信息整理

根据业务问题设计 Excel 透视表

把决策问题映射到行、列、值、筛选器和验证总量

6 分钟准备已测试:ChatGPT复核日期: 2026-08-28

补充你的背景

你填写的内容只保留在当前浏览器中，AILesson 提示语不会将其发送给模型或服务器。

业务问题源表字段指标与筛选规则

生成的提示语

未填写的字段会保留为占位符，你仍然可以复制后自行编辑

请根据以下业务问题设计 Excel 透视表。

问题：
[question]

源表行粒度、字段、定义、类型和单位：
[schema]

指标、周期、筛选和缺失值规则：
[rules]

分配字段前，先确认每条源数据是否代表预期单位。请返回准确的行、列、值、筛选器和切片器布局；每个值的汇总方式；必须放在透视表外的计算字段或公式；排序和显示设置；以及验证方案。不要平均百分比，也不要重复计算同一实体。展示来源总量与透视表总量对账，并做一个小型手工交叉检查。

默认保护隐私提示语在浏览器本地组装。除非所在组织明确允许，否则不要把机密信息提交给任何 AI 服务。

从输入到成果

实际案例

看看具体背景如何通过这条配方转化为可使用的成果

实际输入

业务问题: 2026 年第二季度哪些产品类别与地区组合贡献的净收入最多，哪些退款率较高需要调查？
源表字段: Excel 表 Sales；每行是一条订单明细。字段：OrderID、OrderDate、Region、ProductCategory、Quantity、GrossRevenueGBP、RefundAmountGBP。一个订单可能有多条明细。
指标与筛选规则: 仅限 2026 年第二季度。NetRevenue=GrossRevenue−RefundAmount。退款率=RefundAmount/GrossRevenue。显示明细行数和非重复 OrderID 数。Region 空白标记 Review，不当作地区。比率使用汇总金额计算。

示例输出

源表每行是一条订单明细，因此普通的 OrderID 计数代表明细行数，不是订单数。先在源表增加 NetRevenue 列，并通过数据模型计算 OrderID 非重复计数。

布局： 行=ProductCategory，其下为 Region；值=GrossRevenueGBP 求和、RefundAmountGBP 求和、NetRevenue 求和、Quantity 求和、订单明细行计数、OrderID 非重复计数；筛选器=OrderDate 按年和季度分组并选择 2026/Q2；需要交互时为 Region 和 ProductCategory 增加切片器。按 NetRevenue 求和降序排列。金额和数量分别使用合适格式。

RefundRate 必须在透视表外用每组“退款总额÷毛收入总额”计算，或使用数据模型度量值；绝不能平均各行退款率。刷新前先用辅助列把 Region 空白转换为 Review。

验证：Q2 筛选源表的毛收入、退款、净收入、数量和明细行数必须等于透视表总计；OrderID 非重复数应与 UNIQUE/FILTER 计数一致。手工选择一个类别-地区组合，用 SUMIFS 计算毛收入、退款和净收入并比较。高退款率只是诊断信号，不能证明类别或地区导致退款。