# HX-40 口径与体检报告（终版）

> 合并交付：一、六表体检　二、统一口径与字段映射　三、数据底表与脚本　四、看板说明　五、疑似重复与口径断点披露
> 过程留痕：《HX-40-步骤1-体检报告》原样保留；两处勘误见文末「五」。本报告数字与 `HX-40-清洗脚本.py` 实跑输出一致（2026-09-18）。

## 一、逐表体检

### 表1 ERP销售导出（2000 行 × 8 字段，结构最干净）

| 字段 | 判断 |
|---|---|
| SALE_DATE | 日期，**2026-06-20 → 2026-09-17**（非整月：6月只有后11天，9月只有前17天） |
| BILL_NO | ERP-B 前缀，2000 个全唯一，无重复 |
| CUST_CODE | 180 个客户编码，**无客户名称、无区域字段** |
| CHNL_CODE | 4 渠道：CH-KA(504) / CH-DIS(506) / CH-WHS(481) / CH-GOV(509)，行数均匀 |
| MAT_CODE | 6 型号：M-TV55/M-TV65/M-AC15/M-RF21/M-WM10/M-KD07 |
| QTY / AMT_TAX | 数值干净，无空值无负数；AMT_TAX 合计 **26,207.4 万元**（含税，13% 全表恒定） |
| TAX_RATE | 全表 13%，单值列 |

脏数据：无经典脏数据。**结构性问题两个：① 没有区域维度；② 单台隐含售价中位 6,478 元/台**（与库存表隐含单值差 20 倍，见表5）。

### 表2 渠道自报表（400 行 × 7 字段，万元单位）

字段：填报日期 / 区域（大区）/ 大客户名称 / 渠道单号 / 成交金额（万元）/ 填报人 / 备注。日期范围与 ERP 相同（6-20→9-17）。合计 **9,440.0 万元**（≈ ERP 的 3.6%，是 KA 大客户子集，不是全渠道）。

脏数据清单：
- **区域非规范写法 5 行**：`鲁东`×2、`鲁中`×2、`山东鲁东`×1（行号 11/15/36/150/240，涉及金额 90.50 万元）
- **完全重复行 3 对（6 行）**：QD-QD0767（7-02 青岛宏晋 15.87万）、QD-QD0921（7-01 菏泽曹州 9.68万）、QD-QD1050（7-30 聊城光岳 19.70万）——日期/客户/金额/填报人逐字段全同，判定为重复提交
- **单号复用不是重复**：QD-QD0732 等 6 个单号出现两次但日期/客户/金额不同，且 12 行备注"月结客户，单号渠道侧自编"→ 单号非唯一键，属正常业务
- 备注分布：催回款中 26 / 含样机 20 / 以旧换新单 16 / 月结自编 12

### 表3 电商后台导出（1500 行，**文件级坑：表头 11 列、数据行 12 字段 + BOM**）

用默认方式读 pandas 会整体右移一列（"订单状态"里出现"中宇快递"），且首列被吞成索引。正确读法：`utf-8-sig` + 显式 12 列名 + 跳过表头。第 12 列无表头，实为**收件省份**。

真实字段与口径：
- 订单编号 PF2026… 全唯一；下单时间 6-20→9-17（与 ERP 同步）；**付款时间是噪音**：750 行付款早于下单、跨 2 个月，期间必须用下单时间
- 收件大区：**1500 行全部"华东"，废列**；且收件省份含**广东省 374 单**（华东口径自相矛盾）→ 地理只能用省份
- 订单状态×金额（合计 539.3 万）：交易成功 1295 单/463.2 万；退款中 58/22.4 万；待发货 57/20.4 万；已退款 53/20.7 万；交易关闭 37/12.7 万
- 商品编码与 ERP 同 6 型号（可对齐）；数量恒为 1；单均价 ~3,597 元（≈ ERP 隐含批发价的 56%，电商价性不同，不视为脏数据但披露）

### 表4 费用台账（350 行 × 5 字段）

月份(2026-06→09)/部门(6个)/费用科目(8类)/金额元/凭证号。**数据本身干净**（无空值、凭证号唯一、金额全正）。
口径断点（口径说明已明示）：**部门级记账，无渠道、无区域维度**，台账不提供任何分摊规则。月度合计：6月 786.1 / 7月 777.4 / 8月 793.8 / 9月 845.1 万。
期间错位：费用按月出账，而销售 6 月只有 11 天、9 月只有 17 天 → 分月费用率的分子期间≠分母期间。

### 表5 库存月报（300 行 × 7 字段）

快照日期/仓库(W-01~04)/SKU编码(50个)/品类(电视·冰箱·洗衣机·空调·厨电)/库存数量/库存金额万元/在途数量。
- **快照只有 2026-04-30 → 08-31 五个月末，没有 09-30**（销售数据却到 9-17）→ 9 月无期末库存
- **8 组"同快照×同仓库×同 SKU"双行，数值互不相同**（全部是电视；电视恰好 100 行=其他品类 2 倍）：数量 822/2499、金额 42.6/115.8 这类成对差异 → 像分批拆行或二次盘点，**不能静默丢弃**，处理方式见决策单
- **量纲疑点**：隐含单台库存金额 = 金额万元×1e4÷数量 ≈ 130~550 元/台，而 ERP 隐含单台售价 5,926~7,209 元/台，差约 20 倍（远超成本率能解释的范围）→ "库存金额万元"列单位或口径存疑。**建议看板只用库存趋势与周转的相对值，不用库存金额推毛利**，并把该疑点放进异常清单
- 在途数量无异常（0~400）

### 表6 目标分解表（60 行 × 4 字段）

区域/月份/目标额万元/制定部门。数据干净（无空值、无重复键），但口径是**最大断点**：
- **月份只有 2026-07/08/09**，没有 6 月 → 6 月销售无目标可对
- **双层区域并存且不是同一块蛋糕**：4 大区层月合计 6,904/4,480/7,144 万；16 城市层月合计 23,292/24,564/18,710 万。两层互不相等、也无"事业部整体"目标行
- 与实绩对照：ERP 月销售 ~8,300~9,000 万 + 渠道 + 电商 → 大区层目标偏小（约实绩的 2/3 量级）、城市层偏大（约 2.6 倍）——**两层都对不上全口径实绩**，达成率分母取哪层必须发起人拍板

---

## 二、跨表连接性实测

| 连接 | 可行性 | 依据 |
|---|---|---|
| 单号跨表匹配 | **不可行**（已验证交集=0） | ERP-B / QD-QD / PF2026 三套独立流水 |
| 品类对齐 | **可行** | M-TV55/65→电视、M-AC15→空调、M-RF21→冰箱、M-WM10→洗衣机、M-KD07→厨电；电商同 6 型号；库存 SKU-前缀同 5 品类 → **品类是唯一能对齐全三张销售/库存表的维度** |
| 区域对齐 | **严重断点** | 渠道表 4 大区 ⊂ 目标表大区层；ERP 无区域；电商只有省份（且仅山东 360 单可关联大区）；素材目录 `_主数据/` 只有 README，**承诺的 组织架构.csv/门店清单.csv 尚未生成**，无 CUST_CODE→区域映射 |
| 费用→渠道/区域 | **断点**（口径说明明示不提供） | 只能公司级或"声明分摊" |
| 渠道表↔ERP 疑似同一业务 | 弱匹配仅 1 对候选 | 同日+同额(万元,2位)：7-18 济南达信 17.64万 ↔ ERP-B101831（176,352.47 元，舍入吻合）；ERP 无客户名无法终验 → 按规则**不去重、只披露** |

## 三、拟采用的清洗规则（非断点项，声明后执行，先于决策单确认）

1. 金额统一为**元（含税）**：渠道/目标/库存的万元 ×10000；ERP 若要不含税口径 = ÷1.13（看板加切换，默认含税）
2. 渠道表 5 行非规范区域 → 鲁东/山东鲁东→鲁东大区、鲁中→鲁中大区（附行号清单）
3. 渠道表 3 对完全重复行 → 各保留 1 行，剔除 3 行（44.25 万元），列入疑似重复披露
4. 库存 8 组双行 → **两行都保留并求和**，全部标入异常清单"疑似拆行/重复盘点"（若为重复报送会高估电视库存，宁披露不静默）
5. 电商期间用下单时间；收件大区列废弃；广东省按"非山东/华东存疑"归入电商渠道整体，不映射大区
6. 达成率只对有目标的月份（7、8、9）计算；6 月与"9 月为截至 17 日的非完整月"在 KPI 卡上明示

---

## 四、口径断点决策单（已确认：D1-A / D2-B / D3-B / D4-C）

| # | 断点 | 选项 |
|---|---|---|
| D1 | 区域维度：主收入 ERP(占96.5%) 无区域 | A 看板区域维度降级为"部分口径"：大区达成只由渠道表+电商山东订单构成并显著标注 / B 请总控补 customer→大区 主数据后重跑 / C 主维度改用 ERP 渠道(CHNL)，区域仅作参考 |
| D2 | 费用无渠道/区域维度 | A 只做公司级月费用率（最保守，与口径说明一致）/ B 按各渠道销售额占比分摊并标"估算" / C 仅渠道活动费+市场推广费(占 24%)按收入占比分摊，其余公司级 |
| D3 | 电商订单状态计入口径 | A 仅"交易成功" / B 交易成功+待发货 / C B 再扣退款中 |
| D4 | 目标层与达成率分母 | A 大区层为准（与渠道表对齐）/ B 城市层为准（区域看板换城市粒度）/ C 双层并列各出一套达成率 |

（以上确认后进入第二步：输出统一底表字段映射文档 → 第三步清洗合并 → 交付看板。）

---

> 本文件是"边写代码前先成文"的映射规则，与 `HX-40-清洗脚本.py` 一一对应（脚本内注释以 R1~R7 + D1~D4 编号回指本文件）。
> 四项口径断点已由发起人 2026-09-18 确认：**D1-A / D2-B / D3-B / D4-C**。

## 一、统一底表字段设计

底表 `HX-40-数据底表.csv` 采用**长表 + 记录类型**：每行是一条"某记录类型、某期间、某维度"的原子事实，避免把口径不同的数据硬塞进同一行。

| 字段 | 含义 | 取值域 |
|---|---|---|
| 记录类型 | 该行属于哪类事实 | 销售明细 / 费用月总 / 库存快照 / 目标 / 区域对账_渠道自报 |
| 期间 | 归一后的年月 `YYYY-MM` | 2026-06 ~ 09（库存另含 04/05） |
| 渠道 | 主口径销售维度 | CH-KA / CH-DIS / CH-WHS / CH-GOV / EC |
| 品类 | 主口径产品维度 | 电视 / 空调 / 冰箱 / 洗衣机 / 厨电 |
| 区域 | 仅渠道自报对账行有值 | 鲁东/鲁中/鲁南/鲁北大区 |
| 层 | 目标行专用 | 大区层 / 城市层 |
| 销售额元 / 不含税额元 / 订单数 / 数量 | 销售 | — |
| 分摊费用元_估算 | D2-B 分摊结果 | 销售行 |
| 费用元_原始 | 台账月度合计 | 费用行 |
| 库存元 / 库存数量 / 在途数量 | 库存 | 库存行 |
| 目标额万元 | 目标 | 目标行 |
| 笔数 | 渠道对账笔数 | 对账行 |

## 二、字段映射规则（哪张表哪个字段、做什么转换）

### R1 金额与单位
- ERP `AMT_TAX`、电商 `实付金额`：单位=元，直接用。
- 渠道 `成交金额（万元）`、库存 `库存金额万元`、目标 `目标额万元`：×10000 化元（目标在计算层再按需还原万元）。
- 含税统一：ERP `TAX_RATE` 恒 13%，底表 `销售额元` 一律视为**含税**；`不含税额元 = 销售额元 ÷ 1.13`。

### R2 区域清洗（仅作用于渠道自报表）
`区域（大区）` 映射：`鲁东→鲁东大区`、`山东鲁东→鲁东大区`、`鲁中→鲁中大区`（命中 5 行，涉 90.50 万，已在异常清单留行号）。其余表无有效区域，区域列留空。

### R3 品类映射（唯一能贯通三张表的维度）
`MAT_CODE/商品编码 → 品类`：M-TV55·M-TV65→电视；M-AC15→空调；M-RF21→冰箱；M-WM10→洗衣机；M-KD07→厨电。库存 `SKU编码` 已自带品类列，直接沿用。

### R4 电商文件级修复
按 `utf-8-sig` + 显式 12 列名读取（原文件带 BOM、表头 11 列但数据 12 字段，默认读法整表右移一列）。补无表头第 12 列为 `收件省份`。

### 记录类型构建
| 记录类型 | 源表 | 转换 |
|---|---|---|
| 销售明细(主口径) | ERP + 电商(D3-B) | 按 期间×渠道×品类 聚合销售额/订单/数量；**渠道自报表不并入主口径**（R6，防与 ERP-KA 双计） |
| 费用月总 | 费用台账 | 按月份对 `金额元` 求和，公司级 |
| 分摊费用元_估算 | 费用台账 | D2-B：某(期间×渠道×品类)费用 = 当月费用总额 × 该组合销售额 ÷ 当月主口径总销售额 |
| 库存快照 | 库存月报 | 按 期间×品类 汇总库存元/数量/在途（同快照×仓库×SKU 双行按 R4 求和保留） |
| 目标 | 目标分解表 | `区域含"大区"→大区层，否则→城市层`；原样落 `目标额万元` |
| 区域对账_渠道自报 | 渠道自报表 | 经 R2 清洗后 按 期间×大区 汇总 `成交元`（对账口径，不进主合计） |

### 跨表连接的边界（成文声明，不隐式合并）
- **单号体系三套独立**（ERP-B / QD-QD / PF2026，交集=0，已验证）：任何跨表匹配不以单号相等为条件。
- **渠道自报表 ↔ ERP 疑似同一业务**：采用"同日 + 同额(万元,两位小数)"弱匹配探查，仅命中 1 对候选；ERP 无客户名无法终验 → **双方都保留、不去重、只披露**（详见异常清单与看板"疑似重复"区）。因主口径本就不含渠道自报表，无论该笔是否重复，主合计均不受影响。
- **费用→渠道/区域**：台账无此维度，分渠道费用纯为 D2-B 估算拆分，不可对账。
- **区域维度**：仅覆盖渠道自报表（约主口径 3.7%），看板以"部分口径"标签呈现。

## 三、交叉计算口径（第四步）
- 目标达成率 = 主口径销售额 ÷ 目标额（分大区层/城市层两套并列，D4-C）。
- 费用率 = 费用总额 ÷ 主口径销售额（公司级口径不受分摊估算影响）。
- 库存周转（估算）= 当月主口径销售额 ÷ 期初期末平均库存金额；**因库存金额量纲存疑（隐含单台≈350元 vs 售价≈6500元），仅作相对值，不推毛利**。
- 渠道结构占比 = 各渠道销售额 ÷ 主口径总销售额。

## 四、主数据缺口记录（供总控知悉，不自行补造）
`00-总控/素材/_主数据/README.md` 约定的 组织架构.csv / 门店清单.csv（CUST_CODE→大区、客户名称）**尚未生成**，ERP 侧仅有 180 个 CUST_CODE 无名称无区域。本案据此选择 D1-A 降级方案而非臆造映射。若后续补齐主数据，可升级为完整区域口径（脚本 `load_channel` / `build_base` 预留了接入点，无需改动其它规则）。

---

## 三、数据底表与清洗脚本（交付说明）

- `HX-40-数据底表.csv`：205 行长表（销售明细 100 / 目标 60 / 库存快照 25 / 区域对账 16 / 费用月总 4），utf-8-sig 可直接用 Excel 打开。
- `HX-40-清洗脚本.py`：单文件全流程（加载修复→清洗→分摊→交叉计算→输出底表/异常清单/看板），复用方式：
  `python3 HX-40-清洗脚本.py --src <素材HX-40目录> --out <输出目录>`，依赖仅 pandas。
- `HX-40-异常清单.csv`：19 条脏数据处理记录（表/问题/处理/影响），与看板「异常清单」同源。
- 实跑校验：费用分摊合计 3,202.5 万 = 台账总额，分摊守恒通过；主口径合计 26,690.9 万 = ERP 26,207.4 + 电商(D3-B) 483.5。

## 四、看板使用说明

- `HX-40-经营看板.html` 自包含、离线可开；顶部徽章为四项口径决策；筛选（月份/渠道/品类）联动 KPI、结构占比与明细表；趋势/目标/库存/费用板块为全期口径。
- 所有「估算」「部分口径」「存疑」均以内联标签呈现，摘数时请勿脱离标签引用。
- 关键读数：分月主口径销售（万元）6月 3,051.2（11天）/ 7月 9,173.5 / 8月 9,554.1 / 9月 4,912.1（17天）；大区层达成率（部分口径）7月 53.7% / 8月 67.5% / 9月 21.6%（分母整月目标、分子非整月实绩，9月必然偏低——断点已披露）。

## 五、疑似重复与勘误披露（汇总）

| 类别 | 明细 | 处理 | 影响 |
|---|---|---|---|
| 渠道表内完全重复 | 3 对逐字段全同行（QD-QD0767 / QD-QD0921 / QD-QD1050） | R3 各保留1行、剔除3行 | **-45.25 万元**（步骤1报告误记 44.25，勘误；不处理则对账口径虚高 0.48%） |
| 跨表疑似同一业务 | 同日+同额弱匹配仅 1 对：7-18 济南达信 17.64万 ↔ ERP-B101831 | R6+R7 双方保留、只披露不去重；主口径本不含渠道表 | 0（口径设计隔离） |
| 库存同键双行 | 8 组电视「快照×仓库×SKU」双行数值不同 | R4 求和保留、标疑似拆行 | 若为重复报送最多虚增 10,509台/321.3万（**≈单期期末平均库存的 9.4%**，步骤1按全期总和口径误为 29.9%，统一改用单期分母）；若为拆行，丢弃则同额低估 |
| 电商状态剔除 | 退款中+已退款+交易关闭 148 单 | D3-B 剔除 | -55.76 万（占电商全量 10.3%） |
| 单号复用非重复 | 渠道 6 单号复用（月结自编）、三套单号交集=0 | 判正常，单号不作键 | 无 |

**未消除的结构性断点（保留在成品中，属案例核心）**：① ERP 无区域 → 区域维度仅覆盖 3.7%；② 费用无渠道/区域 → 分渠道费用率为估算拆分；③ 目标双层互不相等且均不匹配实绩 → 所有达成率必须带层标签；④ 6月/9月非完整月 vs 整月目标/费用 → 达成率与费用率两端失真方向相反。