 openpyxl（pip install openpyxl）；确认是 .xlsx 而非损坏的 .xls；检查是否被其他程序占用。
  • Q：提示缺「金额」列？ A：确认列名一致（区分 金额 / 销售金额 等），必要时重命名列。
  • Q：曲线上数字很离谱（如 +186%）？ A：标签绑错了坐标——text 必须绑数据值 val，不是像素 yc（见图表防错）。
  • Q：多根线颜色分不清？ A：按配色规范用高区分度调色板，避开蓝/紫/绿相邻冷色。
  • Q：维度分析某月总和对不上整体？ A：TopN 只取前几名会略小于整体（属预期）；全量维度应分文无差（差≈0）。
  • Q：发布后线上还是旧版？ A：安全扫描门控，等几分钟或升补丁版强制重传；并确保 slug 与线上一致（否则变新建）。
  • Q：数据要上传云端吗？ A：不需要，全程本地处理、数据不出机。
  • Q：报告能直接发给客户吗？ A：不能，须经人工合规复核（见上）。

合规提示

医药行业涉及患者隐私、商业合规（反商业贿赂、GSP/GMP、数据合规）与广告宣传限制。所有 AI 产出仅供内部决策参考；对外材料（推广、招投标、注册、合同）须经相应资质人员复核并走合规审批流程，且不得含有未经证实的疗效或合规承诺。