经营分析助手
概述
本技能为部门经营分析提供端到端工作流:从多格式数据文件(图片/Word/Excel)中提取并校验经营数据,进行指标解读与趋势分析,综合评估经营态势,诊断问题根源并给出可落地的优化建议,支持经营复盘与下一周期规划,最终将分析成果输出为结构化报告(PPT/网页)。
工作流总览
用户上传数据文件
│
▼
┌─────────────────────────┐
│ 阶段1: 数据提取与校验 │ ← 技能0
│ (图片OCR / Word解析 / │
│ Excel读取 + 校验) │
└──────────┬──────────────┘
│ 结构化数据
▼
┌─────────────────────────┐
│ 阶段2: 指标解读与趋势 │ ← 技能1
│ (定义/计算/环比同比/ │
│ 因素拆解) │
└──────────┬──────────────┘
│ 指标分析结果
▼
┌─────────────────────────┐
│ 阶段3: 经营态势评估 │ ← 技能2
│ (多维度/风险机会/ │
│ 态势结论) │
└──────────┬──────────────┘
│ 态势评估结论
▼
┌─────────────────────────┐
│ 阶段4: 问题诊断与建议 │ ← 技能3
│ (根源定位/短长期建议/ │
│ 可衡量目标) │
└──────────┬──────────────┘
│ 优化建议方案
▼
┌─────────────────────────┐
│ 阶段5: 复盘与规划 │ ← 技能4
│ (数据回顾/成果总结/ │
│ 问题分析/目标制定) │
└──────────┬──────────────┘
│ 复盘报告+规划
▼
┌─────────────────────────┐
│ 阶段6: 成果输出 │ ← 技能5
│ (PPT / 网页报告) │
└─────────────────────────┘
文件格式路由
根据用户上传的文件类型,选择对应的数据提取方式:
| 文件类型 | 扩展名 | 提取方式 | 注意事项 | |---------|--------|---------|---------| | 图片 | .jpg/.png/.jpeg 等 | 使用 Read 工具直接读取图片(多模态识别),提取文字、表格、数值 | 要求图片清晰;模糊/倾斜可能导致识别误差 | | Word | .docx/.doc | 使用 Read 工具读取文档内容,提取表格数据和文本中的数值字段 | 识别表头与数据行的对应关系;注意合并单元格 | | Excel | .xlsx/.xls | 使用 minimax-xlsx 技能或 Read 工具读取表格数据 | 检查合并单元格、多Sheet、跨列数值等异常格式 |
不支持的视频/音频/PDF扫描件:若用户上传此类文件,提示用户提供支持的格式(图片/Word/Excel),或建议将PDF扫描件截图后以图片形式上传。
阶段1: 数据提取与校验(技能0)
1.1 数据提取
图片数据提取
- 使用 Read 工具直接读取图片,利用多模态能力识别图片中的文字、表格结构和数值信息
- 将非结构化图片内容转换为可分析的文本/表格数据
- 识别完成后,向用户复述提取的关键数据,确认准确性
- 若图片模糊或文字重叠,提示用户重新上传清晰版本或补充文字说明
Word 文档数据提取
- 使用 Read 工具读取 Word 文档全文内容
- 重点提取文档中的表格数据(如部门KPI表、成本分析表)
- 识别表头字段(如"指标名称""数值""单位""时间周期")和数据类型(数值/百分比/文本)
- 提取文本描述中的数值字段(如"本季度营收达到2000万元"中的数值信息)
Excel 表格数据提取
- 优先使用 minimax-xlsx 技能读取 Excel 数据
- 识别表头与数据的对应关系,自动解析数值型数据(金额、百分比等)
- 检查并标记异常格式:
- 合并单元格(提示用户确认是否为汇总数据)
- 多Sheet(逐个Sheet提取并标注来源)
- 跨列数值(确认数据归属)
- 空行/空列(跳过并记录)
1.2 数据校验
对提取的数据执行以下校验(可参考 scripts/validate_data.py 脚本辅助校验):
- 关键字段完整性:检查"日期""指标名称""数值""单位"等核心字段是否齐全
- 数值合理性:
- 百分比类指标(如成本占比、利润率)是否在 0-100% 范围内
- 金额类数值是否为有效数字
- 日期格式是否统一(YYYY-MM-DD / YYYY年Q1 / 2026年1月 等)
- 格式错误处理:
- 数值"1000"未明确单位时 → 提示用户确认单位(万元/元/百万元)
- 百分比"1"可能表示"100%"或"1%"→ 提示用户确认
- 负值出现在不应为负的指标中(如"用户数")→ 标记为异常
1.3 结构化输出
将提取并校验后的数据转换为统一结构化格式:
{
"数据集名称": "2026年Q1部门经营数据",
"数据来源": "Excel表格-Sheet1",
"指标列表": [
{
"指标名称": "Q1营收",
"数值": 2000,
"单位": "万元",
"时间周期": "2026年Q1",
"数据类型": "数值",
"备注": ""
},
{
"指标名称": "利润率",
"数值": 15.5,
"单位": "%",
"时间周期": "2026年Q1",
"数据类型": "百分比",
"备注": "环比下降2个百分点"
}
],
"数据质量提示": ["利润率数值需用户确认是否为百分比格式"]
}
重要:结构化数据输出后,向用户展示提取结果并确认,再进入下一阶段分析。
阶段2: 指标解读与趋势分析(技能1)
2.1 指标定位
- 基于结构化数据,明确每个指标的定义及计算逻辑
- 常见指标计算逻辑参考
references/metrics_definitions.md - 若数据中指标定义不清晰(如仅写"成本"未明确人力/物料成本),提示用户补充说明
- 对衍生指标(如"利润率=利润/营收×100%")进行计算并标注计算过程
2.2 趋势追踪
- 计算指标的环比(与上一周期相比)和同比(与去年同期相比)变化率
- 使用
scripts/calculate_metrics.py辅助计算增长率、变化幅度等衍生指标 - 结合部门历史数据或行业基准,判断指标波动是否合理
- 趋势分析输出格式:
指标:营收 本期值:2000万元 | 上期值:1800万元 | 去年同期:1500万元 环比变化:+11.1% | 同比变化:+33.3% 趋势判断:同比大幅增长,环比稳步上升,趋势良好
2.3 影响因素拆解
针对异常波动指标(如"某产品线利润率连续3个月下滑"),从以下维度拆解核心驱动因素:
| 维度 | 内部因素 | 外部因素 | |------|---------|---------| | 需求端 | 产品竞争力变化、营销策略调整 | 市场需求变化、竞品冲击 | | 供给端 | 生产效率、资源配置 | 供应链波动、原材料价格 | | 流程端 | 审批效率、协作成本 | 政策法规变化 | | 资源端 | 人力成本、物料成本 | 行业薪酬水平变化 |
拆解后明确关键影响点,如"利润率下降核心驱动因素为人力成本占比上升8个百分点,因新增岗位效率未达预期"。
阶段3: 经营态势综合评估(技能2)
3.1 多维度分析
从以下四个维度综合评估整体经营态势(分析框架详见 references/analysis_frameworks.md):
- 目标达成率:部门年度KPI完成进度(如"年度营收目标完成率65%")
- 成本控制:人力/物料/运营成本占比及变化趋势
- 市场表现:用户增长、市场份额变化、客户满意度等
- 内部流程:审批效率、协作成本、项目交付质量等
3.2 风险与机会识别
风险识别:
- 持续下滑指标(如"利润率连续3个月下滑")
- 低于行业基准的指标(如"人均效能低于行业均值20%")
- 结构性失衡(如"人力成本占比超50%")
- 目标达成进度滞后(如"时间过半但KPI完成不足40%")
机会识别:
- 增长显著的指标(如"新渠道转化率提升30%")
- 高于行业基准的指标(如"客户留存率高于行业均值15%")
- 未充分开发的资源或渠道
3.3 态势结论输出
用三级结论标签总结整体态势:
| 结论标签 | 含义 | 触发条件 | |---------|------|---------| | 健康 | 经营态势良好 | 核心指标达标或超预期,无重大风险 | | 待优化 | 整体尚可但存在改进空间 | 部分指标偏离目标,存在可解决的问题 | | 需警惕 | 存在重大风险需立即干预 | 核心指标严重偏离,或多个风险叠加 |
输出示例:
【经营态势结论:待优化】
核心支撑数据:
- 营收目标完成率65%(进度正常)
- 利润率15.5%(环比下降2个百分点,需关注)
- 人力成本占比42%(高于行业均值35%)
关键风险:利润率持续下滑,人力成本偏高
增长机会:新渠道转化率提升30%,可加大投入
阶段4: 问题诊断与优化建议(技能3)
4.1 问题根源定位
针对经营分析中发现的具体问题,从三个层面拆解根本原因:
- 数据异常层面:如"人均效能同比下降10%"→ 进一步拆解为"新员工占比高、培训不到位"
- 流程断点层面:如"审批效率降低"→ 拆解为"审批层级增加、跨部门协调机制缺失"
- 资源错配层面:如"人力成本占比过高"→ 拆解为"新增岗位效率未达预期、绩效考核未跟上"
使用"5Why分析法"逐层追问根本原因,确保建议针对根因而非表象。
4.2 建议具体化
每条优化建议必须包含以下要素:
建议标题:[一句话概括]
问题描述:[当前问题及数据支撑]
根本原因:[5Why分析得出的根因]
短期措施:[1-4周内可执行的具体动作] + 预期效果(量化)
长期规划:[1-3个月的中长期改进] + 目标指标(量化)
负责人建议:[建议负责的角色/岗位]
优先级:[高/中/低]
建议质量要求:
- 短期措施必须包含可量化的预期效果(如"预计可提升人均产出10%")
- 长期规划必须包含明确的目标指标(如"目标降低协作成本20%")
- 避免模糊表述(如"优化流程"需补充具体流程名称和优化后预期指标)
4.3 建议验证与调整
若用户提供优化后的执行数据,协助验证建议效果:
- 对比优化前后指标变化
- 评估改善幅度是否符合预期
- 判断改善趋势是否可持续
- 根据实际效果调整后续建议
阶段5: 经营复盘与规划支持(技能4)
5.1 复盘引导
协助用户按照以下框架开展月度/季度经营复盘:
1. 数据回顾
→ 汇总本周期核心经营指标及达成情况
→ 对比目标值与实际值,计算达成率
2. 成果总结
→ 列举超额完成或显著改善的指标
→ 识别成功因素(有效策略/关键动作)
3. 问题分析
→ 列举未达标或恶化的指标
→ 分析根本原因(参考阶段4的问题诊断方法)
4. 经验沉淀
→ 提炼可复用的成功经验
→ 总结需避免的教训
→ 形成部门经营知识库条目
5.2 目标与计划制定
基于复盘结论,协助制定下一周期经营目标:
-
目标设定:
- 聚焦核心改进方向(如"下一阶段聚焦提升用户复购率")
- 设定量化目标(如"目标提升至20%")
- 确保目标符合SMART原则(具体、可衡量、可达成、相关性、时限性)
-
行动计划拆解:
- 将目标拆解为月度/周度可执行动作
- 明确每个动作的负责人、时间节点、预期效果
- 设定里程碑检查点
-
输出格式:
下一周期经营目标:提升用户复购率至20%(当前15%) 行动计划: | 序号 | 行动项 | 时间节点 | 负责人 | 预期效果 | |------|--------|---------|--------|---------| | 1 | 开展复购用户专属活动 | 每月1次 | 运营组 | 复购率+2% | | 2 | 优化复购激励机制 | Q2内 | 产品组 | 复购率+3% | | 3 | 建立复购数据周报 | 每周一 | 数据组 | 监控进度 |
阶段6: 成果输出(技能5)
6.1 输出格式选择
根据用户需求选择输出格式:
| 输出格式 | 适用场景 | 实现方式 | |---------|---------|---------| | PPT演示文稿 | 正式汇报、管理层评审 | 使用 tencent-pptx 技能生成 .pptx 文件 | | 网页报告 | 交互式展示、在线分享 | 使用 HTML 模板生成网页,可包含图表 | | 结构化文档 | 存档、后续编辑 | 输出 Markdown/Word 格式分析报告 |
6.2 PPT 输出
使用 tencent-pptx 技能生成演示文稿,建议包含以下页面:
- 封面页:分析标题、部门名称、分析周期、日期
- 执行摘要:核心结论(1页,3-5个关键发现)
- 数据总览:核心经营指标汇总表 + 关键趋势图
- 指标分析:各维度指标解读与趋势分析(1-2页)
- 态势评估:经营态势结论 + 风险机会矩阵
- 问题诊断:关键问题及根因分析
- 优化建议:短长期建议及行动计划
- 下阶段规划:目标设定与行动计划表
6.3 网页报告输出
使用 assets/analysis_report_template.html 模板生成网页报告,包含:
- 数据可视化图表(使用 Chart.js 或 ECharts)
- 交互式指标卡片
- 可折叠的详细分析区域
- 响应式布局,支持移动端查看
生成步骤:
- 读取
assets/analysis_report_template.html模板 - 将分析数据填入模板对应位置
- 将生成的 HTML 文件保存到用户工作目录
- 使用 present_files 工具向用户展示
分析框架参考
详细的分析框架和方法论参见以下参考文件:
references/metrics_definitions.md— 常见经营指标定义、计算公式、行业基准值references/analysis_frameworks.md— 经营分析框架(SWOT、杜邦分析、5W2H、平衡计分卡等)及适用场景
脚本工具
scripts/validate_data.py— 经营数据校验脚本,检查字段完整性、数值合理性、格式规范性scripts/calculate_metrics.py— 经营指标计算脚本,计算增长率、变化幅度、达成率等衍生指标
使用限制
- 数据格式限制:仅处理用户提供的图片、Word、Excel 格式经营数据。不支持视频、音频、PDF扫描件等非结构化数据。若用户上传不支持格式,提示提供支持格式。
- 数据质量依赖:分析结论基于提取的结构化数据。若关键数据缺失(如缺少"利润率"数值),提示用户补充数据或明确假设条件后再分析。
- OCR/解析误差:若识别结果存在模糊、乱码等误差(如图片文字重叠、Excel格式混乱),提示用户重新上传清晰数据或补充文字说明。
- 建议可衡量性:所有优化建议必须包含可量化目标(如"提升X%""降低X个百分点"),避免模糊表述。
- 分析边界:本技能聚焦部门级经营分析,不涉及公司级战略规划或宏观经济预测。
质量检查清单
每次完成经营分析后,对照以下清单自检:
- [ ] 数据提取是否完整?所有上传文件中的关键数据是否都已提取?
- [ ] 数据校验是否完成?异常值是否已标记并提示用户?
- [ ] 指标定义是否清晰?计算逻辑是否正确?
- [ ] 趋势分析是否包含环比和同比?是否与行业基准对比?
- [ ] 态势评估是否给出了明确结论标签(健康/待优化/需警惕)?
- [ ] 优化建议是否包含可量化的短长期目标?
- [ ] 输出格式是否符合用户需求?内容是否结构化、易读?
- [ ] 是否向用户确认了关键数据和假设条件?
微信扫一扫