# 数据质量说明

| 项目 | 内容 |
| --- | --- |
| 数据文件 | `sales.csv` |
| 数据性质 | 合成数据实测，不涉及真实业务与人员 |
| 处理日期 | 2026-10-12 |
| 字段 | 订单号、月份、渠道、金额、状态 |

---

## 一、处理口径（三条硬规则）

1. **去重**：按「订单号」去重，重复行保留至异常清单，**不计入任何汇总**。
2. **状态过滤**：状态为「已退款」「已取消」的订单**不计入有效销售额**。
3. **金额缺失**：有效订单（已完成）金额为空时，**计入有效订单数，不计入金额**；不做任何插补或推断。

---

## 二、处理前后行数

| 环节 | 行数 | 说明 |
| --- | --- | --- |
| 处理前数据行数（不含表头） | 8 | 原始 CSV 数据行 |
| 去重剔除行数 | 1 | 重复订单号行 |
| 去重后唯一订单数 | 7 | 8 − 1 |
| 有效订单数（已完成） | 5 | 计入订单数 |
| 其中金额缺失 | 1 | 计入订单数、不计金额 |
| 排除订单数（已退款/已取消） | 2 | 不计入任何销售口径 |
| 未知状态订单数 | 0 | 若有，需人工确认 |

> 交叉校验：有效订单 5 + 排除订单 2 + 未知状态 0 = 7，与去重后唯一订单数 7 一致。

---

## 三、核心结果

| 指标 | 数值 |
| --- | --- |
| **有效销售额** | **700 元** |
| 有效订单数 | 5 笔 |
| 计入金额的订单数 | 4 笔 |
| 金额缺失订单数 | 1 笔（不计金额） |
| 排除金额合计（退款 300 + 取消 50） | 350 元 |

---

## 四、按月份 × 渠道汇总

| 月份 | 渠道 | 有效订单数 | 金额缺失订单数 | 有效销售额（元） |
| --- | --- | --- | --- | --- |
| 2026-08 | 线上 | 1 | 0 | 100 |
| 2026-08 | 线下 | 1 | 0 | 200 |
| 2026-09 | 线上 | 2 | 1 | 150 |
| 2026-09 | 线下 | 1 | 0 | 250 |
| **合计** | — | **5** | **1** | **700** |

---

## 五、异常清单（重复行）

| 订单号 | 月份 | 渠道 | 金额（元） | 状态 | 异常类型 | 首次出现行 | 本条行号 | 处理方式 |
| --- | --- | --- | --- | --- | --- | --- | --- | --- |
| A02 | 2026-08 | 线下 | 200 | 已完成 | 订单号重复 | 第 3 行 | 第 4 行 | 剔除，不计入汇总 |

---

## 六、排除订单（已退款 / 已取消）

| 订单号 | 月份 | 渠道 | 金额（元） | 状态 | 排除原因 |
| --- | --- | --- | --- | --- | --- |
| A04 | 2026-09 | 线下 | 300 | 已退款 | 状态为已退款，不计入有效销售额 |
| A07 | 2026-09 | 线上 | 50 | 已取消 | 状态为已取消，不计入有效销售额 |

---

## 七、数据质量风险提示

1. **重复行**：1 行订单号重复。本次两行内容完全一致，剔除后不影响金额；若重复行金额不同，则需业务侧确认哪一条为准。
2. **金额缺失**：1 笔有效订单金额为空，会导致有效销售额被系统性低估（少计该笔金额），当前无法量化缺口。
3. **排除口径带来的偏差**：2 笔退款/取消订单已排除 —— 退款 1 笔、300 元（订单号详见第六节），取消 1 笔、50 元，合计排除 350 元，均不计入有效销售额；若业务口径为「毛销售额」，需另行统计。
4. **样本量极小**：原始仅 8 行数据，任何汇总比例都缺乏统计意义，仅用于口径验证。

---

*本文件由 `process.py` 自动生成，所有数字均来自 `sales.csv` 实算，未做人工调整。*
