桐果云做订单分析，一半的时间不是花在分析上，而是花在把脏数据理顺上。 重复单、客户名不一、空值、日期格式乱——这些问题不用排队等 IT，按探查、清洗、建质量规则三步，业务人员在平台上自己就能做完，而且最后一步能让清洗从此变成自动跑的例行检查。
你的订单表里有哪几种脏数据
一份订单表往往来自多处：系统里导出的、线下录入的、还有别人转发来的 Excel。来源越多，下面这些毛病就越全。先对照看一眼，心里有数再动手：
| 脏数据类型 | 常见表现 | 处理方式 |
|---|---|---|
| 重复单 | 同一张订单被导入两次，单量和金额凭空翻倍 | 按订单号去重，保留最新一条 |
| 客户名不一 | 「华东连锁」「华东连锁有限」混着写，客户排名失真 | 建客户名对照表，统一映射到标准名 |
| 空值 | 联系人、线路等字段留空，汇总时整条被漏掉 | 能补的补全，补不了的归入默认值 |
| 日期格式乱 | 2026/5/8、05-08、5 月 8 日混在一起，按月对不齐 | 统一转换成同一种日期格式 |
3 步把表洗干净
一个实用的小技巧：别想着一次洗完。先从探查结果里缺失率最高、重复最集中的字段下手，客户名对照表也先从出现次数最多的那批别名做起。两三轮下来，八成的问题就清掉了，剩下的再逐个收尾。
清洗不是一次性动作
真正拉开差距的是第 3 步。不少团队每个月人工洗一遍，下个月新数据进来又是一锅粥。把规则沉淀到平台上，清洗就从一次性的体力活，变成每月自动跑的例行校验：新订单一进来就自动检查，你只需要在有告警的时候看一眼，其余时间不必管。
告警也要有人接。建议定一个固定的处理节奏，比如每周看一次告警清单：当天能补的数据当场补上，需要上游改录入习惯的记下来，逐个推动改掉。这样规则越跑越准，告警会越来越少，而不是越积越多。
等到下个月再做分析时，你就从一份干净的数据起步，看板当天就能搭出来。比起每月多花两天洗数，前面这几步投入，一个月就赚回来了。
第一版规则不用求全，先盯住最影响汇总的三五条，跑稳了再逐步补充。想先看看自动探查和清洗建议长什么样，可以到 https://cloud.jintt.cn/ 在线体验，在示例数据上把三步走一遍，比看十篇文章都直观。
常见问题（FAQ）
清洗会动原始数据吗？
动手前先和 IT 确认原始表的留存位置；清洗动作在平台上按规则执行、可以复查，重要的批量改动先拿一小批数据试跑，稳妥后再全量做。
客户名对照表谁来做？
业务人员做最合适：把常用简称、旧名一一列出来，映射到标准客户名。对照导入平台后，统一客户名的清洗规则会自动套用这份表。
质量规则建多少条合适？
从最影响汇总的三五条建起：订单号不重复、客户名必须在对照表内、关键日期不为空。跑稳一两个月，再按新出现的告警逐步补充。
AI 探查能发现什么？
它对每一列给出缺失率、唯一值和分布，重复、空值、格式混乱的字段一眼可见，不用再逐列翻表找问题，探查结果就是清洗清单的起点。