[{"content":"作者：虑得先生\n你以为财务是公司里替你看钱袋子的靠山。其实不少老板心里都清楚这个部门常常活成了公司最贵的一块刹车片——业务要踩油门的时候它永远在喊不行：要上新项目说预算不够；要抢市场说风险太大；要发奖金说流程不合规。\n更麻烦的是这种\u0026quot;只会说不\u0026quot;的财务踩出来的坑大多没有撤销键。金税四期落地之后以数治税成为常态（国家税务总局\u0026quot;智慧税务\u0026quot;建设部署），银行流水、发票、社保、个税多个数据库实时对齐，账实不符的数据流会被系统按秒比对；一旦被认定少列收入或不缴少缴税款，滞纳金从查补当天起按日万分之五一直滚动（《税收征收管理法》第三十二条），税务信用的那道疤进了系统就是既成事实且修复以年计。一个看不懂业务的财务把公司带进的坑，往往要老板拿真金白银去填。\n一、财务不懂业务，是公司最大的内耗 很多财务把自己定位成记账先生：把票贴好、把账做平、把税报掉就算交差。至于公司靠什么赚钱、客户为什么买单、产品怎么迭代、对手在干什么一概不知也一概不问。\n于是荒诞的场景反复上演。业务部门为了拿下一个大客户需要更灵活的付款方式；财务一句\u0026quot;我们没这个先例\u0026quot;就把单子挡了回去；客户转头跟别人签了。市场部要投一笔推广费去抢窗口期；财务死抠预算科目；审批走了半个月；窗口早就关了。老板想优化股权结构引入投资；财务连商业计划书都读不顺；更别提从财务角度给出估值判断和风险提示。\n中小微企业尤其如此。老板在外面跑客户跑得脚不沾地；财务坐在办公室里对着一摞票据敲敲打打。可票据只是业务的残影：看得见金额看不见战场；算得出成本算不出机会。这样的财务不是在支持业务而是在消耗业务；不是在创造价值而是在制造阻力。账是做平了；业务却做死了。\n二、老板要的财务是军师，不是账房 账房先生回答的问题是\u0026quot;花了多少\u0026quot;；军师回答的问题是\u0026quot;该不该花、怎么花、花在哪能赚回来\u0026quot;。真正优秀的财务从不坐在办公室里等单据；他会走进业务一线去看产品是怎么造出来的、去看客户是怎么谈下来的、去弄清钱到底花在了哪里以及究竟是谁把利润赚走的。\n他懂经营。他知道利润不只是收入减成本；利润是对资源配置、定价策略和客户结构的综合判断。他能从报表里读出业务的病灶：为什么这个月毛利降了？是原材料涨价还是生产浪费？是低价单接多了还是高毛利产品没卖动？\n他更能在关键时刻给出建设性方案而不是一句轻飘飘的\u0026quot;不行\u0026quot;。老板说想投新项目；他不会只说没钱；他会去算自有资金有多少、融资成本多高、现金流能撑多久、回报周期多长；然后告诉老板——如果调整付款节奏、加快库存周转，这件事就做得成。\n对我们中小微企业还有两条更要命的要求。\n第一条是盯死现金流。公司死掉大多不是因为亏损而是因为现金断了。利润是观点；现金流是事实。账上没钱的那个早晨，再漂亮的利润表也换不来一分救命钱。好财务会提前三个月告诉你钱要紧了；而不是等发不出工资那天才摊手。\n第二条是算清每一单的账。销售兴冲冲抱回一张三百万的大单；账房只关心发票怎么开；军师会先按住计算器算三笔账：账期六个月的资金占用成本是多少？这个价格之下毛利还剩几个点？为接这张单挤掉的产能原本能赚多少？算完的结论可能是单子越大亏得越狠。中小企业死于大单的故事从来不少；区别只在于签字之前有没有人把账算给你听。\n三、好财务是公司发展的加速器 我认识一位很厉害的CFO；他有个雷打不动的习惯：每个月必做三件事。第一跟销售跑一次客户；听听客户在抱怨什么、在为什么买单。第二去一趟生产车间；看看流程有没有浪费、效率还有没有提升空间。第三跟老板坐下来；不汇报数字；只讨论数字背后的经营逻辑。\n他主导的财务部门从不说\u0026quot;这个不能做\u0026quot;；只说\u0026quot;如果要做，需要满足这几个条件\u0026quot;。他推预算管理不是为了卡死每一分钱；是为了让钱流向最能生钱的地方。他做税务筹划不钻空子；只在合规前提下优化结构让公司轻装上阵。\n【原文】《关于进一步深化税收征管改革的意见》（中共中央办公厅、国务院办公厅，2021年）提出，到2025年基本建成功能强大的智慧税务，实现从\u0026quot;以票管税\u0026quot;向\u0026quot;以数治税\u0026quot;分类精准监管转变。\n【转述】过去靠抽查和经验判断；现在多个官方数据库实时对齐，系统按规则比对你的资金闭环；账外收支和票实不符会被算法直接标红，以前能混过去的操作现在一比对就露馅。\n【虑得讲透】对中小微企业来说合规早已不是成本而是护城河。一个懂业务的财务会在业务发生前把税务结构搭好让公司轻装上阵；一个只会做账的财务等稽查找上门才发现问题，那时补税、滞纳金和信用的代价都没有回头键。钻空子的空间正在清零；能替老板把合规做成竞争力的财务才是真军师。\n这样的财务老板离不开；业务部门也服气。因为他不是在扯后腿而是在给公司装助推器。\n中小微企业的现实是请不起这样的顶配。但比人贵的是机制。开经营分析会的时候让财务上桌而不是让他送完报表就走；见重要客户的时候偶尔带上财务让他听听生意是怎么谈成的；把\u0026quot;懂业务\u0026quot;写进他的考核而不是只考核票据贴得齐不齐。外脑可以租；思维方式租不来。\n四、先别急着骂财务，不懂业务的财务一半是老板养出来的 指责财务很容易；照镜子很难。很多老板嘴上要军师手上养账房：经营会不让财务参加；重大决策不跟财务通气；财务多问两句业务就嫌烦；等出了事又怪人家看不懂局。你从来不给他信息；他拿什么懂业务？你从来不让他上桌；他拿什么做军师？\n还有些老板选财务的标准是\u0026quot;放心\u0026quot;而不是\u0026quot;能用\u0026quot;：账交给亲戚或者老板娘；忠诚是有了；能力的天花板也就焊死了。公司一年一年往前跑；账房在原地一年一年踏步。日子久了一算，最先拖住公司后腿的往往不是财务这个人，而是你当年那个将就的决定。\n还有一句话要叮嘱：财务说真话是要担风险的；报喜不报忧才是最安全的活法。一个只会点头的财务等于公司没有预警系统。你要有度量去听难听的数字；要奖励那个敢泼冷水还附上方案的财务。不然你花钱养的不是军师；是回音壁。\n五、给财务人员的几句真心话 如果你是做财务的，我希望你听进去：你的价值不在于账做得多漂亮而在于你为公司创造了多少价值。你的专业不是用来对业务说\u0026quot;不\u0026quot;的；它应该用来帮业务找到\u0026quot;怎么做才行\u0026quot;的那条路。\n不要把自己活成公司里的\u0026quot;合规警察\u0026quot;；要活成\u0026quot;经营参谋\u0026quot;。去学一点业务、去懂一点市场、去理解老板的焦虑和野心。当你能用财务的语言讲清业务的逻辑、用财务的工具帮业务打赢仗，你就不再是成本中心而是利润的发动机。\n再替你算一笔自己的账：记账、报税、对账这些活正在被 AI Agent 一口一口吃掉；机器比你快比你准还不休假。机器拿不走的是判断——这个客户值不值得给账期？这个价格还有没有下探空间？这笔钱是现在花还是过三个月再花？你越懂业务就越不可替代；越只守着借贷记账法就越接近一张随时可以收回的工牌。\n最后对老板们说一句 如果你的财务还在扯后腿，要么换人要么换思维。但先别急着换人；先问问自己有没有给过他懂业务的机会、上桌的资格和说真话的空间。三样都给过了还是扶不起来；那就不用犹豫。\n一个好财务能让你少踩很多坑多赚很多钱；一个只会记账的财务迟早把公司拖进泥潭。财务懂业务经营才有数；财务懂经营公司才有未来。别让财务成为你公司里最贵的那块绊脚石。\n我们不做先付钱再说话的买卖。先给公司做一次财务体检，把真实的风险和机会摆在你面前，再决定要不要一起解决；接不住的我们直说——缺成本票、纯代记账这类我们不做。想系统解决就去官网 6dooo.com 找虑得先生聊聊。\nFAQ 问答块 Q: 中小微企业请不起顶级CFO，财务不懂业务怎么办？\nA: 比人贵的是机制。开经营分析会时让财务上桌而不是送完报表就走；见重要客户时偶尔带上财务让他听听生意是怎么谈成的；把\u0026quot;懂业务\u0026quot;写进他的考核而不是只考核票据贴得齐不齐。外脑可以租；思维方式租不来。\nQ: 财务总说\u0026quot;不行\u0026quot;就是不负责吗？\nA: 要看是哪一种。轻飘飘一句\u0026quot;不行\u0026quot;然后走人是消耗业务；带着方案说\u0026quot;如果要做需要满足这几个条件\u0026quot;才是军师。老板要的不是永远踩刹车的财务，而是能算出怎么踩油门还不翻车的财务。\nQ: 利润和现金流到底哪个更重要？\nA: 公司死掉大多不是因为亏损而是因为现金断了。利润是观点；现金流是事实。账上没钱的那个早晨，再漂亮的利润表也换不来一分救命钱。好财务会提前三个月告诉你钱要紧了；而不是等发不出工资那天才摊手。\nQ: 金税四期之后，财务只把账做平还够吗？\nA: 不够。以数治税下银行流水、发票、社保、个税多个库实时对齐，账实不符会被系统直接标红。合规早已不是成本而是护城河；能替老板把合规做成竞争力的财务才是真军师。\nQ: 老板怎样让财务真正懂业务？\nA: 先问问自己给过他三样东西没有：懂业务的信息、上桌的资格、说真话的空间。三样都给过了还是扶不起来再考虑换人；你从来不让他参与经营，就别怪他只会做账。\n文 / 虑得先生\n","permalink":"https://cfo580.cn/article/hao-cai-wu-shi-jun-shi-bu-shi-zhang-fang/","summary":"老板眼中好财务的标准不是账做得多平，而是能不能做军师——懂业务、懂经营、盯死现金流、算清每一单的账。别让财务成为公司最贵的那块绊脚石。","title":"💡 老板眼中的好财务：懂业务、懂经营，别做公司发展的绊脚石"},{"content":"EOMONTH 核心作用：返回指定日期偏移 N 个月后，对应月份的最后一天日期，自动处理大小月、平闰年，是会计月末结转、期末报表、账龄计算的专用函数。\n一、标准语法 =EOMONTH(开始日期, 偏移月份数) 参数 规则说明 开始日期 必须是 Excel 可识别的合法日期（DATE函数生成、单元格真实日期、数组均可），不能是文本格式的日期 偏移月份数 整数： • 正数 = 向后偏移（未来月份） • 负数 = 向前偏移（过去月份） • 0 = 当月月末 • 小数会直接截尾取整（如2.9按2个月计算，不四舍五入） 二、基础用法示例（单个日期） 1. 取当月月末 =EOMONTH(DATE(2026,1,15), 0) 返回：2026/1/31\n2. 取上月月末（结转常用） =EOMONTH(DATE(2026,1,15), -1) 返回：2025/12/31\n3. 取下月月末 =EOMONTH(DATE(2026,1,15), 1) 返回：2026/2/28（2026平年，自动适配2月天数）\n三、进阶批量用法（结合动态数组） 1. 生成2026年第1季度月末序列（对应你的练习题） =EOMONTH(DATE(2026,1,1), SEQUENCE(3,1,0,1)) SEQUENCE(3,1,0,1) 生成 0、1、2 三个偏移量 按回车自动溢出3行结果：2026/1/31、2026/2/28、2026/3/31 2. 生成全年12个月月末序列 =EOMONTH(DATE(2026,1,1), SEQUENCE(12,1,0,1)) 3. 格式化输出标准日期文本 =TEXT(EOMONTH(DATE(2026,1,1), SEQUENCE(3,1,0,1)), \u0026#34;yyyy-mm-dd\u0026#34;) 返回：2026-01-31、2026-02-28、2026-03-31\n四、会计实战场景示例（贴合凭证明细表） 1. 筛选1月份所有记账凭证 =FILTER(凭证明细, (凭证明细[日期]\u0026gt;=DATE(2026,1,1))* (凭证明细[日期]\u0026lt;=EOMONTH(DATE(2026,1,1), 0)), \u0026#34;无当月凭证\u0026#34; ) 2. 批量计算应收账款账龄到期日（月结30天） =EOMONTH(凭证明细[日期], 1) 含义：记账当月月末再加1个月，作为到期还款日。\n3. 计算季度末计提基准日 =EOMONTH(DATE(2026,1,1), 2) 返回一季度末日期 2026/3/31，用于计提费用、结转损益。\n五、避坑指南 返回值显示为一串数字 Excel 日期本质是序列号，选中单元格 →「开始」选项卡 → 数字格式改为「短日期」即可。\n开始日期是文本格式会报错 如果是 \u0026quot;2026.01.15\u0026quot; 这类文本，先用 DATEVALUE 转换：\n=EOMONTH(DATEVALUE(\u0026#34;2026-01-15\u0026#34;), 0) 空单元格会返回异常日期 引用整列时如果包含空白行，会返回 1899/12/31，建议配合 FILTER 先剔除空行。\n月份数只认整数EOMONTH(日期, 2.9) 等价于 EOMONTH(日期, 2)，不会四舍五入。\n格式化后为文本，不能直接计算 用 TEXT 包裹后输出的是文本字符串，后续还要计算的话，用原始日期值计算，最后一步再格式化。\n六、易混对比：EOMONTH vs EDATE 函数 核心逻辑 示例（开始日期：2026-01-15，偏移1个月） 典型场景 EDATE 对日偏移，几号进就几号出 返回 2026-02-15 账龄计算、到期日、对账日 EOMONTH 月末偏移，永远返回当月最后一天 返回 2026-02-28 月末结转、期末报表、计提基准 ","permalink":"https://cfo580.cn/article/excel-eomonth-han-shu/","summary":"EOMONTH 返回指定日期偏移 N 个月后的当月最后一天，自动处理大小月与平闰年，是会计月末结转、期末报表、账龄计算的专用函数。","title":"📅 Excel 取月末日期的会计专用函数：EOMONTH"},{"content":"我见过的会计，没有一千也有800，久而久之，发现他们的键盘操作，惨不忍睹。我想起了我的经历。\n读书的时候，286电脑都还没有，是8086电脑，打开电脑得插启动软盘。电脑都放在专用机房里供着，地板是防静电地板。这阵仗，在座的看官，估计没几个人经历过。说这个场景，是想表达，当初我们学电脑，是多么的机会难得。\n我们一个老师，非常有远见的对我们说：你们学会计的，一定要把计算机学好，以后的会计，不会电脑是不行的。最起码，你要会盲打，去面试的时候，你说你会电脑，在键盘上一阵盲打，也把面试官征服了。\n当然，这句话有时代的局限。但，我看见的会计们，都2026了，连盲打还不会！\n这里说的三个技能，分别是：\n一、全键盘盲打 为什么说是全键盘，即包括字母键，还包括字母键上方的数字键和右侧小键盘的数字键。这对于我们会计人来说，太重要了。就拿数字小键盘举例，由于我练过，而计算器的按键布局和数字小键盘是一样的。我刚进公司的时候，开订货会，由于我计算器打得快，被派去统计合同，我总是第一个完成统计，成功被领导看到，打下了好印象的第一个基础。\n下载一个金山打字通，盲打能在一天内小成，一个星期内练成。\n二、改输入法 大家大多是用全拼输入法，在智能的加持下，好像也不错，但和双拼比起来，存在倍差：全拼输入法平均速度是40字/分钟，双拼是80字/分钟。不要小看了这个差距，长年累积下来，浪费了不少你摸鱼的时间。\n虽然五笔字型速度更快，像我，字根表已完全记不得了，全凭肌肉记忆，很多字拆不出来要靠拼音打出来，但综合下来，我的打字速度还能保持在100字/分钟。但，不推荐大家在换输入法的时候选五笔字型，因为，投资双拼更有性价比。\n同样使用金山打字通，选小鹤双拼，一个星期小成，一个月练成。\n以上两项技能的练习，还有一个小捷径，就是工作的时候，将微信在电脑上打开，在聊天的时候就得到了练习。大大增加了练习的时长。\n三、大量使用快捷键 我看到大多数会计人，在操作EXCEL的时候，都是鼠标点点点，其实，就我们会计人使用EXCEL的场景而言，90%的场景，都能在键盘上通过快捷键完成。大家想一想，将手挪向鼠标，再去找对应的菜单，点击它完成，如果这套动作换成，本来两只手就在键盘上，无需移动，直接快捷键完成，哪个效率高？\n除了EXCEL的快捷键，Windows、word等常用的快捷键也记几个，会给自己的工作带来莫大的效率提升。\n说一个有趣的例子，我女儿高考完的暑假，我要她练双拼（她之前已会盲打），她练了几天嫌麻烦，不想练了，说：我会盲打，用全拼也不慢。我说你是没见过快的，给我练！好在她听话，就是用了在电脑上微信聊天这一招，输入法切换成功。后来自己来兴趣了，不断在金山打字通上测自己的速度，稳定达到110字/分钟。进了大学，有些社团招聘需要有一些能力，刚入学的大一新生能有什么技能？她就在自我介绍里写：我打字快，可以帮社团整理文字资料。就凭这一点，进了她想进的社团。而打字速度快，也给她的学习、笔记、作业带来了益处，别人还在打打打，她已经换下一个任务了。四年下来，累积的效率增益，不可小视。\n花一些时间成本，练成上述三个小技能，虽不说能给你带来升职加薪的效果，但，一来证明自己还能”成事“，二来确实给自己的日常工作带来效率的提升，省下的时间，思考如何升职加薪，这点时间成本，值得投资！\n","permalink":"https://cfo580.cn/article/kuai-ji-ren-ji-ju-tou-zi-jia-zhi-de-san-ge-ji-neng/","summary":"会计人最值得投资的三项基础技能：全键盘盲打、改用双拼输入法、大量使用快捷键。花小时间成本，换来日常效率的实质提升，也证明自己还能「成事」。","title":"🚀会计人极具投资价值的三个技能"},{"content":"我因为工作关系，跟不少女CEO、女VP打过交道。\n时间一长，看出一个门道：她们行业不同、性格各异，可身上有几条特征，高度一致。今天把印象最深的七条摆出来，你拿去当镜子照。\n一、只谈结果，不谈感受 什么叫职业化？就是事来了，先问结果，不谈情绪。\n她们临危不乱，稳得不像正常人。你听不到一句抱怨，也听不到一句吐槽。最常问的三句话是：目标达成了没有？问题出在哪？下一步怎么走？\n情绪是决策的天敌。让感受左右判断，事情就办不成。她们把情绪和决断一刀切开——这是顶高的职业修养。\n二、精力极其旺盛 精力不是天生的，是管出来的。\n连轴出差、一天八个会、晚上还陪客户吃饭；凌晨在群里回消息，第二天照样全妆准时到岗。这不是体能好，是一套自己的精力管理法。\n法门只有一条：绝不把一秒，浪费在低价值的人和事上。能量金贵，只投在高回报的地方。别人看不见的那点体力，就是这么省下来的。\n三、承压能力极强 产品上线破发，她们第一反应不是甩锅，而是先认下自己该担的那份，紧接着启动预案，琢磨怎么打翻身仗。\n职场上的政治、商场里的诡谲，她们从不犯怵。不是不怕，是信得过自己解决问题的能力。兵来将挡，水来土掩，面上从不露怯。\n承压不是硬扛。扛的时候，手里已经攥着牌了。\n四、情商极高 职位越高，一句话、一个决定，牵动的就是一片业务、多个团队。\n既要顾业务目标，也要顾团队利益；既要推事情，也要给合作方留余地。在微妙的关系里找切口，把复杂的利害摆平——考的就是情商。\n情商低，本事再大也走不远；情商高，是把各方的账，都算明白了。\n五、敢做决定，从不犹豫 商场如战场，犹豫就会败北。\n信息永远不可能百分百齐备，风险永远不可能彻底排除。她们不会为了等一个\u0026quot;万无一失\u0026quot;的答案，就一直按兵不动。\n果断，不等于永远做对。决定错了，照样要担责。但她们清楚：掌了权，担责就是义务。等，才是最贵的成本。\n六、有鲜明的个人特色 她们很少追潮流。穿衣、妆容、说话的节奏，辨识度都极强。\n或极简老钱，或商务休闲，很少今天一个样、明天又一个样。风格稳，本身就是一个人的品牌。\n人得先被记住，才谈得上被信任。朝三暮四的，别人只记住了你的混乱。\n七、有自己的爱好 户外徒步、冥想、品一杯酒……工作之外，一定留一块完全属于自己的地方。\n一面疏散压力，一面提醒自己：工作不是生活的全部。状态调好了，回来反而更有劲。\n不会休息的人，撑不到最后。\n七条看下来，其实说的是一件事：能坐到那个位置的人，靠的不是运气，是一整套做人的方法和做事的纪律。\n拿这七条当镜子，照见的不是别人，是自己差在哪、该往哪补。\n——虑得先生\n","permalink":"https://cfo580.cn/article/nv-ceo-vp-gong-tong-te-zheng/","summary":"我因工作接触过不少女CEO和女VP，发现她们身上有七条高度一致的特征：只谈结果不谈感受、精力旺盛、承压极强、情商高、果断决策、风格鲜明、有自己的爱好。逐一拆解，供职场人当镜子照。","title":"💡 女CEO和女VP，身上都有这七条"},{"content":" 来源：今日头条视频（toutiao.com/video/7684264967104692742） 时长：约 12 分 53 秒（772.9 秒）｜ 识别方式：faster-whisper (small) 语音识别 + 人工润色纠错 说明：原文为视频中文配音/口播，已对语音识别的同音错字（如\u0026quot;认知负荷\u0026quot;被识别为\u0026quot;认知复合\u0026quot;、\u0026ldquo;心流\u0026quot;被识别为\u0026quot;新流\u0026quot;等）做校正，并重新分段整理。\n开场 顶尖的 1% 人群，都善于进行\u0026quot;书面化思考\u0026rdquo;。以下是具体的操作方法。\n当你坐下来准备工作，却发现自己无法集中注意力、也进入不了心流状态——你的脑海里塞满了还没开始的杂事：周五的截止日期、一直拖着没回的消息，你对这一切感到束手无策。其实，只需要 15 分钟的练习，就能清空这些思绪。你所需要的，仅仅是一支笔和一张纸。\n我是本视频主讲人（频道音译：Reanderous Flowstate）的创始人兼 CEO。我们曾为奥迪（Audi）、埃森哲（Accenture）以及美国空军（US Air Force）等机构提供培训，教他们运用基于神经科学的原理，随时随地进入心流状态。\n一段个人经历 事情要追溯到大约 10 年前。当时我正在创办自己最早的一批公司之一，需要为一家大型\u0026quot;财富 100 强\u0026quot;企业制作一份演示文稿，以争取公司成立以来最大的一笔交易。问题在于，无论如何我都无法完成这项该死的工作——我的专注力连几分钟都维持不了，很快就被琐事打断。各种念头在脑中打转：要处理的交易、要回的 Slack 消息、要回的邮件……这些事像一团迷雾裹着我。\n突然，我的电脑没电关机了（当时用的是那种很旧的 MacBook）。彻底没电后，插上电源大约要十分钟才能重启。我把电脑拿到充电器旁插上，然后就没什么可做的了，只能干想那些压在心头的事，以及\u0026quot;明天早上还得做提案演示\u0026quot;这个事实。\n我低头看到茶几上有一个笔记本和一支笔，某种念头涌上来：趁电脑重启的空档，写点什么。于是我开始写。你猜我写出来的第一件事是什么？是我脑海里第一个想到要回的人；第二件，是我必须联系某个机构，询问一直在等的签证事宜。我就不停地写，慢慢写满了大约六页纸。\n这些一直挥之不去的东西，专业术语叫\u0026quot;认知负荷\u0026quot;（cognitive load），稍后我会再讲。写完六页后，电脑\u0026quot;叮\u0026quot;一声充满电了。我把电脑放回膝盖上，重新处理那份大约九小时后截止的演示文稿——\u0026ldquo;砰\u0026quot;的一声，我直接进入了心流状态，完全沉浸其中，连续工作了两小时，没有任何干扰，以世界一流的水平完成了这项工作。\n原理：什么是认知负荷 造成这种差别的，就是刚才说的\u0026quot;认知负荷\u0026rdquo;——你的大脑在同一时间试图处理的所有事物的总量：每一项任务、每一个决定、每一个未决之事，都会以认知负荷的形式累积起来。\n几十年来，研究人员认为工作记忆一次只能容纳约 7 个项目（误差正负 2）。心理学家乔治·米勒（George Miller）在 1950 年代的一篇论文中提出这一观点，并使其成为金科玉律。后来，一位叫纳尔逊·考恩（Nelson Cowan）的研究者在更严谨的控制条件下重做了实验，发现真实数字更糟：不是 7，而是 4。也就是说，你的意识在变迟钝之前，一次只能有效处理大约 4 件事。可你脑子里要跟踪的绝不止 4 件——你可能还有 30 项作业、没回的短信、下周到期的房租。这就像试图在一个同时开着五场对话的房间里交谈，这就是\u0026quot;试图集中注意力\u0026quot;的真实感受。\n我喜欢用一个类比来描述认知负荷：它有点像电脑里的内存（RAM）。进入心流、做一项大任务，就像在电脑上运行一个需要占用所有处理能力的程序——因为心流是一种高能耗状态。当你进入那种状态，会全神贯注，时间感扭曲，几小时像几分钟，发挥出最佳水平。但这需要你调动全部认知能力。如果你的电脑有 70% 的内存被分配给了别的事，那个程序就跑不起来。你必须先清理内存，\u0026ldquo;砰\u0026quot;的一声，程序才开始运行。心流也是同样的道理：你必须先清空认知负荷，心流这个\u0026quot;程序\u0026quot;才能真正启动。\n为什么写在纸上如此有效 当一件事\u0026quot;未完成\u0026quot;时，大脑会以认知负荷的形式把它保留下来——它只能做它能做的事：把这件事留在工作记忆里，不断重复，并把它拉回有意识的注意中，以防你忘记。但你并不希望它占据你的意识，因为你正想专注别的事。这正是\u0026quot;未完成任务\u0026rdquo;（open loop）的本质：大脑在重复运行一个提醒。而大脑并不需要任务\u0026quot;完全完成\u0026quot;，才会让你卸下认知负荷、停止用这些干扰性提醒骚扰你。要清空认知负荷，你只需做我在那天电脑死机时碰巧做的事——把一切外化到纸上。\n纸张特别有效。为了专门减轻心流前的认知负荷，我希望你用几种不同的方式使用纸张。顺便说一句，我整理了一份完整的（纸面）指南，包含每个步骤的具体执行方案，免费提供，你可以从下方链接下载。\n我希望你在三个时间点用纸：\n开始工作之前做一件事； 开始工作的时候做一件事； 一天结束时做一件事。 它们都涉及纸张，都用到了刚才说的机制，都能帮你更轻松地进入心流。我向你保证。\n第一种：认知负荷清除（Cognitive Load Dump） 第一件事，是\u0026quot;认知负荷清除\u0026quot;。在任何专注工作环节之前，或者当你感觉思绪太乱、没法思考时，就做这个——这正是我当年写那份演示文稿时偶然发现的方法。只需写下任何占用你大脑空间的东西：任务、忧虑、未成型的想法，什么都行。不要整理，全部倾倒出来。稍后你再决定每一项怎么处理；现在你只需要把它们\u0026quot;卸\u0026quot;下来。这在技术上叫\u0026quot;认知卸载\u0026quot;（cognitive offloading）。这只需要 3 分钟、5 分钟或 10 分钟。之后你就拥有一张纸可以回头查看，理清怎么组织这些内容，真正把事项推进到完成，或判断哪些事甚至不需要再做了。\n第二种：冲动宣泄口（Impulse Vent） 用纸的第二种方式，是开始工作时要做的，叫\u0026quot;冲动宣泄口\u0026quot;。当你开始工作、屏蔽了干扰、想真正沉浸数小时的高度专注时——心流周期的第一阶段叫\u0026quot;挣扎阶段\u0026quot;（struggle phase）。心流总共四个阶段：挣扎阶段、释放阶段、心流状态本身、以及随后的恢复阶段。挣扎阶段是一个非常不适的时期，是我们在适应任务时必须经历的。在挣扎阶段，我们会产生强烈的渴望，想通过分心来缓解这种不适感——我相信你也有体会：事情开始的前十、二十、三十分钟特别难熬，可一旦突破，就进入心流，接下来两三个小时会非常顺。\n冲动宣泄口的作用，是降低你在挣扎期因自我干扰而去寻求多巴胺刺激、或转向非工作内容的可能性；否则这些行为会把挣扎阶段\u0026quot;重置为零\u0026quot;，让你离心流越来越远。遗憾的是，大多数人都屈从于这些冲动：他们努力了五分钟、十分钟，觉得太难受，于是产生\u0026quot;看一眼新闻\u0026quot;\u0026ldquo;快速给某人发个消息\u0026quot;的冲动并付诸行动，结果重置了挣扎阶段。等他们回到那项高优先级核心任务，又得重新爬\u0026quot;挣扎之山\u0026rdquo;，才能再次进入心流。他们往往只能坚持五分钟、十分钟或十五分钟，达到一定程序又屈从于下一次冲动。\n替代方案：把纸当作冲动宣泄口。每当你产生冲动——就像大脑里所有需要卸载的认知负荷一样——把它记下来，而不需要去整理或执行，这种冲动只需要被\u0026quot;卸\u0026quot;掉。所以你可以在工作时在身旁放一个记事本；当你处于挣扎阶段、坐立难安、特别想去查点什么或给谁发消息时，只需把它写下来，然后\u0026quot;砰\u0026quot;地回到手头工作。我向你保证，这样你会更容易回到工作状态。\n第三种：每日运行飞轮（Daily Run Flywheel） 用纸笔的第三种方式，放在一天结束时做，叫\u0026quot;每日运行飞轮\u0026quot;。拿出一张新纸：\n首先，在一天结束时做一次\u0026quot;认知负荷清除\u0026quot;，让你在下班后的夜晚真正脱离工作，而不是陷入那种\u0026quot;人还在工作、思绪却反复循环\u0026quot;的半工作状态。这能让大脑彻底关机，把工作记忆里所有\u0026quot;明天要处理的事\u0026quot;和\u0026quot;未完成的任务\u0026quot;全部释放到纸上。 第二，确定 1 到 3 个你明天必须完成的\u0026quot;多米诺骨牌任务\u0026quot;（domino task）——指那些能推动你前进、并带动其他所有任务完成的重大核心任务。 第三，安排这些任务，把它们写进你的日程表，实实在在地预留时间，并规划好明天剩余时间的安排。这也能减轻认知负荷，因为你整个晚上都不用在后台反复盘算\u0026quot;明天做什么、怎么开展\u0026quot;——一切都预先分配好了。 这也意味着，当你早上醒来完全不需要规划，可以直接开始、机械地执行任务，你的前额叶皮层无需以同样方式激活，从而让你更容易进入心流。\n在多米诺骨牌任务（日程表上那 1–3 个重大任务）里，有几个操作要点：\n第一，设定明确的目标——指那些具体的微行动，把任务拆成超级简单、极具可操作性的步骤，让我们能非常轻松、迅速地进入状态。 接着，我想让你做的\u0026quot;最后一件事\u0026quot;，包含在上述第三点里：这一步是\u0026quot;第一步之前的准备步骤\u0026quot;（pre-first step）。所谓第一步之前的准备步骤，是指如果明天一项重要任务是像我当年那样\u0026quot;为推介会写演示文稿\u0026quot;，那你先打开演示文稿文件、把它准备好放在桌面上——这就是准备步骤。而\u0026quot;第一步\u0026quot;是写第一张幻灯片；\u0026ldquo;第一步之前的准备步骤\u0026quot;仅仅是打开正确的文档、让一切就绪。 结尾 至此，你已经知道如何用纸笔更好地进入心流状态。这三种工具极其强大：\n当工作接踵而至、无数未完成事项积压、导致你无法集中注意力进入心流时，用认知负荷清除法； 在长时间心流任务开始前，用冲动宣泄口确保自己不自我干扰； 最后是日常工作，流程上你可以在一天结束时做，以降低晚间的认知负荷，让你下班后真正回归生活。 ","permalink":"https://cfo580.cn/article/qian-1-ding-jian-ren-cai-zhi-shang-si-kao/","summary":"顶尖的 1% 人群都善于「书面化思考」。本文基于神经科学原理，介绍三种用纸笔清空认知负荷、快速进入心流状态的方法：认知负荷清除、冲动宣泄口、每日运行飞轮。","title":"🧠 前 1% 的顶尖人才都在纸上思考"},{"content":"很多会计同行初学SQL，一上来就背语法、记关键字，写查询时对着各种JOIN、GROUP BY无从下手。遇到银行流水、应收明细、进销存台账这类业务数据，拿到需求就急着写SELECT，结果要么数据重复、金额对不上，要么筛选条件放错位置，报表结果和账面数字产生差异。\n本质原因不是语法不熟，而是缺少一套从业务到数据的思考框架。SQL不是一门单纯的编程语言，它是“用数据还原业务事实”的工具。这就是会计人学SQL的第一性原理：所有SQL语句，都是对业务规则的数字化翻译，先理清业务逻辑，再写代码，而不是反过来。\n第一性原理核心：抛开记忆的语法模板，回归业务本身，拆解问题、确认数据来源、定义统计口径，最后才转化为SQL。\n一、会计人写SQL的标准解题路径（一套可复用的业务分析流程） 这套流程和咱们日常做账、编制报表的思路高度一致，完全贴合财务工作习惯，一共六步：读懂业务需求 → 定位数据表与关联关系 → 确定筛选口径 → 设计汇总计算规则 → 编写并执行SQL → 校验数据真实性。\n第1步：读懂业务需求，把“大白话需求”翻译成数据问题 财务提需求，往往是业务描述，不是数据描述。拿到需求，先回答4个核心问题（如同做报表前先确认报表要求）：\n最终要输出什么信息？ 是明细清单，还是汇总金额？需要哪些字段（客户名称、应收余额、期间收入、凭证号等）？ 数据存放在哪几张表里？ 客户档案表、销售订单表、收款流水表、采购入库表，凭证表？ 筛选范围是什么？ 会计期间、客户范围、单据状态（已审核/作废），哪些原始单据要排除？ 统计口径是什么？ 是含税金额还是不含税？是否剔除红字冲销单据？汇总维度是按客户、按月，还是按部门？ 会计最容易踩坑：业务描述模糊，口径没确认就写SQL。 例：业务需求“统计2025年客户销售总额”。 必须确认：总额是已开票金额还是订单金额？退货红字单据是否扣减？统计时间是订单下单时间，还是发票开具时间？口径不统一，SQL写得再漂亮，金额和账套对不上。\n第2步：梳理表之间的关联关系，选对表连接方式 财务数据天然分散在多张表：客户基础信息单独一张表，销售单据一张，收款流水又是一张。表和表依靠唯一标识关联，比如客户ID、订单号、凭证号。\n这里重点区分两种最常用连接，用财务场景理解：\nINNER JOIN（内连接）：只保留两边都匹配到的数据。\n举例：订单表关联客户表，只取出有订单、并且档案存在的客户；没有订单的客户不出现。适合统计有发生额的客户收入。\nLEFT JOIN（左连接）：保留左表全部记录，右表匹配不到的字段为空。\n举例：客户表左联订单表，全部客户都保留，当年无销售订单的客户，订单金额显示为空。适合客户应收台账，需要列出全部客户，包含当年无发生额的客户。\n财务高频坑点：一对多表关联，不要先关联明细再汇总，容易造成金额重复放大。优先先对明细单据做聚合汇总，再和基础档案表关联。\n第3步：区分两类过滤条件：WHERE 和 HAVING（财务核心考点） SQL执行顺序和书写顺序不一样，理解这一点，就能分清两个过滤子句，和会计核算逻辑对应： FROM → JOIN → WHERE → GROUP BY → 聚合计算 → HAVING → SELECT → ORDER BY\nWHERE：过滤原始单据行。在汇总计算之前筛选原始数据，用来限定单据范围，例如会计期间、单据状态。\n类比：做账前先筛选本年度、已审核的销售单据，作废单据直接剔除，原始数据先过滤。\nHAVING：过滤分组汇总后的结果。是算完合计之后，再对汇总后的数字做筛选，不能用来过滤原始单据。\n类比：全部客户销售额算完之后，只保留销售总额大于5000的客户。先算总数，再挑符合条件的分组。\n一句话记忆：行筛选用WHERE，汇总结果筛选用HAVING。\n第4步：选择计算方案，拆解业务计算逻辑 根据业务目标，选择对应的计算方式：\n明细清单：多表JOIN + WHERE，直接导出单据明细（类似导出序时账） 分组汇总（月度收入、客户销售统计）：GROUP BY + SUM/COUNT等聚合函数 同组内对比（客户年度内各月收入对比、应收账龄分层）：窗口函数 判断分类（自动标记高价值客户、坏账风险客户）：CASE WHEN（相当于Excel的IF多层判断） 判断单据是否存在（查询哪些客户当年没有回款）：EXISTS 会计思维提示：复杂报表不要一次性写一长串SQL。可以拆分成多个小数据集，使用CTE（WITH）分步计算。就像编制合并报表，先算单体报表，再做抵消，分步验证每一步结果。\n第5步：编写SQL，优先可读性，其次性能 写SQL优先保证逻辑清晰，方便后续自己、同事复核，不要追求极简晦涩的写法。 规范小习惯：字段别名语义化，不要简写；禁止SELECT *，只取业务需要的字段，减少多余数据。\n第6步：校验数据，这是会计人最重要的一步 财务数据，数字正确 \u0026gt; 语法正确。SQL执行成功不代表结果正确，必须做三重校验，和咱们对账思路完全一样：\n抽样核对：挑选2~3个客户/供应商，手工在账套里汇总，对比SQL输出金额； 边界校验：测试红字单据、空值、无发生额客户、跨年业务，看处理逻辑是否符合准则； 总额核对：SQL输出汇总合计，和总账科目余额对比，校验差额。 二、实战案例：完整走一遍这套思考方法（财务场景） 业务需求 查询2025年，销售总金额大于5000元的客户，输出客户名称、年度销售总额，金额从高到低排序。 两张表： customers客户表：customer_id，customer_name orders销售订单表：order_id，customer_id，order_time，amount（订单不含税金额）\n第一步：翻译需求 输出字段：客户名称、年度销售总额 数据表：客户表、销售订单表，关联键customer_id 原始筛选：订单发生在2025年度（WHERE过滤原始订单） 统计规则：按客户分组，求和订单金额；只保留汇总金额\u0026gt;5000的客户（HAVING过滤分组） 第二步：表连接选择 我们只需要当年有销售订单的客户，选用INNER JOIN。\n第三步：分步构建逻辑 FROM订单表，关联客户表 WHERE限定订单时间2025年，过滤原始订单 GROUP BY客户ID、客户名称，按客户分组 SUM(amount)计算每个客户年度销售额 HAVING筛选总额大于5000的客户 输出字段，按总额降序排序 SELECT c.customer_name, SUM(o.amount) AS total_sales FROM orders o INNER JOIN customers c ON o.customer_id = c.customer_id WHERE o.order_time \u0026gt;= \u0026#39;2025-01-01\u0026#39; AND o.order_time \u0026lt; \u0026#39;2026-01-01\u0026#39; GROUP BY c.customer_id, c.customer_name HAVING SUM(o.amount) \u0026gt; 5000 ORDER BY total_sales DESC; 第四步：数据校验 任选一个客户，在订单表手工汇总2025订单金额，核对SQL结果；检查总额是否和总账主营业务收入匹配。\n业务变形需求（拓展理解） 列出全部客户，2025有销售则展示总额，无销售显示0；销售额大于5000标记为高价值客户。\n思考关键点：\n需要保留全部客户，改用LEFT JOIN； 左连接后无订单的客户金额为NULL，使用COALESCE转为0； CASE WHEN新增客户等级标记。 三、会计人学习SQL的第一性原理核心总结 很多会计学习SQL陷入误区：当成一门计算机语言，死记语法、函数。而第一性原理，就是回归业务本质：SQL只是把财务业务规则翻译成数据库可以执行的查询语句。\n业务口径优先于SQL语法。写SQL前先确认业务、会计口径，口径错，再完美的SQL也是错账； 分步拆解，不要一步到位。复杂财务报表拆成多个小计算，分步核对，和编制财务报表思路一致； 对账思维贯穿全程。SQL跑完不是结束，抽样、总额校验，就像财务对账，验证数据可信； SQL执行顺序决定逻辑边界，分清原始单据过滤、分组汇总过滤，理解WHERE与HAVING的差异； 表连接本质：业务实体之间的关系。客户、订单、凭证，对应现实业务关系，而不是单纯的字段拼接。 四、写给初学的会计同行 SQL不是程序员专属技能，对财务来说，它是把台账、业务数据从零散的表格里解放出来的工具。不用急于学习复杂窗口函数、性能调优。先建立这套业务拆解→翻译数据→校验结果的底层思维。\n语法可以随时查阅，但从业务出发解决数据问题的思考框架，才是SQL能力的底层根基。掌握这套思维，面对应收账龄、收入统计、往来对账、费用分析等财务场景，无论表结构怎么变化，你都能独立拆解、写出可靠的查询。\n\u0026ndash;虑得先生\n","permalink":"https://cfo580.cn/article/kuai-ji-ren-xue-sql-di-yi-xing-yuan-li-si-wei/","summary":"会计人初学SQL，难的不是语法，而是缺一套从业务到数据的思考框架。本文讲清第一性原理：所有SQL都是对业务规则的数字化翻译，先理清业务逻辑再写代码；并给出六步解题路径、实战案例与核心总结。","title":"🧠 会计人学SQL：建立解决业务数据问题的第一性原理思维"},{"content":"很多会计把 Excel 当\u0026quot;电子算盘\u0026quot;——拉辅助列、下拉填充、复制去重、插透视表。这些动作每天重复几十次，本质是用手工模拟\u0026quot;批量计算\u0026quot;。而 Excel 函数式编程，就是把这批动作交给公式引擎一次性完成：写一个表达式，整张表自动溢出结果，数据一变结果就跟着变。\n函数式编程的专属函数约 35 个，按功能分 6 大类。它们区别于传统单元格公式，专门用于数组批量处理、高阶迭代和结构化编程。如果算上支持数组运算的传统配套函数（SUM、IF、SUMIFS 等），可用函数超过 60 个，但核心的函数式能力都由下面这 6 类提供。最新版 WPS 同样支持这套专属函数。\n下面按类别逐一列出，每个函数都配一个会计典型场景——你可以直接对照自己的日常活，看哪一类先上手。\n一、基础动态数组核心函数（8个） 函数式编程的入门底座，全部支持自动溢出，直接替代传统的下拉填充、手工筛选、复制去重。\n函数 核心作用 会计典型场景 FILTER 按自定义条件筛选数组，返回符合条件的整行/整列 按科目、部门、日期范围筛选凭证明细 UNIQUE 对数组去重，返回所有不重复值 生成科目清单、部门清单、客户供应商清单 SORT 按指定列对数组排序 凭证按金额排序、科目按编码排序 SORTBY 按多维度、多条件对数组排序 先按部门升序、再按金额降序排列凭证 SEQUENCE 生成连续的数字、日期、编号序列 生成会计期间序列、凭证号序列、日期序列 RANDARRAY 生成指定范围的随机数数组 生成随机抽样数据、测试用例数据 XLOOKUP 支持数组批量查找，一次返回多列结果 给凭证明细批量匹配科目属性、往来单位信息 XMATCH 批量查找值的位置，支持数组返回 匹配科目在列表中的序号、实现自定义顺序排序 二、数组重塑与操作函数（12个） 专门用来改变数据的行列结构，替代手工复制粘贴、转置、拆分表格，是组合复杂公式的结构基础。\n函数 核心作用 会计典型场景 VSTACK 垂直上下合并多个数组 合并多月凭证明细、合并多部门报表 HSTACK 水平左右合并多个数组 给表格追加计算列、拼接多组指标 TOROW 二维数组转为一维行 多列数据转为单行清单 TOCOL 二维数组转为一维列 借贷两列金额转为一维金额列、多列费用转为一列 WRAPROWS 一维数据按行重塑为二维 清单转多行多列的报表排版 WRAPCOLS 一维数据按列重塑为二维 长列表转为多列打印格式 EXPAND 将数组扩展填充到指定行列数 补全报表的缺失行/列、填充默认值 TAKE 提取数组的前N行/前N列 提取排名前10的科目、提取最新10条凭证 DROP 删除数组的前N行/前N列 去掉表头、去掉合计行 CHOOSEROWS 选择数组中指定的行 提取指定行号的凭证 CHOOSECOLS 选择数组中指定的列 从全表中只提取需要的几列数据 TRANSPOSE 数组行列转置 横向报表转纵向、维度转置 三、LAMBDA 高阶迭代函数（6个） 函数式编程的核心能力，配合 LAMBDA 实现循环迭代逻辑，替代 VBA 的循环功能，无需启用宏即可实现批量逐行、累计计算。\n函数 核心作用 会计典型场景 MAP 逐元素映射转换，对数组每个元素执行相同逻辑 批量计算税额、批量计算折旧额 BYROW 按行迭代，每行返回一个计算结果 每行计算借贷合计、每行判断账龄区间 BYCOL 按列迭代，每列返回一个计算结果 每月计算发生额合计、每列计算最大值 SCAN 累计迭代，返回每一步的中间结果 银行存款逐日结存、科目累计发生额、个税累计预扣 REDUCE 聚合迭代，最终返回一个聚合结果 多表汇总、多条件叠加聚合、长字符串拼接 MAKEARRAY 按自定义规则生成指定大小的二维数组 生成自定义结构的报表模板、计算矩阵 四、结构化编程与自定义函数（3个） 实现公式的工程化、结构化与复用，是从\u0026quot;写公式\u0026quot;到\u0026quot;做功能\u0026quot;的升级。\n函数 核心作用 会计典型场景 LET 公式内定义变量，给中间结果命名，分步计算 重构复杂税负率、毛利率公式，提升可读性与性能 LAMBDA 定义可传参的自定义函数，一次定义全工作簿调用 封装个税计算、账龄判断、税额计算等通用逻辑 ISOMITTED 判断自定义函数的可选参数是否被传入 制作带默认参数的自定义函数，比如默认按本币计算 五、函数式数据透视函数（2个） 公式级别的数据透视，无需手动插入透视表，数据更新自动刷新。\n注意：GROUPBY 和 PIVOTBY 目前优先在 Office 365 中提供，Excel 2024 单机版需更新到最新版本才可使用；若不可用，可用 LET + SUMIFS 组合实现同等效果。\n函数 核心作用 会计典型场景 GROUPBY 按指定维度分组聚合，支持多维度、多聚合方式 按科目+部门汇总费用、按月份汇总税金 PIVOTBY 按行、列双维度生成透视表 生成部门×费用类别的二维费用汇总表 六、数组文本处理函数（4个） 支持数组级别的文本批量处理，替代手工分列、批量替换。\n函数 核心作用 会计典型场景 TEXTSPLIT 批量按分隔符拆分文本为数组 拆分科目编码、拆分摘要关键词 TEXTJOIN 批量将数组合并为文本 合并多科目名称、生成凭证摘要 TEXTBEFORE 批量提取分隔符之前的文本 提取科目编码的一级科目位、提取供应商简称 TEXTAFTER 批量提取分隔符之后的文本 提取明细科目名称、提取凭证号后缀 补充说明 配套传统函数：SUM、IF、IFERROR、IFS、SWITCH、SUMIFS、COUNTIFS、INDEX 等传统函数原生支持数组运算，可与上述函数自由组合，是日常使用的重要补充，但不属于函数式编程专属函数。 版本覆盖：FILTER/UNIQUE/SORT/SEQUENCE/LET/XLOOKUP 等基础动态数组函数 Excel 2021 及以上版本支持；MAP/BYROW/SCAN/REDUCE/MAKEARRAY 等高阶迭代函数 Excel 2024 及以上版本支持。 WPS 支持：所有专属函数在最新版 WPS 中均可应用。 学习优先级：优先掌握第一类 + 第四类（动态数组基础 + LET），可解决 80% 的日常批量计算问题；再学第二类数组重塑；最后攻克第三类高阶迭代与自定义函数。 常见问题（FAQ） Q1：这 35 个专属函数和传统公式有什么本质区别？ 传统公式是\u0026quot;一格算一格\u0026quot;，结果靠下拉填充复制到整列；专属函数是\u0026quot;一次写、整片溢出\u0026quot;——以数组为处理单位，公式自动把结果铺满对应区域，源数据变动结果实时刷新，不留下拉痕迹、不怕漏拉行。\nQ2：我的 Excel 版本够用吗？ 基础 8 个（FILTER/UNIQUE/SORT/SEQUENCE/LET/XLOOKUP 等）Excel 2021 起就支持；高阶迭代（MAP/BYROW/SCAN/REDUCE/MAKEARRAY）要 Excel 2024 及以上。最新版 WPS 全支持。如果还没用上动态数组，建议先升级——这是函数式编程的地基。\nQ3：学习顺序怎么排最省力？ 先攻第一类（动态数组基础）和第四类（LET），这两类能解决 80% 日常批量计算；再学第二类（数组重塑）做结构变换；最后上第三类（LAMBDA 高阶迭代）和第五、六类。不要一上来死磕 REDUCE，容易劝退。\nQ4：不会 VBA，也能做复杂逻辑吗？ 能。第三类高阶迭代函数 + LAMBDA，本质就是用公式写循环和自定义函数，无需启用宏、无需碰 VBA 代码。封装好的 LAMBDA 还能全工作簿复用，等于给 Excel 加了你自己的\u0026quot;财务函数库\u0026quot;。\n结语 函数式编程不是把 Excel 变得更\u0026quot;程序员的\u0026quot;，恰恰相反——它是把会计每天都在做的批量活，从手工模拟变成公式自动完成。35 个专属函数里，你真正高频用的可能就十来个；先吃下动态数组基础那一桌，回头看那些\u0026quot;下拉填充一下午\u0026quot;的表，会发现自己曾经很辛苦。\n— 虑得先生\n本文为「虑得企服」财务数字化系列之一。若你团队在报表自动化、批量取数、公式工程化上投入了大量重复人工，虑得企服可提供共享财务总监式的外脑支持，把重复活交给公式。\n","permalink":"https://cfo580.cn/article/excel-han-shu-shi-bian-cheng-zhuan-shu-han-shu/","summary":"Excel 函数式编程区别于传统单元格公式的专属函数约35个，按功能分6大类：动态数组基础、数组重塑、LAMBDA高阶迭代、结构化自定义函数、公式级透视、数组文本处理。本文逐一列出函数、核心作用与会计典型场景，附版本覆盖与学习优先级。","title":"📊 Excel 函数式编程的核心专属函数：35个函数，6大分类全景图"},{"content":"一、超级表结构化引用的两种括号格式 1. 简写格式：单方括号 [列名] 适用场景：仅引用单列 示例：凭证明细表[科目编码] 特点：写法简洁，所有版本兼容。 2. 标准格式：双方括号 [[列名]] 适用场景：多列连续范围、带冒号的区间引用、整行引用 示例：凭证明细表[[科目编码]:[科目名称]] 特点：微软官方标准语法，所有场景、所有版本通用；多列范围必须用这个格式，家庭版解析严格，不支持简写。 核心规则：只要出现冒号 : 做范围，就必须用双方括号标准格式，每一列单独用方括号括起来，冒号在两个方括号中间。\n二、常用结构化引用写法对照表 以后直接按这个写，不会再踩格式坑\n引用需求 标准写法 说明 引用单列 凭证明细表[科目编码] 简写即可，通用 引用连续多列 凭证明细表[[科目编码]:[部门]] 必须双方括号 引用全部数据列 凭证明细表[#数据] 不含表头，仅数据行 引用整行（当前行） [@借方金额]-[@贷方金额] 写在表格行内时用 引用表头 凭证明细表[#标题] 提取表头行 引用整个表（含表头） 凭证明细表[#全部] 合并表格时用 三、配套动态数组函数的通用写法 FILTER、SORT、XLOOKUP 等所有函数，只要涉及超级表多列范围，都遵循这个规则：\n=FILTER(凭证明细表[[凭证号]:[借方金额]], 凭证明细表[部门]=\u0026#34;财务部\u0026#34;) =SORT(凭证明细表[[科目编码]:[科目名称]]) 筛选条件、查找值这类单列参数，用简写单方括号即可； 返回的数据源、多列区域，用标准双方括号格式。 四、实操小技巧 输入时可以利用 Excel 的自动补全，避免手写出错（WPS不适用）：\n输入 =凭证明细表[ 后，Excel 会弹出列名下拉列表 选中第一个列名，Excel 会自动补全单方括号 手动输入冒号，再选第二个列名 最后在最外层补一个 ]，就形成标准的 [[列1]:[列2]] 格式 ","permalink":"https://cfo580.cn/article/excel-chaobiao-jiegouhua-yinyong-kuohao-yufa/","summary":"Excel 超级表（Table）结构化引用的两种括号格式怎么用：单方括号引用单列、双方括号引用多列范围与带冒号的区间；附常用写法对照表与 FILTER/SORT/XLOOKUP 套用规则。","title":"📊 EXCEL超级表结构化引用的括号语法规则"},{"content":"做会计的，大概率都踩过这些坑：\n月底汇总凭证明细，新增了几十行分录，SUMIFS 的引用范围要手动一个个拉，漏一行就差几千块； 下拉公式算余额，一不小心错行错位，对账差几分钱找一下午； 每个月做费用报表，都要重新调整数据范围，改完公式改格式，重复劳动占了大半时间。 其实很多人不知道，Excel 自带的超级表（List Object），就是专门解决这些问题的工具。它不是普通的“加边框、标颜色”的表格美化，而是真正的结构化数据容器——Excel 能识别它是一张完整的业务表，自动扩展范围、自动联动公式、自动统一格式，也是会计学习函数式编程的核心基础底座。\n一、什么是Excel超级表？和普通表格有什么不一样？ 超级表是 Excel 中一种被赋予了“数据身份”的结构化区域。简单说：普通表格在 Excel 眼里只是一堆零散的单元格，而超级表是一张有名称、有列字段、有完整边界的业务数据表。\n它和普通单元格区域最核心的区别，体现在三个“自动”：\n范围自动扩展：在表格末尾新增数据时，表格范围自动放大，所有引用它的公式、透视表自动同步，不用手动修改引用区间； 引用结构化：用「表名[[列名1]:[列名2]]」替代「A1:B100」这种单元格地址，公式自带业务语义，不用对着列标猜含义； 格式自动同步：新增行自动套用格式、公式、条件格式，不用反复刷格式、拖公式。 从会计视角看，它就是一张电子版的标准账页——有表头、有明细、有固定的字段规则，新增业务自动入账，所有关联账本自动更新。\n二、对会计最实用的7大核心能力 超级表的功能很多，但针对会计日常工作，以下7项是性价比最高的核心能力，覆盖凭证处理、报表汇总、对账查数全场景。\n1. 数据范围自动扩展：告别手动拉公式 这是超级表最核心的价值。普通区域用 F2:F100 做汇总，当凭证新增到第101行时，公式不会自动包含新数据，很容易漏算。 超级表的引用是按「列」来的，只要在表格最后一行下方输入新数据，表格范围自动向下延伸，所有引用这张表的 SUMIFS、FILTER、XLOOKUP 公式全部自动包含新行，无需任何手动操作。\n典型场景：凭证明细、银行流水、往来台账这类持续新增的数据，录入即自动纳入汇总范围，再也不会出现“合计数和明细对不上”的低级错误。\n2. 结构化引用：公式自带业务语义 普通公式 =SUMIFS(F:F,B:B,\u0026quot;6602\u0026quot;)，离开表格根本看不懂F列、B列是什么； 超级表公式 =SUMIFS(凭证明细[借方金额], 凭证明细[科目编码],\u0026quot;6602\u0026quot;)，哪怕是交接给新人，一眼就能看懂：汇总凭证明细表里，科目编码6602的借方金额合计。\n结构化引用的优势：\n可读性极强，公式自带业务注释； 调整列顺序时，引用自动跟随，不会出现引用错列的问题； 配合 LET 函数，能写出完全业务化的结构化公式，是函数式编程的标准写法。 3. 一键统一格式：告别反复刷格式 超级表自带预设样式，支持隔行填色、表头高亮、边框统一，新增行自动套用所有格式，不用每次插入行都要重新刷格式、对齐单元格。 对于需要打印的费用明细表、科目余额表，只要设置一次样式，后续所有新增数据自动匹配，打印出来永远整齐规范。\n4. 汇总行零公式生成 不用手动写 SUM 公式，在「表设计」选项卡勾选「汇总行」，表格底部自动增加合计行，每一列都可以独立选择汇总方式：求和、计数、平均值、最大值、最小值。\n典型场景：\n金额列选「求和」，快速生成借方、贷方合计； 凭证号列选「计数」，快速统计当月凭证笔数； 日期列选「最大值」，快速查看最后一笔业务的日期。 5. 自带筛选与切片器：临时查数不用反复操作 超级表默认自带筛选按钮，无需手动开启筛选功能。还可以插入切片器，点击部门、科目、月份就能快速筛选数据，适合临时查某部门的费用、某科目的发生额，比手动筛选高效得多。\n6. 动态联动数据源：透视表、图表自动更新 把超级表作为数据透视表、图表的数据源，当凭证数据新增或修改后，只要点一下「刷新」，所有透视表、图表全部同步更新，不用重新选择数据源。 对于每月固定更新的管理费用分析表、税负测算表，能节省大量重复操作时间。\n7. 配合动态数组：实现单公式自动报表 超级表是动态数组函数的最佳搭档。用 UNIQUE(凭证明细[科目名称]) 生成科目清单、用 FILTER(凭证明细, 凭证明细[部门]=\u0026quot;销售部\u0026quot;) 筛选部门凭证，数据新增时结果自动溢出扩展，真正实现“一次编写，永久自动”。\n三、3步把你的凭证明细改成超级表 超级表的创建非常简单，以最常用的凭证明细表为例，全程不超过10秒。\n步骤1：先做好数据规范（关键前提） 超级表对数据格式有基本要求，不规范的数据会导致自动扩展失效：\n第一行必须是列标题，不能有合并单元格，不能有空标题； 数据行不能有完全空的行，空行会打断自动扩展； 同一列数据类型尽量统一（金额列都是数字，日期列都是标准日期）。 步骤2：一键创建超级表 选中数据区域的任意一个单元格，按快捷键 Ctrl+T，弹出「创建表」对话框，勾选表包含标题，点击「确定」，即刻完成转换。\n步骤3：修改表名（为后续写公式做准备） 转换后，在「表设计」选项卡最左侧的「表名称」框中，修改为有业务含义的名称，比如 凭证明细、科目表、银行流水。\n建议：表名不要加空格、特殊字符，用中文业务名称即可，后续写公式时会自动联想补全。\n四、3个高频会计场景实战对比 场景1：汇总管理费用借方发生额 写法类型 公式 问题 普通固定区域 =SUMIFS(F2:F26,B2:B26,\u0026quot;6602\u0026quot;) 新增凭证行后，范围不会自动扩展，容易漏算 整列引用 =SUMIFS(F:F,B:B,\u0026quot;6602\u0026quot;) 计算量大，容易把表头、合计行算进去，结果出错 超级表写法 =SUMIFS(凭证明细[借方金额], 凭证明细[科目编码],\u0026quot;6602\u0026quot;) 自动扩展范围，新增凭证自动纳入计算，语义清晰 场景2：生成不重复的科目清单 写法类型 公式 问题 普通做法 手动复制科目列，点「数据-删除重复值」 每次数据更新都要重复操作，不能自动刷新 超级表+动态数组 =SORT(UNIQUE(凭证明细[科目编码:科目名称])) 一个公式自动生成，数据更新自动同步，自动排序 场景3：按部门汇总费用 普通做法：用数据透视表，每次新增数据要手动刷新，还要重新调整范围； 超级表做法：以超级表为数据源创建透视表，新增凭证后点一次「刷新」即可，数据源范围自动匹配，永远不会漏数据。\n五、会计用超级表的5个避坑提醒 结合实际工作中最容易踩的坑，提前规避90%的问题：\n1. 表名、列名必须完全匹配，错字就报#NAME? 公式里的表名、列名必须和超级表的实际名称完全一致，比如表叫「凭证明细」，写成「凭证明细表」就会报错。这也是很多人写 UNIQUE(凭证明细[科目编码]) 报 #NAME? 的核心原因——要么没转超级表，要么表名写错了。\n2. 列名有空格要加单引号 如果列名里有空格（比如「借方 金额」），公式里必须用单引号包裹：凭证明细['借方 金额']。 建议：列名尽量不要加空格、特殊符号，用「借方金额」这种连续名称最稳妥。\n3. 不要在表格中间插入空行 在超级表中间插入完全空的行，会被识别为表格边界，后续新增数据不会自动扩展。新增数据请在表格最后一行的下一行输入，Excel会自动将其纳入表格范围。\n4. 跨工作表引用要加工作表名 如果超级表在「凭证录入」工作表，公式写在「汇总表」工作表，必须加上工作表名：\n=SUMIFS(\u0026#39;凭证录入\u0026#39;!凭证明细[借方金额], \u0026#39;凭证录入\u0026#39;!凭证明细[科目编码],\u0026#34;6602\u0026#34;) 5. 不要和普通单元格引用混用 要么全程用超级表结构化引用，要么全程用单元格地址，不要一半超级表、一半普通区域，很容易出现范围不匹配、计算错误的问题。\n六、写在最后 很多会计觉得超级表是“花架子”，不如直接写公式顺手，但实际上它是数据规范化的第一步。 会计工作的核心是数据，当你的凭证明细、往来台账、科目表都变成规范的超级表，后续的动态数组、LET函数、自定义函数才有了稳定的数据源。你不用再花大量时间调整范围、核对漏行、修改格式，而是把精力放在逻辑本身——这也是从“记账会计”到“管理会计”效率升级的底层基础。\n对于正在学习函数式编程的财务人来说，先把手里的业务表都改成超级表，用结构化引用替代单元格地址，你会发现后面的批量计算、自动报表都会顺理成章，事半功倍。\n","permalink":"https://cfo580.cn/article/excel-chao-ji-biao-wan-quan-zhi-nan/","summary":"\u003cp\u003e做会计的，大概率都踩过这些坑：\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e月底汇总凭证明细，新增了几十行分录，SUMIFS 的引用范围要手动一个个拉，漏一行就差几千块；\u003c/li\u003e\n\u003cli\u003e下拉公式算余额，一不小心错行错位，对账差几分钱找一下午；\u003c/li\u003e\n\u003cli\u003e每个月做费用报表，都要重新调整数据范围，改完公式改格式，重复劳动占了大半时间。\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003e其实很多人不知道，Excel 自带的\u003cstrong\u003e超级表（List Object）\u003c/strong\u003e，就是专门解决这些问题的工具。它不是普通的“加边框、标颜色”的表格美化，而是真正的结构化数据容器——Excel 能识别它是一张完整的业务表，自动扩展范围、自动联动公式、自动统一格式，也是会计学习函数式编程的核心基础底座。\u003c/p\u003e","title":"🗂️ Excel超级表完全指南：会计人从手工算账到自动报表的第一步"},{"content":"Excel 函数式编程，是建立在动态数组引擎与LAMBDA 高阶函数体系之上的一种声明式编程范式。它以「数组/数据表」为基本处理单位，通过纯公式表达式描述计算规则，由 Excel 内部自动完成批量迭代、结构变换与结果溢出，无需手动下拉填充、无需编写 VBA 宏代码，即可实现复杂的批量数据处理与业务逻辑封装。\n简单说：用写公式的方式，达到编程的效果——批量处理、逻辑复用、结构化工程化。\n一、核心特征：和传统公式的本质区别 绝大多数 Excel 使用者的习惯都停留在「传统单元格公式」阶段，函数式编程是思维模式的根本升级。\n维度 传统 Excel 公式 Excel 函数式编程 处理单位 单元格级，逐行逐格写公式 数组级，一整批数据作为整体输入 编程范式 命令式：告诉 Excel「第一步算什么、第二步算什么、下拉到第几行」，控制计算过程 声明式：告诉 Excel「筛选规则是什么、汇总逻辑是什么」，只描述目标，过程由 Excel 自动完成 执行方式 手动下拉填充，数据新增后要重新拉伸公式 自动溢出（Spill）填充，数据更新后结果自动同步扩展 复用方式 复制粘贴公式，改逻辑要逐个修改所有单元格 LAMBDA 封装自定义函数，一次定义、全工作簿调用，改一处全局生效 代码组织 嵌套堆砌，可读性差，调试靠逐步删括号 LET 变量化分步，结构清晰，可分步调试 最直观的例子（会计场景） 传统做法（命令式）：计算每日银行存款余额\n在第2行写公式：=上一行余额 + 本行借方 - 本行贷方 手动下拉到第1000行 新增一行流水，要再往下拉一格 函数式做法（声明式）：\n=SCAN(初始余额, 借方列-贷方列, LAMBDA(累计, 发生额, 累计+发生额)) 一个公式直接返回所有行的余额 只描述「累计规则」，不控制每一行怎么算 数据新增自动扩展，不用手动操作 二、四大核心技术支柱 函数式编程不是某一个单独的函数，而是一整套工具体系的组合应用：\n1. 动态数组与溢出机制（基础底座） 核心原理：单公式返回多行多列结果，自动溢出填充；通过 # 运算符引用整个溢出区域 代表函数：FILTER、UNIQUE、SORT、XLOOKUP、SEQUENCE 价值：告别下拉填充，实现「一次编写，批量生效」 2. LET 结构化公式工程化（可读性与性能） 核心原理：在公式内部定义变量，给中间计算结果命名，分步表达逻辑 价值： 把嵌套3-5层的复杂公式，拆成有业务含义的分步逻辑 重复计算只执行一次，大幅提升性能 支持分步调试，复杂公式不再黑盒 3. 高阶迭代函数（批量处理能力） 核心原理：对整个数组执行逐元素、逐行、逐列、累计迭代，替代循环 代表函数：MAP（逐元素映射）、BYROW/BYCOL（按行列迭代）、SCAN（累计迭代）、REDUCE（聚合迭代） 价值：不用 VBA 就能实现循环逻辑，批量处理整批数据 4. LAMBDA 自定义函数（封装与复用） 核心原理：将业务逻辑封装成可命名、可传参的专属函数 进阶能力：支持递归，实现多级科目汇总、循环匹配等复杂逻辑 价值：把个税计算、账龄判断、税负测算等高频业务逻辑做成「企业专属函数」，一次定义全员复用 三、与其他 Excel 工具的边界与分工 函数式编程不是万能的，它和传统工具是互补关系，明确分工才能用在刀刃上：\n工具 核心定位 最适合场景 门槛 安全性 传统下拉公式 简单单行计算 简单汇总、少量数据、临时计算 低 高 函数式编程 批量数组处理 + 业务逻辑封装 实时报表、批量计算、自定义业务函数、动态模型 中 极高（纯公式，无宏风险） Power Query 数据清洗与多源整合 多表合并、数据清洗、批量导入、结构化数据处理 中 高 数据透视表 快速多维汇总 探索性分析、快速汇总 低 高 VBA / 宏 自动化操作与强交互 批量打印、文件操作、复杂窗体系统 高 低（宏安全风险） 四、会计/财税场景的典型价值 对于会计的工作场景来说，函数式编程的核心价值集中在三点：\n报表实时自动化 凭证明细录入后，科目余额表、费用明细表、账龄分析表自动刷新，无需手动重算、重新拉公式。 批量处理效率指数级提升 以前需要下拉几千行、做几十列辅助列的对账、折旧计算、税负测算，现在一个公式批量完成。 业务逻辑标准化封装 把个税累计预扣、账龄区间判断、进项税转出计算等易错逻辑，封装成统一的自定义函数，避免人工计算错误，新人也能直接调用。 合规安全 纯公式实现，不用启用宏，不用担心宏病毒拦截、文件安全警告，对外报送的文件也更规范。 五、常见误区澄清 不是“新的函数”，是新的编程思维FILTER、LAMBDA 不只是一个个单独的工具，当它们组合起来形成「数组输入→变换迭代→封装输出」的完整链路时，才是函数式编程。 不是只有 Office 365 才有 Excel 2021、2024 单机版、WPS最新版都完整支持动态数组与 LAMBDA 体系。 不是程序员专属 它不需要学习编程语言语法，核心是业务逻辑的梳理与表达。财务、人事、运营等业务人员，只要熟练掌握基础函数，都能平滑进阶。 不是替代所有工具 它和 Power Query、数据透视表是互补关系：数据清洗用 PQ，快速汇总用透视表，实时动态计算与业务逻辑封裝用函数式编程。 ","permalink":"https://cfo580.cn/article/shen-me-shi-excel-han-shu-shi-bian-cheng/","summary":"Excel 函数式编程，是建立在动态数组引擎与 LAMBDA 高阶函数体系之上的一种声明式编程范式。它以数组/数据表为基本处理单位，通过纯公式表达式描述计算规则，由 Excel 内部自动完成批量迭代、结构变换与结果溢出，无需手动下拉填充、无需编写 VBA 宏代码，即可实现复杂的批量数据处理与业务逻辑封装。简单说：用写公式的方式，达到编程的效果——批量处理、逻辑复用、结构化工程化。","title":"📊 什么是 Excel 函数式编程"},{"content":"在 Excel 中，.（点号）是一类轻量化的语法糖，在不同场景下承担不同的简化作用，核心是替代复杂的函数组合、让公式更直观易维护。\n一、动态区域裁剪点运算符（Dot Operator） 版本支持：Excel 365 / 2021 / 2024 及以上、WPS 最新版（动态数组体系专属语法）。\n本质：用一个点号自动识别数据的有效边界，裁剪掉引用区域内的空白单元格，替代原本需要 OFFSET+COUNTA 组合才能实现的动态区域效果。\n三种典型用法 1. 末尾前置点：裁剪尾部空白\n格式：起始单元格:.结束单元格\n=SUM(B2:.B1000) 效果：引用 B2 到 B1000 范围内、最后一个非空单元格为止的区域，自动忽略末尾所有空行。 场景：预留了大量空白行待后续录入销售数据，但公式只计算已有数据，避免空值干扰、提升计算效率。\n2. 起始终了点：裁剪开头空白\n格式：起始单元格.:结束单元格\n=VLOOKUP(\u0026#34;客户A\u0026#34;,A2.:C100,3,0) 效果：从 A2 往下第一个非空单元格开始，到 C100 结束，自动去掉区域顶部的空白行。\n3. 双点裁剪：去除首尾空白\n格式：起始单元格.:.结束单元格\n=UNIQUE(A2.:.A500) 效果：同时裁剪区域开头和末尾的空白，只保留中间连续的有效数据，直接提取非空的客户名称列表。\n核心价值 原本需要编写复杂嵌套公式才能实现的动态区域，现在只需一个点号完成，公式随数据增减自动适配，无需手动调整引用范围。\n二、数据类型成员访问点运算符 版本支持：Excel 365 / 2021 / 2024 及以上、WPS 最新版本。\n本质：针对 Excel 的「链接数据类型」（股票、汇率、地理、公司信息等富数据对象），用 . 直接访问对象的属性字段，是 FIELDVALUE 函数的语法糖。\n用法示例 A2 单元格是「股票」数据类型（如\u0026quot;贵州茅台\u0026quot;）： =A2.Price → 获取当前股价，等价于 =FIELDVALUE(A2,\u0026quot;Price\u0026quot;) =A2.Change → 获取当日涨跌幅 =A2.[52 Week High] → 字段名包含空格时，用方括号包裹 与表格结构化引用结合：=[@公司名称].市值 → 直接获取当前行公司数据的市值字段，输入时会自动弹出字段补全列表。 核心价值 把函数调用简化为类似编程的「对象.属性」写法，直观易读，大幅降低富数据类型的使用门槛。\n三、补充：非语法糖的点号场景 以下场景中的点号仅作为普通字符，不属于语法糖：\n结构化引用名称：表名、列名中可包含 .，仅作为名称的一部分，如 =销售表.2024[销售额]。 文本拼接：=A1 \u0026amp; \u0026quot;.\u0026quot; \u0026amp; B1，仅作为文本符号用于字符串拼接。 VBA 语法：VBA 中用于对象属性/方法访问（如 Worksheets(\u0026quot;Sheet1\u0026quot;).Range(\u0026quot;A1\u0026quot;)），属于宏语言语法，而非工作表公式语法糖。 ","permalink":"https://cfo580.cn/article/excel-dian-hao-yu-fa-tang/","summary":"Excel 365 / WPS 里的点号（.）是一类轻量语法糖：动态区域裁剪运算符自动识别数据边界，数据类型成员访问运算符用「对象.属性」取富数据字段。一文讲清三种点运算符用法与边界。","title":"📊 Excel 中点号（.）的三种语法糖用法"},{"content":"\r01财务模板是什么\r预先搭好框架、公式和口径的空白表格。会计只需填原始数据，结果自动算出来。\r按用途分三大类，覆盖会计工作的日常高频场景：\n类型典型例子特点\r单据 / 凭证类费用报销单、付款申请单、记账凭证、开票申请格式合规，走审批流，留痕\r账表 / 报表类工资表、成本核算表、固定资产折旧表、资产负债表、现金流量表公式密集，勾稽关系强，月度重复使用\r台账 / 管理类合同台账、往来对账表、预算表、进销存台账字段自定义，服务管理决策\r02会计工作中它有什么用\r提效不用每次重新搭表，填数即出结果。月度、年度重复报表尤其受益，工作量从\"搭表\"降到\"填数\"。\r口径统一全公司、全门店用同一套科目和算法。避免\"每个店一种做法\"——连锁和多主体企业最怕这个。\r合规凭证、报表格式符合《会计法》和税务要求，科目不串位、要素不缺项，经得起检查。\r勾稽自检公式内建，借贷不平、合计对不上自动报错，把低级错误挡在提交之前。\r交接与培训新人照着模板填数就能上手，不依赖老会计口传身授，交接成本大幅下降。\r审计留痕每张表有版本号、有口径说明，数据可追溯，查账、审计时说得清来龙去脉。\r03一张合格模板的六区结构\r从上到下六个区，每个区有明确职责和视觉约定。颜色语义是模板的\"潜规则\"：黄区只许填数、白区只许算数、金区只许看数。\n模板结构示例（示意，非真实表格）\r标题区\r参数区\r录入区（可编辑）\r计算区（公式）\r汇总区（合计）\r说明区\r① 标题区　模板名称 · 会计期间 · 单位 · 版本号（如 V2.1）\r② 参数区（可修改）　税率 · 汇率 · 分摊比例 · 折旧年限\r科目 / 项目金额占比\r办公费（填）12,345.6012.5%\r差旅费（填）23,456.7823.8%\r业务招待（填）34,567.9035.1%\r合计（公式）70,370.28100%\r③ 录入区（浅黄底，只填原始数据）　④ 计算区（白色，公式自动算，禁止手填）　⑤ 汇总区（浅金底，合计与勾稽）\r⑥ 说明区　口径说明（含税/不含税）· 公式假设 · 操作指引 · 审批要求\r区 1标题区模板身份标识。名称、期间、单位、版本号齐全，同一模板多版本不混淆。\r区 2参数区集中管理税率、汇率等可变参数。改一处，全表联动，不藏在公式深处。\r区 3录入区全表唯一可编辑区，浅黄底提示。只接受原始数据，不许放公式。\r区 4计算区公式自动计算，白色底。填数者不碰公式，防止误改破坏勾稽。\r区 5汇总区合计、小计、勾稽结果。浅金底加粗，一眼定位重点行。\r区 6说明区口径、假设、操作指引。换人也能看懂\"这表怎么用、数是怎么来的\"。\r04三大设计规范\r格式规范（好看）\r数字右对齐 + 千分位，文本左对齐\r表头深色白字，配色不超过 3 色\r关闭网格线，只留分隔线\r冻结首行，行高留白充足\r金额单位写进标题区，不进单元格\r长表设置打印区域，一页装不下按页断\r内容规范（好用）\r科目名称 / 编号全公司统一\r公式只写一处，汇总引用，不复制公式\r内建勾稽：借贷平衡、合计 = 明细之和\r表间勾稽：报表与总账、总账与明细一致\r日期、期间用单元格格式统一，不手打文本\r同一指标全表同名同口径\r防呆规范（不怕错）\r录入区标浅黄底，只有它可编辑\r公式区整表锁定 + 保护工作表\r下拉数据验证：科目、币种、部门\r条件格式预警：不平标红、超限标黄\r公式用名称管理，关键计算可读可查\r每次改版更新版本号并留档\r05交付前自查\r六区齐全：标题、参数、录入、计算、汇总、说明缺说明区 = 换人就看不懂\r录入区标了浅黄底，且是全表唯一可编辑区其余区域已锁定保护\r公式已锁死，不复制粘贴，汇总引用统一合计 = 明细之和，借贷已平\r勾稽关系内建：不平自动报错、超限预警条件格式已配置\r口径写清：含税/不含税、单位、版本号说明区和标题区都有\r格式达标：去网格线、数字右对齐千分位、配色 ≤ 3 色可对照《Excel 表格高级设计感指南》\r适用版本：Microsoft 365 Excel / Excel 2021 / Excel 2024（2019 及更早版本部分函数与主题能力受限）。\n本页模板结构为示意，示例数据仅供演示设计规范，非真实业务数据。可与《Excel 表格高级设计感指南》配套使用：高级感管\"好看\"，六区结构管\"好用\"。\r","permalink":"https://cfo580.cn/article/cai-wu-mo-ban-she-ji-gui-fan/","summary":"财务模板不是好看的格子，而是公式、口径、勾稽关系被提前固化的标准工具。本文讲清模板是什么、有什么用，拆解一张合格模板的六区结构（标题/参数/录入/计算/汇总/说明），并给出格式、内容、防呆三大设计规范与交付前自查清单。","title":"📐 财务模板设计规范"},{"content":"\rEXCEL · 表格设计规范\rExcel 表格高级设计感指南\r让报表像咨询公司的交付物，而不是默认 Excel。核心不是花哨，而是克制、统一、有层次——下面按优先级从高到低，给出可直接对照调整的规则。\n克制 · 少即是多\r统一 · 同一套规则\r层次 · 重点一眼可见\r00核心理念\r高级感不等于花哨，而是三个词：克制（少用颜色和边框）、统一（对齐与层级一致）、层次（让重点一眼可见）。\r判断标准一句话：像咨询公司交付的报表，不像默认 Excel 生成的表格。 默认模板的灰网格、全框线、居中堆叠，是\"廉价感\"的三个最大来源。下面先用同一份数据做前后对比，再看规则。\n01改造前后对比（示例数据）\r默认风格\r网格线 + 全框线 + 灰表头\r数据全部居中、无千分位、行高拥挤\n项目金额占比\r办公费12345.612.5%\r差旅费23456.7823.8%\r业务招待34567.935.1%\r合计70370.28100%\r密集网格线 · 表头灰底 · 数字未对齐 · 无千分位 · 行高拥挤 · 无层次\r高级风格\r深蓝表头 + 去网格线 + 右对齐 + 留白\r费用明细表 · 2026年9月 · 单位：元\n项目金额占比\r办公费12,345.6012.5%\r差旅费23,456.7823.8%\r业务招待34,567.9035.1%\r合计70,370.28100%\r无网格线 · 深蓝表头白字 · 数字右对齐千分位 · 斑马纹 · 行高留白 · 合计行浅蓝底强调\r02一、先做减法：删掉所有默认装饰\r这是最关键的一步。Excel 默认的网格线、表头加粗、居中、边框，恰恰是\"廉价感\"的主要来源。\n去掉网格线：视图 → 取消勾选\"网格线\"。需要分隔时，用极细的浅灰线手动画。\r去掉默认边框：不要给每个单元格加框，只在需要强调的区域用下边框或细线。\r去掉默认居中：文字左对齐，数字右对齐，标题左对齐。居中是\"表格感\"的来源，左对齐更像\"设计稿\"。\r去掉默认加粗：表头用颜色深浅或字号区分，而不是一律加粗。\r03二、建立清晰的视觉层次\r高级感来自\"一眼能看出主次\"。通常分三层，加上一个辅助层：\n层级内容处理方式\r第一层标题 / 关键指标大字号、深色、可加粗\r第二层表头 / 分类标签中字号、中灰色、可加浅底\r第三层数据本体小字号、深灰、常规字重\r辅助层注释 / 单位 / 来源更小字号、浅灰色\r关键：同一层级内，字号、颜色、字重必须完全一致。不要出现\"这个表头加粗了，那个没加粗\"。\n04三、配色规则：少即是多\r主色不超过 2 个：一个深色（如深蓝、深灰）用于文字和标题，一个强调色（如低饱和的蓝、绿、橙）用于关键数据或图表。\r避免纯黑纯白：文字用 #333333 或 #404040，背景用 #FFFFFF 或极浅灰 #F7F7F7。\r避免高饱和色：大红、亮绿、荧光黄会立刻拉低质感。用低饱和、带灰度的颜色。\r用颜色表达含义：比如绿色=增长，红色=下降，灰色=无数据。不要为了好看而随便上色。\r一个安全的配色模板\r角色色值用途\r标题文字#1F3864深蓝，用于标题与强调线\r表头背景#F2F2F2浅灰，用于表头底\r正文文字#404040深灰，用于数据本体\r强调色#2E75B6中蓝，用于关键数据、合计行\r辅助文字#A6A6A6浅灰，用于注释、单位、来源\r使用比例建议：主色面积 ≤ 5%（只出现在表头与标题），强调色 ≤ 2%（合计行、关键标注），其余 90% 以上留给白色、浅灰与留白。颜色越少，重点越突出。\n05四、留白与对齐\r行高不要挤：默认行高通常偏矮，调到 20–24 磅，数据多时更透气。\r列宽要够：不要让文字贴边，左右各留一点空间。\r统一对齐：\r文字列：左对齐\r数字列：右对齐（小数点对齐更佳）\r日期列：统一格式，右对齐或左对齐均可，但整列一致\r表头：与数据列对齐方式一致\r留白不是浪费：表格四周留出空白，不要贴到单元格边缘。\r06五、线条与分隔\r能不用线就不用线：用留白和底色区分区域。\r必须用时，用细线：0.5 磅或 0.75 磅，颜色用 #D9D9D9 或 #BFBFBF。\r只用横线，少用竖线：横线分隔行，竖线尽量省略。\r表头下方一条线：这是最经典的做法，表头下加一条细线，数据区不加线。\r合计行上方一条线：与数据区分开。\r07六、数字与格式的统一\r规则做法\r小数位数一致整列统一保留 0 位、1 位或 2 位，不要有的 1 位有的 2 位。\r千分位分隔符大数字加千分位，如 1,234,567。\r单位统一要么在表头写\"金额（万元）\"，要么在每个数字后加\"万\"，不要混用。\r百分比统一要么全用 %，要么全用小数，不要混。\r负数处理用括号或红色，整表统一一种方式。\r零值处理用 - 或留空，整表统一。\r操作路径：右键单元格 → 设置单元格格式 → 数字 → 自定义，例如金额 #,##0.00，百分比统一 1 位。\n08七、表头设计\r表头文字要短：能两个字不要四个字。\r避免合并单元格：合并单元格会破坏排序、筛选和公式，视觉上也显得笨重。需要分组时，用上方一行小字标注，或直接用列宽和留白区分。\r表头背景：浅灰或主色的极浅版本，不要用深色块压顶。\r表头不要斜线：斜线表头是\"土味\"重灾区。\r09八、图表与条件格式\r图表去边框、去网格线、去图例：如果只有一组数据，图例可以省掉。\r图表标题左对齐：字号比正文大一点即可。\r条件格式用色阶或数据条时：选低饱和配色，不要用默认的红绿蓝。\r图标集慎用：箭头、旗子容易显得杂乱，除非确实需要表达趋势。\r10九、整体一致性\r这是\"高级感\"的终极来源：\n同一份文件里，所有表格用同一套字号、颜色、行高、对齐方式。\r不同 sheet 之间，标题位置、表头样式、合计行样式保持一致。\r如果做仪表盘，所有卡片的圆角、阴影、间距统一。\r11十、一个快速自查清单\r做完后，问自己下面 10 条。如果都过了，表格基本就脱离\"默认 Excel 感\"，进入\"设计感\"区间了。\n网格线删了吗？只保留表头下分隔线或行间极浅线\r颜色超过 3 种了吗？主色 + 强调色 + 中性色，其余交给留白\r字号超过 3 种了吗？标题 / 表头 / 正文 / 辅助，各一层级一种\r对齐方式统一了吗？文字左、数字右、表头随列\r小数位数一致吗？整列统一 0 / 1 / 2 位\r有合并单元格吗？合并会破坏排序筛选，能用小字标注就别合并\r有斜线表头吗？斜线是\"土味\"重灾区，去掉\r表头加粗和底色是不是每列都一样？同一层级必须完全一致\r留白够不够？行高 20–24 磅，四周留出空白\r整体看，第一眼看到的是不是最重要的信息？重点（合计、关键指标）应一眼跳出\r12推荐色板（可直接抄用）\r标题 · 深蓝#1F3864标题、强调线、表头底\r强调 · 中蓝#2E75B6关键数据、合计行、图表\r正文 · 深灰#404040数据本体、加粗重点\r辅助 · 浅灰#A6A6A6注释、单位、来源\r表头底 · 浅灰#F2F2F2表头背景\r斑马纹 · 极浅灰#F7F7F7隔行底色，只加一档\r适用版本：Microsoft 365 Excel / Excel 2021 / Excel 2024（2019 及更早版本部分主题能力受限）。\n本页对比表为示例数据，仅用于演示设计规则，非真实业务报表。规则可直接套用于财务、管理、经营分析等各类表格。\r","permalink":"https://cfo580.cn/article/excel-sheji-gan-zhinan/","summary":"让 Excel 报表像咨询公司交付物而非默认表格：核心在克制、统一、有层次。本文从删减法、视觉层次、配色、留白对齐、线条、数字格式、表头、图表到整体一致性，给出可直接对照的 11 节规则与 10 条自查清单。","title":"📊 Excel 表格高级设计感指南"},{"content":"业界普遍认可它现在图灵完备了。\n图灵完备是什么 图灵完备 = 这门语言能表达“一切可计算的函数”。\n一个直观的说法：只要一种语言具备条件判断 + 循环 / 递归（或者能模拟出这两样），理论上它能算出任何计算机能算的问题，就是图灵完备。\n图灵完备：Python、Java、C、SQL（现代版）、Excel 新版 LAMBDA…… 不图灵完备：正则表达式、HTML、CSS、SQL 的早期子集…… 凭什么算图灵完备 图灵完备只需要三样东西：条件分支 + 递归 + 基本运算。Excel 公式现在全都有：\n需要的能力 Excel 里的对应物 条件分支 IF / IFS / SWITCH 递归 LAMBDA 支持自身调用（通过名称管理器） 基本运算 算术、比较、逻辑、文本、数组函数 而 LAMBDA 本质上就是 λ 演算（Lambda Calculus）——这个名字不是随便起的，λ 演算本身就是一个被证明图灵完备的计算模型。你有了 LAMBDA 加 IF 加递归，就等价于有了 λ 演算，理论上一切可计算的函数都能用公式写出来。\n举个“证明思路”给你（不用看懂，感受一下） 数学家用“丘奇编码”证明了这件事：只用函数，就能表示数字、布尔值、条件判断——\nTRUE = LAMBDA(x, LAMBDA(y, x)) FALSE = LAMBDA(x, LAMBDA(y, y)) 意思就是“真假都能用函数造出来”。只要数字、真假、分支都能用公式表达，再配上递归，图灵机能算的，公式都能算。社区里甚至有人用纯 Excel 公式跑过康威生命游戏、实现了斐波那契递归，就是这个道理的现实演示。\n但要泼一盆冷水：理论上完备 ≠ 实际无限制 图灵完备是理论天花板，Excel 落地时有三道现实墙：\n单元格上限：最多 1,048,576 行 × 16,384 列，数据总量有天花板 递归深度/迭代限制：Excel 的迭代计算默认关闭，开启后也有最大次数限制，递归太深会算不动 性能：一个复杂的 LAMBDA 递归，可能比 Python 慢几个数量级 但这些限制不影响“图灵完备”的结论——因为所有真实编程语言都有资源限制（Python 也有内存上限、递归深度限制），图灵完备讨论的是“能不能算”，不是“算得多快、多大”。\n结论 Excel 公式现在理论上“什么都能算”，只是现实里受性能和规模限制。\n对会计人的实际意义是：别再把“这功能 Excel 做不到”当借口——做不到，只是公式写复杂了、算慢了，不是能力边界。遇到复杂计算，先想“能不能用 LAMBDA 拆成可复用函数”，实在性能扛不住，才轮到 Power Query / Python 上场。\n","permalink":"https://cfo580.cn/article/excel-han-shu-shi-bian-cheng-yuyan/","summary":"\u003cp\u003e业界普遍认可它现在图灵完备了。\u003c/p\u003e\n\u003ch2 id=\"图灵完备是什么\"\u003e图灵完备是什么\u003c/h2\u003e\n\u003cp\u003e图灵完备 = \u003cstrong\u003e这门语言能表达“一切可计算的函数”\u003c/strong\u003e。\u003c/p\u003e\n\u003cp\u003e一个直观的说法：只要一种语言具备\u003cstrong\u003e条件判断 + 循环 / 递归\u003c/strong\u003e（或者能模拟出这两样），理论上它能算出任何计算机能算的问题，就是图灵完备。\u003c/p\u003e","title":"📊 Excel 现在已经可以称为一门函数式编程语言"},{"content":"2026 年 9 月 23 日，一场名为\u0026quot;2026 年 AI 时代财务价值创造能力破局重生暨智能体技术财务应用蓝皮书发布会\u0026quot;的活动在成都落幕。会上正式发布的《智能体技术财务应用蓝皮书》，用 7 家大型企业的实践样本、36 类场景化应用和一套四层架构，系统回答了三个问题：智能体到底是什么、能替财务干多少、人又该干什么。一份蓝皮书的价值，往往不在于宣布一个新概念，而在于把\u0026quot;概念\u0026quot;翻译成\u0026quot;可落地的路线图\u0026quot;——这份报告正是后者。\n一、为什么是现在：智能体站上政策风口 蓝皮书发布的节点颇为特殊：\u0026ldquo;智能体\u0026quot;在 2026 年首次被写入全国两会《政府工作报告》，意味着它从技术圈的讨论对象，上升为国家战略布局的核心要素之一。\n报告由智能财务研究院（上海国家会计学院）牵头，联合金蝶、元年科技、艺赛旗、用友、浪潮数字企业、汉得信息、久其软件等机构，历时半年编撰完成，是连续第五部年度蓝皮书（全文 90 页、含 45 张图表）。\n二、智能体到底是什么：能自主干活的\u0026quot;数字员工\u0026rdquo; 蓝皮书给出的定义很明确：智能体（Agent）是以大语言模型为核心智能底座，整合感知、记忆、推理、决策与行动能力的闭环人工智能系统，具备\u0026quot;感知—规划—行动—反馈—修正\u0026quot;的完整自主决策循环，可视为能独立完成复杂任务的\u0026quot;数字员工\u0026quot;。\n它与企业早已熟悉的 RPA（机器人流程自动化）有本质区别。传统 RPA 是\u0026quot;叫一步、做一步\u0026quot;的脚本式执行；智能体则是\u0026quot;给一个目标，自己拆解任务，跨多个系统完成整套工作\u0026quot;。蓝皮书从三个维度概括了这场能力跃迁：\n感知边界：从\u0026quot;认元素\u0026quot;进化到\u0026quot;看得懂\u0026quot;，能处理单据影像、自然语言指令等非结构化输入； 决策边界：从\u0026quot;人写规则\u0026quot;进化到\u0026quot;模型判断\u0026quot;； 适应边界：从\u0026quot;环境不变才可用\u0026quot;进化到\u0026quot;环境变了能消化\u0026quot;，面对界面改版、流程微调能自我理解、修复。 一个关键判断是：智能体在执行期依然按固定路径运行，不牺牲确定性——这正是企业敢把它投进生产环境的架构前提。对已部署 RPA 的企业，执行层资产可 100% 保留，连接层沿用、智能层做增量，实现平滑升级，而非推倒重来。\n三、落地框架：四层递进架构 蓝皮书提出\u0026quot;技术底座支撑—数据治理筑基—记录控制融合—场景应用落地\u0026quot;的四层递进架构，并形成从底层技术到业务场景的完整闭环：\n技术底座：智能体开发平台，融合低代码/无代码、大模型微调、RPA、知识库管理与 RAG 集成，开发周期可缩短 60% 以上； 数据底座：实现财务数据标准化、语义化、资产化管理，构建统一语义规范与本体模型； 记录 \u0026amp; 控制系统：涵盖共享财务、司库财务、战略财务、业务财务四大业务域，为智能体提供任务编排与能力调用入口； 场景应用：面向具体业务场景接收自然语言指令，实现自动化处理、智能分析与辅助决策。 蓝皮书特别强调：这一切以\u0026quot;可验证、可追溯、可审计、可管控\u0026quot;的记录与控制系统为前提——智能体的自主权越大，留痕与管控越要跟上。\n四、36 类场景与量化成效：钱花在哪、效能提多少 蓝皮书系统梳理了覆盖企业财务全流程的 36 类典型应用场景，按四大财务域划分：\n财务域 典型智能体 关键成效（部分） 共享财务（11 类） 客服、审核、费报、合同、记账、结账、归档、税务、质检等 单据审核效率提升 80%+，人工审核量减少 70%+，记账编制效率提升 90%+，税务申报错误率降至 0 司库财务（5 类） 现金管理、流动性管理、投融资管理、司库风控、司库决策 资金结算效率提升 80%+，资金预测准确率达 90%+，融资成本平均降低 10%+ 战略财务（12 类） 合并、预算、财报、管报、绩效、预测、决策、风控、监管、ESG 等 合并报表从 10–15 天缩至 3–5 天，预算编制周期缩短 50%+，经营预测准确率达 90%+ 业务财务（8 类） 报价、毛利分析、成本测算、量本利、两金分析等 毛利分析效率提升 90%+，根因定位准确率达 95%+，成本测算效率提升 85%+ 值得留意的是\u0026quot;双模审核\u0026quot;机制：约 60% 的审核点依托固定公式规则做刚性校验（如发票连号、金额超标、预算不足），约 20% 通过 AI 推理完成复杂场景判别（如业务事由合理性、行程单与报销金额一致性），两者交叉验证、互补增强。\n五、落地路径：四阶段，不追求一步到位 蓝皮书建议企业分四阶段循序渐进：\n基础构建期：先打数据底座，选适配的智能体开发平台，不急着全面铺开； 试点验证期：挑 1–2 个高价值、标准化程度高的场景（如费用报销审核、发票处理）切入； 全面推广期：把成熟能力复制到报表、税务、资金预测等更多场景； 持续优化期：向预测性、决策性任务演进，引入强化学习与多模态能力。 成功案例的共同特征被概括为：\u0026ldquo;先找准企业最痛的小切口，跑通价值，再循序渐进扩大范围。\u0026rdquo;\n六、落地的四重现实约束 蓝皮书没有回避难题。上海国家会计学院刘勤教授指出，当前智能财务呈现\u0026quot;高普及、低深耕\u0026quot;特征，行业正从\u0026quot;有没有\u0026quot;转向\u0026quot;好不好\u0026quot;，并直面四重瓶颈：技术适配、数据治理、跨部门协同、人才断层。\n其中最突出的障碍是数据底座门槛：不少企业 ERP、资金、OA、SRM 相互割裂，数据标准混乱，智能体拿到\u0026quot;脏数据\u0026quot;，输出自然大打折扣。此外，智能体输出的审核意见与分析报告仍需保留人工审核环节，以规避大模型幻觉带来的业务风险。\n七、人机协同：参谋部与司令部 蓝皮书对人机关系的表述值得财务人反复读：\u0026ldquo;智能体只是参谋部，最终决策的司令部还得靠人\u0026rdquo;（四川省旅投集团陈钢在发布会圆桌环节的观点）。\n调研显示，传统模式下财务人员约 70% 的时间消耗在发票录入、单据审核、对账等重复事务，仅 30% 投入经营分析与风险管控。智能体的使命，正是逆转这一比例——机器处理标准化工作，人负责复杂判断、业务沟通、战略决策。财务人员的角色，将从\u0026quot;账房先生\u0026quot;转向智能体的\u0026quot;管理者\u0026quot;：定义规则、校验结果、结合业务做判断。\n蓝皮书预判：到 2027 年底，财务将成为企业内部率先建立 AI 内控制度的部门。\n八、趋势：五个方向 深度融合大模型：持续提升推理、长线程规划与语义理解； 轻量化与普惠化：支持中小企业按需订阅，降低门槛； 多智能体协作：单个智能体组成协同网络，形成虚拟\u0026quot;专家团队\u0026quot;； 安全与合规强化：完善权限管控、数据加密、行为追溯、异常监测； 具身智能驱动：推动财务智能化从\u0026quot;流程自动化\u0026quot;向\u0026quot;虚实融合作业\u0026quot;延伸。 九、给财务人的观察 技术迭代从不等谁准备好。蓝皮书传递的一个判断颇具分量：\u0026ldquo;人工智能不会取代会计，但会重新定义会计——谁先看清方向、练好内功，谁就能赢得主动。\u0026rdquo;\n对财务从业者而言，与其焦虑\u0026quot;会不会被替代\u0026quot;，不如把精力投入到三件智能体暂时做不了的事上：定义业务规则、校验 AI 输出、结合场景做判断。财务数智化不是选择题，而是必答题；真正的分水岭，在于是把智能体当成\u0026quot;替代者\u0026quot;还是\u0026quot;协作者\u0026quot;。\n本文基于 2026 年 9 月 23 日成都发布的《智能体技术财务应用蓝皮书》及多家机构解读整理，供行业观察参考。\nFAQ\nQ1：智能体是不是就是 RPA 的升级版？ 不完全是。RPA 是\u0026quot;叫一步做一步\u0026quot;的脚本自动化，智能体是\u0026quot;给目标、自己拆解任务\u0026quot;的主动执行者。但两者并非替代关系——蓝皮书建议存量 RPA 资产 100% 保留，通过自然语言生成增量需求，实现平滑升级。\nQ2：中小企业用得起智能体吗？ 蓝皮书指出智能体正朝轻量化、低成本方向演进，未来可按需订阅成熟智能体。对中小企业，建议优先从标准化程度高、数据基础较好的智能报销、智能审核、AI 财务客服切入，而非照搬大厂全链路方案。\nQ3：财务人会被取代吗？ 蓝皮书的立场清晰：智能体是\u0026quot;参谋部\u0026quot;，最终决策靠人。财务人角色从操作者转向管理者——定义规则、校验结果、结合业务判断。到 2027 年底，财务有望率先建立 AI 内控制度，这恰恰意味着财务职能的重要性在上升而非下降。\nQ4：数据安全怎么保障？ 财务数据属企业最高等级机密。蓝皮书强调以\u0026quot;可验证、可追溯、可审计、可管控\u0026quot;的记录与控制系统为前提，要求权限管控、数据加密、行为追溯、异常监测四位一体，且智能体操作全程留痕——这是落地前提，而非后期补充。\n","permalink":"https://cfo580.cn/article/cong-rpa-dao-zhinengti-caiwu-lantu/","summary":"2026 年 9 月 23 日成都发布的《智能体技术财务应用蓝皮书》，用 7 家企业样本、36 类场景与四层架构，系统回答了智能体是什么、能替财务干多少、人该干什么。本文整理核心要点，供行业观察参考。","title":"🤖 从 RPA 到智能体：蓝皮书勾勒财务\"数字员工\"落地路线图"},{"content":" 来源：微软官方支持文档（https://support.microsoft.com/zh-cn/excel/functions/lambda-function） 适用版本：Microsoft 365 专属 Excel、Microsoft 365 Mac 版专属 Excel、Excel 2024、Excel 2024 for Mac、WPS 最新版\n简介 使用 LAMBDA 函数可以创建可重用的自定义函数，并使用易记名称调用它们。新函数在整个工作簿中可用，其调用类似本机 Excel 函数。\n可以为常用公式创建函数，无需复制并粘贴此公式（可能容易出错），并有效地将自己的函数添加到本机 Excel 函数库中。此外，LAMBDA 函数无需 VBA、宏或 JavaScript，因此非程序员也可以从使用中获益。\n语法演示 =LAMBDA(x, y, x+y) ← 定义（参数、函数、计算三部分） =myLambda(1, 3) ← 调用 → 输出结果：4 语法 =LAMBDA([parameter1, parameter2, …,] calculation) 参数 说明 参数 要传递给函数的值，例如单元格引用、字符串或数字。最多可以输入 253 个参数。此参数可选。 计算 要作为函数结果执行并返回的公式。其必须为最后一个参数，且必须返回结果。此参数是必需项。 备注 Lambda 名称和参数遵循 Excel 名称语法规则，但有一个例外：不要在参数名称中使用句点（.）。 请确保创建 LAMBDA 函数时遵循最佳做法，就像使用任何本机 Excel 公式一样，例如传递正确的参数数目和类型、匹配左括号和右括号，以及将数字输入为未格式化数字。 此外，使用 \u0026ldquo;求值\u0026rdquo; 命令时，Excel 会立即返回 LAMBDA 函数的结果，而你无法单步执行。 错误 如果输入的参数超过 253 个，则 Excel 会返回 #VALUE! 错误。 如果传递给 LAMBDA 函数的参数数目错误，则 Excel 会返回 #VALUE! 错误。 如果从自身内部调用 LAMBDA 函数，且调用为循环调用，则 Excel 会返回 #NUM!（如果递归调用过多，则为错误）。 如果在单元格中创建 LAMBDA 函数但未同时从单元格内调用该函数，则 Excel 会返回 #CALC! 错误。 创建 LAMBDA 函数（分步流程） 步骤 1：测试公式 确保在 计算 参数中使用的公式正常工作。这一点至关重要，因为在创建 LAMBDA 函数时，你希望确保公式正常工作，且可以在遇到错误或意外行为时排除这种情况。\n步骤 2：在单元格中创建 Lambda 好的做法是在单元格中创建并测试 LAMBDA 函数，从而确保其正常工作，包括参数的定义和传递。要避免 #CALC! 错误，请添加对 LAMBDA 函数的调用以立即返回结果：\n=LAMBDA function ([parameter1, parameter2, ...], calculation) (function call) 以下示例返回值 2：\n=LAMBDA(number, number + 1)(1) 步骤 3：将 Lambda 添加到名称管理器 完成 LAMBDA 函数后，将其移动到名称管理器以获取最终定义。通过执行此操作，可以为 LAMBDA 函数指定有意义的名称、提供说明，并使其可从工作簿中的任何单元格重新使用。还可以像管理任何名称一样管理 LAMBDA 函数，例如字符串常量、单元格区域或表。\n操作过程：\n执行下列操作之一：\n在 Excel for Windows 中：选择 \u0026ldquo;公式\u0026rdquo; → \u0026ldquo;名称管理器\u0026rdquo; 在 Excel for Mac 中：选择 \u0026ldquo;公式\u0026rdquo; → \u0026ldquo;定义名称\u0026rdquo; 选择 \u0026ldquo;新建\u0026rdquo;，然后在 \u0026ldquo;新建名称\u0026rdquo; 对话框中输入信息：\n字段 说明 名称 输入 LAMBDA 函数的名称。 作用域 工作簿为默认值。单个工作表也可用（Excel 网页版除外）。 注释 可选，但强烈建议使用。最多输入 255 个字符。简要描述函数用途以及正确的参数数目和类型。当您键入公式并使用公式自动完成（也称为 Intellisense）时，显示在\u0026quot;插入函数\u0026quot;对话框中，并作为工具提示（与计算参数）一起显示。 引用 输入 LAMBDA 函数。 要创建 LAMBDA 函数，请选择 \u0026ldquo;确定\u0026rdquo;。 要关闭 \u0026ldquo;名称管理器\u0026rdquo; 对话框，请选择 \u0026ldquo;关闭\u0026rdquo;。 示例 示例 1：将华氏度转换为摄氏度 在名称管理器中定义以下内容：\n字段 内容 名称 ToCelsius 作用域 工作簿 注释 将华氏度转换为摄氏度 引用 =LAMBDA(temp, (5/9) * (Temp-32)) 输入数据（A2:A6）：\n华氏度（°F） 104 86 68 50 32 公式与结果：\n公式 结果（°C） =TOCELSIUS(A2) 40 =TOCELSIUS(A3) 30 =TOCELSIUS(A4) 20 =TOCELSIUS(A5) 10 =TOCELSIUS(A6) 0 示例 2：查找斜边 在名称管理器中定义以下内容：\n字段 内容 名称 斜边 作用域 工作簿 注释 返回直角三角形斜边的长度 引用 =LAMBDA(a, b, SQRT((a^2+b^2))) 输入数据（A2:B5，a、b 为两条直角边）：\na b 3 4 5 1.2 7 24 9 40 公式与结果：\n公式 结果 =HYPOTENUSE(A2,B2) 5 =HYPOTENUSE(A3,B3) 1.3 =HYPOTENUSE(A4,B4) 25 =HYPOTENUSE(A5,B5) 41 示例 3：字数统计 在名称管理器中定义以下内容：\n字段 内容 名称 CountWords 作用域 工作簿 注释 返回文本字符串中的字数统计 引用 =LAMBDA(text, LEN(TRIM(text)) - LEN(SUBSTITUTE(TRIM(text), \u0026quot; \u0026quot;, \u0026quot;\u0026quot;)) + 1) 输入数据（A2:A5）：\n文本 当邪恶来敲门。 我来过，我见过，我征服过。 一只棕色狐狸快速跳过了那只懒狗。 使用原力，卢克! 公式与结果：\n公式 结果（字数） =COUNTWORDS(A2) 5 =COUNTWORDS(A3) 6 =COUNTWORDS(A4) 9 =COUNTWORDS(A5) 4 示例 4：查找感恩节日期 在名称管理器中定义以下内容：\n字段 内容 名称 ThanksgivingDate 作用域 工作簿 注释 返回给定年份的美国感恩节日期 引用 =LAMBDA(year, TEXT(DATE(year, 11, CHOOSE(WEEKDAY(DATE(year, 11, 1)), 26, 25, 24, 23, 22, 28, 27)), \u0026quot;mm/dd/yyyy\u0026quot;)) 输入数据（A2:A6，年份）：\n年份 2020 2021 2022 2023 2024 公式与结果：\n公式 结果 =THANKSGIVINGDATE(A2) 11/26/2020 =THANKSGIVINGDATE(A3) 11/25/2021 =THANKSGIVINGDATE(A4) 11/24/2022 =THANKSGIVINGDATE(A5) 11/23/2023 =THANKSGIVINGDATE(A6) 11/28/2024 文档整理日期：2026-09-30\n","permalink":"https://cfo580.cn/article/excel-lambda-han-shu/","summary":"LAMBDA 让你无需 VBA、宏或 JavaScript，就能把常用公式封装成可复用、带名字的自定义函数，整个工作簿像调用本机函数一样去调用它。本文按微软官方文档梳理语法、错误码、创建分步流程与 4 个实战示例。","title":"📊 Excel LAMBDA 函数"},{"content":"CFO 的腿不是到处跑的腿，是把日程钉死在节奏上的腿。 前两篇我们把\u0026quot;耳朵\u0026quot;和\u0026quot;嘴\u0026quot;\u0026ldquo;手\u0026quot;都装上了——听懂追问、答得漂亮、建得起体系。但很多 CFO 三件套用不起来的根本原因，不是能力不够，而是没有时间触发器：FAQ 库建了没人更新，授信台账做了没人维护，复盘会开了下次又忘。**耳朵、嘴、手是能力，腿是纪律。**能力要靠纪律去触发——什么时间听、什么时间说、什么时间建，必须写进日程表，到点就跑，不能靠记性。 这一篇我们装\u0026quot;腿\u0026rdquo;，把三件套接到 CFO 的 24 小时和 90 天里。开干。\n一、为什么腿比嘴和手更稀缺 三件套的失效路径，几乎都是同一条：\n耳朵失灵 → 不是听不懂，是没固定时间听。投资人调研来了才接、银行贷后通知了才准备，永远被动。 嘴失灵 → 不是说不好，是没提前说。业绩说明会前一天还在想口径，问询函截止前三天才开始拆问题树。 手失灵 → 不是建不了，是建完没人触发。FAQ 库三个月没动、台账两个月没更新，工具包成了摆设。 头部投行 IR 团队之所以能稳定输出，不是他们比同行更聪明，而是把\u0026quot;季报披露后一周内刷新 Tier 1 FAQ\u0026quot;\u0026ldquo;每场电话会 48 小时内完成复盘\u0026quot;这类动作写进日历，到点自动跑。华为内部那句\u0026quot;如果公司每个月只开一场会，那就只能是月度经营分析会\u0026rdquo;，本质也是同一件事——用时间刻度管住组织的节奏，而不是靠个人的勤奋。 腿的本质，是把能力从\u0026quot;想起来才做\u0026quot;，变成\u0026quot;到点必须做\u0026quot;。下面先拆一天，再拆一季度。 二、一天的腿：CFO 的 24 小时排兵布阵 CFO 的一天不该被事件推着走，而应该按\u0026quot;听—说—建\u0026quot;三个动作分块。把每天切成六个时间块，每块有主任务、有产出物、对应到三件套中的某一件。\n时间块 主任务 核心动作 对应三件套 产出物 07:30–09:00 该听——数据与市场脉搏 资金看板 / 昨日回款 / 银行头寸 / 行业与股价异动 / 监管动态 耳朵 一页纸\u0026quot;晨间三看\u0026quot;清单 09:00–09:30 该听——核心班子碰头 与 CEO / 销售负责人 15 分钟拉通当日三件事 耳朵 当日优先级 09:30–12:00 该说——对外沟通主场 投资人调研 / 银行贷后 / 中介机构 / 战略客户，放在上午精力最好时段 嘴 沟通纪要 + 待办 13:30–15:30 该建——工具包维护 FAQ 库更新 / 授信台账刷新 / 问询案例入库 / 数据勾稽体检 手 台账更新记录 15:30–17:30 该建——内部会议主场 月度经营分析 / 资金调度 / 预算跟进 / 专项推进 手 会议决议 + 行动项 17:30–18:30 该听+该建——复盘与归档 当日追问登记 / 口径审批 / 复盘纪要 / 明日三件事预排 耳 + 手 追问台账 + 复盘纪要 一天节奏的五个硬规矩 第一，上午是对外，下午是对内，不要倒挂。 投资人、银行、中介希望你看到的是状态最好的 CFO；内部会议可以放到下午——因为内部同事能看到你疲惫的样子，外部看不到。这是几乎所有 fractional CFO 实战派的共识：\u0026ldquo;第一块时间留给需要全神贯注的事——关账复核、董事会材料、融资决策；上午中段起变成一连串对话。\u0026rdquo; 第二，晨间 30 分钟三看，雷打不动。 看现金（头寸、昨日收付）、看业务（昨日回款、订单异常）、看外部（股价异动、行业新闻、监管动态）。不进入细节，只找异常。异常就是今天要追的\u0026quot;耳朵线索\u0026quot;。 第三，下午留一块 2 小时\u0026quot;建\u0026quot;时间，不能被会议吞掉。 这块时间是工具包能持续运转的命脉。被会议全填满的一天，意味着 FAQ 库、台账、案例库今天一个字都不会更新。\u0026ldquo;这两小时是神圣的——专门用于评估并购、测算定价、准备董事会或投资人路演的叙事，真正的价值在这里产生。\u0026rdquo; 第四，每天下班前 30 分钟做\u0026quot;追问登记 + 复盘归档\u0026quot;。 当天所有外部追问（投资人 / 银行 / 监管）登记到追问台账，标注来源、问题、追问人；口径有漂移的当天标记。当日不登记，三天后必忘。 第五，对外沟通必带\u0026quot;口径确认单\u0026quot;。 上午出门见投资人或银行前，扫一眼对应工具包——今天要讲的话，是否与最近一期定期报告、银行合同契约指标、问询回复承诺一致。红线五问过一遍再出门。\n三、一季度的腿：90 天排兵布阵 一天节奏是\u0026quot;点\u0026quot;，一季度节奏才是\u0026quot;阵\u0026quot;。CFO 的 90 天不是均质的，而是被几个不可移动的硬节点切成四段：\n定期报告披露：年报 4 月 30 日前、一季报 4 月 30 日前、半年报 8 月 31 日前、三季报 10 月 31 日前——这是监管给的天花板，雷打不动。 业绩预告：年报 1 月 31 日前、一季报 4 月 15 日前、半年报 7 月 15 日前、三季报 10 月 15 日前。 业绩说明会：定期报告披露后 2–4 周内召开，问题征集期 5–7 天。 问询函回复：交易所审核问询首轮 20 个工作日内发出，发行人回复总计 3 个月内；北交所单轮 20 个工作日。 银行贷后检查：季度例行 + 触发式，月度报表报送是底线动作。 把A股上市公司典型的\u0026quot;一个季度\u0026quot;（以 Q2 为例：4–6 月）拉通，CFO 的 90 天长这样： 周次 阶段主题 关键节点 该听（耳朵） 该说（嘴） 该建（手） W1–W2（月初） 关账与快报 月度关账（1–5 号） 五套数据勾稽体检、银行头寸扫描 给管理层出一页纸\u0026quot;上月经营快报\u0026quot; 管报自动出数、月度台账归档 W2–W3 披露冲刺 一季报定稿、董事会审议 投行/分析师预期的反向倾听 董事会汇报、业绩预告口径敲定 披露文件三级复核、内幕知情人登记 W4 披露与开季 一季报披露、年报披露（Q2 叠加） 舆情监测、卖方首次覆盖反馈 业绩说明会（T+2 周）、NDR 反路演排期 Q\u0026amp;A 全量入库、Tier 1 FAQ 刷新 W5–W6 问询与自查 年报问询函（如触发）、监管动态 交易所窗口指导、同业案例扫描 问询回复分工到人、中介机构协调会 问题树、底稿索引、三级复核启动 W7–W8 银行年审/贷后 季度贷后检查、年报审计报送 5 家主办行客户经理一对一沟通 贷后应答、授信续作谈判 授信台账季更、押品重估、13 周现金流更新 W9–W10 半年报/中报筹备 中期审计启动、半年报预判 子公司经营异常信号 中层经营分析会、专项纠偏 半年报初稿、预测模型更新 W11–W12 季度复盘 季度经营分析会、合规复盘 三张嘴全线复盘会（IR/银行/问询） 给董事会的季度汇报、下季度指引 三套工具包季度全检、下季度日历锁定 W13（季末） 缓冲与规划 下季度预告、业绩预告判断 外部策略会、同业动态 投资人季度一对一、分析师沟通 下季度工具包迭代清单、日历模板更新 90 天节奏的四个硬规矩 第一，硬节点先入日历，软任务围绕硬节点排。 定期报告披露日、业绩说明会日、问询回复截止日、银行贷后日——这四类硬节点一敲定，90 天的骨架就定了；剩下的经营分析会、一对一沟通、专项推进都围绕骨架去填。没有硬节点的季度，CFO 一定疲于奔命。 第二，披露前两周进入\u0026quot;静默模式\u0026quot;。 业绩说明会前的窗口期，对外表态全部收口到董秘办；CFO 在这一段时间里不该接任何临时性外部沟通请求。这是 A 股公司通行的合规要求，也是应答质量的护城河。 第三，披露后一周是\u0026quot;黄金窗口\u0026quot;，必须做四件事。 披露后 7 天内：① 业绩说明会 Q\u0026amp;A 全量归档；② Tier 1 FAQ 刷新；③ 卖方首次覆盖反馈复盘；④ 监管问询高风险科目提前自查。这四周的动作，决定下一季度是被追问还是从容。 第四，每季度最后两周锁定下一季度日历。 把下一季度的硬节点（披露日、业绩说明会、银行贷后、复盘会）一次性敲定，不给\u0026quot;到时候再说\u0026quot;留空间。CFO 的日历不是被别人填的，是 CFO 自己先占坑的。\n四、事件触发的腿：日程表外的\u0026quot;弹性时间\u0026quot; 节奏表解决日常，但有一类事件不按日历来——问询函突袭、股价异动、监管现场检查、银行触发式贷后。这类事件占 CFO 精力的 20%，却能消耗 80% 的情绪。 应对方法不是更拼，而是预先在日历上留\u0026quot;缓冲块\u0026quot;：\n缓冲类型 预留比例 触发场景 启动动作 每日缓冲 每天留 1.5 小时空白 突发投资人调研、临时银行沟通 优先挤掉\u0026quot;该建\u0026quot;块，不动对外主场 每周缓冲 每周留半天空白 问询函受理、监管问询 启动问询 SOP 七步法 每季缓冲 每季留 2 天空白 业绩预告修正、重大事项 启动董事会沟通 + 舆情预案 关键原则：缓冲块不是\u0026quot;预留摸鱼\u0026quot;，而是\u0026quot;预留响应能力\u0026quot;。 没有缓冲块的 CFO，一次问询函就能把整季度节奏打穿；有缓冲块的 CFO，问询函来了也只是切换到 B 计划。 五、节奏感：三件套的收口 耳朵、嘴、手、腿，四件套到这里闭环了。\n耳朵解决\u0026quot;听懂对方的怕\u0026quot;——是输入能力； 嘴解决\u0026quot;说清自己的底\u0026quot;——是输出能力； 手解决\u0026quot;把应答沉淀成体系\u0026quot;——是复用能力； 腿解决\u0026quot;让体系持续运转\u0026quot;——是纪律能力。 前三件是静态的，第四件是动态的。没有腿，前三件是墙上的图；有了腿，前三件才是路上跑的车。 CFO 和财务总监的分水岭，往往不在专业能力，而在节奏感。专业能力决定一件事能不能做好，节奏感决定一个季度能不能持续做好十件事。节奏感不是天赋，是日程表——把该听的时间钉死、把该说的时间钉死、把该建的时间钉死，剩下的就是让体系自动跑。 耳朵装在嘴前面，手装在嘴后面，腿装在耳朵、嘴、手的下面——支撑它们，也驱动它们。 到这里，CFO580 的\u0026quot;财务总监四件套\u0026quot;系列画上句号：三只耳朵、三张嘴、三套工具包、一副腿脚。从 IPO 场景下放到日常，从临场应对升级为体系运营，从个人技艺长成公司基础设施。 听懂节奏的人，从不需要追赶节奏。 开干。 —虑得先生 | 财务总监的四件套：耳朵、嘴、手、腿\n","permalink":"https://cfo580.cn/article/cfo-de-tui-jie-dao-ri-cheng-biao/","summary":"CFO 的腿，不是到处跑的腿，是把日程钉死在节奏上的腿。三件套（耳朵/嘴/手）用不起来的根因不是能力不够，而是没有时间触发器。本文把\u0026rsquo;听—说—建\u0026rsquo;拆进 CFO 的 24 小时（六个时间块+五个硬规矩）与 90 天（硬节点四段+四个硬规矩），并预留事件触发的弹性缓冲块，让耳朵、嘴、手从墙上图变成路上跑的车——节奏感不是天赋，是日程表。","title":"🦵 CFO 的腿：把耳朵、嘴、手接到日程表上"},{"content":"CFO 的手不是到处救火的手，是把嘴上那套应答动作固化成工具、流程和台账的手。 三只耳朵听了什么、三张嘴答了什么，如果只留在当事人脑子里，下次追问来了照样临场抓瞎、口径漂移。投资人同一类尖锐问题季度复问，银行同一批指标每半年复审一轮，监管的高频问题在被问询企业之间反复流转——这三套追问高度模板化，所以应答动作完全可以模板化。三张嘴解决临场，一双手解决日常；临场拼的是反应，体系拼的是沉淀。这一篇我们装\u0026quot;手\u0026quot;，把\u0026quot;追问—应答—复盘—入库—迭代\u0026quot;的闭环跑起来。 下面把三套工具包的目录、闭环流程的检查清单、以及运行节奏与责任人，逐一拆开。开干。\n一、为什么三张嘴必须配一双手 临场应答有三大隐藏成本，只有体系能压下去。 成本一：口径漂移。 投资人关系活动里说的毛利率、银行年审时报的资产负债率、问询函里写的应收账款周转天数——如果三套口径由三个人分别维护、没有单一数据源，出现打架只是时间问题。某上市公司就因为申报文件中一个数据符号错误，导致扣非净利润差异近 3.9 亿元，直接收到监管函。 成本二：临场即兴。 业绩说明会上被问到没准备的问题、银行年审时被追问没备好的指标、问询函里碰到没见过的问法——靠\u0026quot;临时找财务部小李要个数据\u0026quot;的应答，本质上是把公司信誉押在临场反应上。 成本三：复盘丢失。 一次漂亮的应答、一次惨烈的失分，如果没有归档、没有入库、没有迭代到话术库里，三个月后同样的问题换个马甲再来一次，团队还得从零开始想。 世界级的 IR 管理有个朴素原则：\u0026ldquo;如果你不得不说第二遍，就把它写下来。\u0026rdquo; 每次投资者问到的每个问题，记录、应答、上传知识库——三到五年下来，它就变成公司最值钱的应答资产。 CFO 的手，就是把这三类追问的应答动作，从\u0026quot;脑子里的临场反应\u0026quot;，固化成\u0026quot;制度里的可复用动作\u0026quot;。\n二、三套工具包：每张嘴配一套，别混着用 工具包 对应哪张嘴 核心载体 更新频率 第一责任人 工具包 A：IR FAQ 库 对投资人 分级 FAQ + 话术卡 + 业绩说明会 SOP 季度更新 + 事件触发 证券事务代表 / 董秘办，CFO 终审 工具包 B：银行授信台账 + 贷后应答资料包 对银行 授信台账 + 指标预警看板 + 资料包模板 月度更新 + 季度全检 资金部 / 融资总监，CFO 主签 工具包 C：问询回复 SOP 对监管 问题树模板 + 分工表 + 三级复核清单 + 案例库 事件触发 + 季度复盘 董秘办牵头，CFO 财务条线主责 三套工具包底层逻辑一致，但字段、节奏、责任人完全不同。混着用是最大的坑——用问询函的回复节奏去应付投资人的现场追问，反应必然滞后；用 IR 话术的灵活度去应答监管，必然触发第二轮。下面逐一拆开。 工具包 A：IR FAQ 库——对投资人的手 目录清单（建议首次建库就按这个结构搭建）：\n模块 收录内容 触发更新 Tier 1（股价敏感） 业绩指引、毛利率可持续性、大客户依赖、减持计划、并购传闻 事件触发，24 小时内 Tier 2（业务常态） 分产品收入结构、产能利用率、研发投入进展、现金流波动解释 季度财报披露后一周内 Tier 3（基础常识） 公司战略、行业格局、股东结构、ESG 表现 半年更新 历史追问案例库 近 3 年业绩说明会 Q\u0026amp;A 全量归档，按问题标签检索 每场说明会后 48 小时内入库 红线清单 不得对外披露的口径清单（未公开重大信息、预测性表述、关联交易定价） 监管规则变动时 三层分级逻辑借鉴自国际投行 IR Playbook 的做法——Tier 1 问题必须由 CFO 亲自把关口径，Tier 2 可由证券部按模板应答，Tier 3 可上官网公开页。 敏感问题口径审批 SOP（一句话版）： 任何涉及未公开重大信息、业绩预测、对外投资传闻的提问，统一收口到董秘办 → CFO 判断是否属于\u0026quot;已披露事实的重新表述\u0026quot; → 是则按 FAQ 库标准答复；否则回复\u0026quot;请关注公司公告\u0026quot;，并将该问题登记到敏感问题台账。 维护节奏： 季度定检（财报披露后一周内全量刷新 Tier 1/2）+ 事件触发（股价异动、解禁、并购传闻等 24 小时内补录）+ 每场说明会结束后 48 小时内将 Q\u0026amp;A 入库。 行动锚点： 本周先把近 12 个月的业绩说明会 Q\u0026amp;A 全量归档，按 Tier 1/2/3 打标签。这是建库的第一桶金。 工具包 B：银行授信台账 + 贷后应答资料包——对银行的手 银行年审和贷后检查的追问高度标准化，答问的功夫全在台账和资料包里。台账做扎实，应答就是从库里调数；台账做不扎实，每次应答都是临时拼凑。 银行授信台账字段清单：\n字段类别 具体字段 授信基础信息 授信行 / 授信品种 / 授信额度 / 已用额度 / 到期日 / 利率类型（固定/浮动）/ 担保方式 契约指标（Covenant） 资产负债率 / 流动比率 / 速动比率 / DSCR / 现金短债比 / 应收账款周转天数 / 存货周转天数——每项标注合同约定阈值 资金用途台账 每笔放款的用途 / 对应合同 / 支付凭证号 / 项目进度节点 押品台账 押品名称 / 评估值 / 评估基准日 / 折率 / 当前净值 / 抵押率 / 下次重估时间 沟通留痕 每次与银行的沟通日期 / 对接人 / 沟通事项 / 承诺事项 / 承诺兑现时间 资料报送记录 月报 / 季报 / 年报 / 专项资料的报送时间与接收人 指标预警看板——红黄绿三级阈值（参考主流银行贷后管理与 2025 年企业财务风险预警的通行标准）： 核心指标 绿色（安全） 黄色（关注） 红色（预警） 货币资金 / 短期有息负债 \u0026gt; 0.6 0.3 – 0.6 \u0026lt; 0.3 剔除预收款后资产负债率 \u0026lt; 60% 60% – 70% \u0026gt; 70% 应收账款逾期率 \u0026lt; 8% 8% – 15% \u0026gt; 15% 现金短债比 \u0026gt; 1 0.8 – 1 \u0026lt; 0.8 对外担保余额 / 净资产 \u0026lt; 15% 15% – 30% \u0026gt; 30% 抵押物抵押率 \u0026lt; 60% 60% – 70% \u0026gt; 70% 月度经营现金流缺口 / 月营收 \u0026lt; 10% 10% – 20% \u0026gt; 20% 触发式预警机制（任何一项触发，24 小时内启动应答预案）：主营业务收入连续 3 个月下滑超 20%；股权结构重大变化；新增重大诉讼或行政处罚；主要管理人员变更；对外担保超过净资产 50%；单笔重大涉诉金额超过净资产 10%；抵押物评估值下滑超过 20%。这些是银行会主动启动\u0026quot;触发式复审\u0026quot;的标准信号，也是 CFO 必须主动、提前向银行沟通的场景。 贷后应答资料包模板（收到银行年审/贷后检查通知时，48 小时内一键调出）： 最新一期审计报表 + 最近 6 个月管理报表 + 最近 6 个月银行流水 主要购销合同抽样 + 发票 + 物流单据（勾稽一致） 贷款资金支付凭证 + 对应业务合同（用途穿透） 押品最新评估报告 + 抵押登记文件 + 实地照片 13 周滚动现金流预测 + 未来 12 个月现金流预测 社保 / 个税 / 纳税申报记录（经营真实性佐证） 历次契约指标测算表 + 兑现情况说明 行动锚点： 把这套台账在 Excel 里搭起来，每月 5 号前由资金部更新一次。银行年审不再临时抱佛脚。 工具包 C：问询回复 SOP——对监管的手 问询回复是三张嘴中最结构化的一张，也最适合完全 SOP 化。从接函到归档，七步走。 问询回复七步 SOP：\n步骤 关键动作 时限 责任人 1. 接函登记 收函 2 小时内建立专项档案，编号、拍照、录入台账 T+0 董秘办 2. 问题拆解（问题树） 把函内 N 个问题逐条拆到可执行颗粒度，形成问题树，每个叶子节点对应底稿要求 T+1 董秘办 + CFO 3. 分工到人 按问题树分派：财务类 → 财务部；业务类 → 业务部门；法务类 → 法务部；每项明确责任人和交付时间 T+1 董秘 + CFO 联签 4. 底稿收集 每个回复点必须有原始凭证 / 合同 / 银行流水 / 第三方证据支撑，建立电子化索引 T+5 各责任人 5. 初稿 + 三级复核 经办人自查 → 部门负责人复核 → CFO/董秘终审（详见下表） T+10 三级复核链 6. 中介机构核验 保荐人、会计师、律师按问题类型分别核查并发表意见 T+15 中介机构 7. 报送 + 归档 董事长签发后报送，全套材料按\u0026quot;时间轴-问题类型-责任部门\u0026quot;三维归档 T+20 董秘办 三级复核清单（这是问询回复不丢分的核心闸口）： 复核层级 复核人 复核重点 一级复核 经办人（具体撰写人） 数据准确性 / 计算过程 / 错别字 / 引用文件页码 / 格式规范 二级复核 部门负责人（财务经理 / 法务经理 / 业务总监） 数据勾稽一致性 / 业务逻辑合理性 / 与定期报告口径一致 / 历史回复一致性 三级复核 CFO + 董秘 + 外部律师 / 保荐人 战略表述合规性 / 整改承诺可兑现性 / 信息披露完整性 / 是否存在答非所问或选择性披露 回复时间三级预警机制（深交所实务通行做法）： 距离回复截止日 5 天 → 黄色预警，所有初稿必须到位，启动二级复核 距离回复截止日 3 天 → 橙色预警，三级复核进行中，中介机构意见收齐 距离回复截止日 1 天 → 红色预警，锁定全文，仅允许错别字级修改 问询案例库归档字段（回复完成后 7 天内入库）：问询主题 / 触发问题类型 / 涉及报表科目 / 关键归因 / 关键证据 / 整改承诺 / 承诺兑现进度 / 复用话术片段。这套案例库在下一轮定期报告披露时，就能用来提前自查监管可能追问的高频科目。 行动锚点： 把最近一次问询函回复的分工表和三级复核签字页抽出来，看看这七步缺了哪几步——缺哪一步，哪一步就是下次追问的突破口。 三、从追问到复盘：一双手的闭环流程 无论哪张嘴，应答动作的底层都是同一条流水线。这条流水线跑顺了，三套工具包就是它的三个分支。 追问登记 → 口径审批 → 应答执行 → 复盘归档 → 入库迭代\n环节 关键动作 时限 交付物 ① 追问登记 任何外部追问（投资人 / 银行 / 监管）统一登记到追问台账，标注来源、问题、追问人、追问时间 即时 追问台账条目 ② 口径审批 Tier 1 问题由 CFO 定口径；Tier 2 由分管副总定；红线问题一律走\u0026quot;CFO + 董秘 + 法务\u0026quot;三签 24 小时 口径确认单 ③ 应答执行 按既定口径应答；临场未覆盖问题统一回复\u0026quot;会后专项回复\u0026quot; 现场或 48 小时内 应答记录 ④ 复盘归档 每季度 + 每次重大事件后复盘：哪些问题答得好、哪些被打回、哪些口径漂移 7 天内 复盘纪要 ⑤ 入库迭代 把复盘沉淀的话术、案例、红线更新到对应工具包 14 天内 FAQ / 台账 / 案例库更新 复盘环节最容易被跳过，恰恰是最不能跳过的。头部投行的 IR Playbook 中，每场电话会结束后 48 小时内必须完成一次复盘，输出一页纸报告，明确标注哪些分析师追问集中、哪些表述被误读、哪些新的模型假设被建立，并把这些反馈进下一季度的口径主线。 这套机制同样适用于 CFO 的三张嘴。 红线一票否决清单（任何应答动作前，先过这五条）： 是否涉及未公开重大信息？ 是否构成业绩预测或承诺？ 是否与最近一期定期报告 / 已披露公告口径一致？ 是否与银行合同约定的契约指标测算口径一致？ 是否与问询回复中的承诺口径一致？ 任何一条过不了，应答动作停在这里，先升级到 CFO。 四、数据源头治理：让嘴上说的都对得上 三张嘴打架的根本原因，是源头数据就没对齐。业绩说明会引用的数据、银行年审报送的数据、问询回复引用的数据，如果来自不同的报表口径、不同的统计时点、不同的计算公式，CFO 嘴上功夫再好也是徒劳。 单一数据源原则（Single Source of Truth）： 所有对外披露数据必须来自同一个底层数据库，由财务共享中心或 ERP 系统直接生成，禁止任何部门用 Excel 二次加工后对外引用。 五套数据勾稽一致性月度体检：\n数据类别 检查要点 检查频率 审计报表 与管理报表差异金额与原因 月度 管理报表 与银行报送的 CMA 数据差异 月度 银行契约指标测算表 与合同约定阈值的距离 月度 纳税申报表 与报表收入、成本的勾稽差异 季度 已披露公告与定期报告 历史承诺兑现进度 季度 数据勾稽问题登记表（发现差异 24 小时内登记，明确差异金额 / 差异原因 / 责任部门 / 关账时限）。 很多企业为了 IPO 把这套体系建了一遍，上市之后又松掉了。真正值钱的不是 IPO 那一年的突击规范，而是常态化运行的数据治理体系。 行动锚点： 本月先跑一次五套数据的勾稽体检，把差异项全部登记在案。这些差异项，就是下一次追问最可能出现的地方。 五、三套工具包的运行节奏与责任人 工具包建起来不算完，不转起来三个月就成死库。运行节奏表如下：\n工具包 更新触发事件 定期更新节奏 第一责任人 CFO 角色 工具包 A：IR FAQ 库 季报 / 重大公告 / 股价异动 / 业绩说明会 季度定检 + 半年全检 证券事务代表 Tier 1 口径终审 工具包 B：银行授信台账 每笔放款 / 每次还本付息 / 每次银行沟通 / 押品重估 月度更新 + 季度全检 资金部 / 融资总监 主签 + 红线预警决策 工具包 C：问询回复 SOP 收到问询函 / 定期报告披露前自查 事件触发 + 季度复盘 董秘办 财务条线主责 + 三级复核终审 复盘会节奏建议： 季度一次三会合一——IR 复盘会 + 银企沟通复盘会 + 问询自查复盘会，CFO 主桌，3 小时跑完。把分散在三个条线的应答经验，沉淀为公司统一的应答能力。 尾声：嘴是临场，手是体系 三张嘴是临场，一双手是体系。嘴上的分寸，永远取决于手上的积累。 临场应答再漂亮，如果背后没有 FAQ 库、没有授信台账、没有问询 SOP，那只是某个人某一次的灵光一现，不是组织能力。反过来，只要这三套工具包搭起来、跑起来、迭代起来，CFO 的应答就从\u0026quot;个人技艺\u0026quot;升级为\u0026quot;公司基础设施\u0026quot;——换了 CFO、换了证券代表、换了资金总监，体系照样在转。 耳朵装在嘴前面，手装在嘴后面。 听懂对方的怕，说清自己的底，把每一次应答沉淀下来——这是 CFO 从\u0026quot;救火队长\u0026quot;变成\u0026quot;体系操盘手\u0026quot;的必经一步。 下一篇我们装\u0026quot;腿\u0026quot;——把耳朵、嘴、手这套体系，接到 CFO 的日常日程表里。什么时间该听、什么时间该说、什么时间该建，一天 24 小时、一季度 90 天，怎么排兵布阵。 嘴上的功夫在手上的功夫之后，手上的功夫在腿上的功夫之前。开干。\n—虑得先生 | 财务总监的三件套：耳朵、嘴、手\n","permalink":"https://cfo580.cn/article/cfo-de-shou-gu-hua-ti-xi/","summary":"CFO 的手，不是到处救火的手，是把嘴上那套临场应答动作固化成工具、流程和台账的手。投资人、银行、监管三套高度模板化的外部追问，对应三套工具包——IR FAQ库、银行授信台账+贷后资料包、问询回复SOP，以及一条\u0026rsquo;追问—应答—复盘—入库—迭代\u0026rsquo;闭环。本文给出三套工具包的目录、字段清单、红黄绿预警阈值、七步SOP与三级复核清单，并落到单一数据源治理，把临场应答升级为公司的组织能力。","title":"🤝 CFO 的手：把嘴上的功夫，固化成体系"},{"content":"CFO 的嘴，不是能说会道的嘴，是有答有据、有进有退、有承诺有兑现的嘴。 上一篇我们把\u0026quot;耳朵\u0026quot;装上了——听懂投资人、银行和监管在追问什么。这一篇装\u0026quot;嘴\u0026quot;——三只耳朵各有一套追问的套路，也就各有一套答问的手艺。投资人问的是未来，银行问的是安全垫，监管问的是证据链，但底层的打法是同一套：三段式闭环。IPO 场景里反复被打磨的那套\u0026quot;事实—原因—行动—证据\u0026quot;的回复骨架，完全可以下放到 CFO 的日常应答里。\n下面我们把三张嘴拆开讲：每一张嘴，先给你一份\u0026quot;追问套路清单\u0026quot;，再给一套\u0026quot;答问手艺模板\u0026quot;，最后配一份可直接套用的话术对照和失分点提示。开干。\n一、对投资人的嘴：业绩说明会上怎么接尖锐问题 投资人追问的套路清单 业绩说明会不是照稿念的场合，是现场压力测试。梳理近两年上市公司的投资者关系活动记录，高频追问集中在五类：\n毛利率异常：高于或低于同行的原因、可持续性、成本结构支撑 现金流背离：净利润和经营性现金流净额方向相反、应收/存货激增 客户集中度：单一客户依赖、大客户业绩下滑是否已披露 资本动作：解禁后是否有减持计划、估值偏低下有什么市值管理举措 业绩可持续性：过往年度盈利阶段性波动的真实原因、下一阶段的抓手 追问的底层逻辑只有一条：管理层是真的理解这家公司，还是只是照本宣科。 投资人不是来找茬的，是在判断\u0026quot;这个 CFO 值不值得继续听下去\u0026quot;。 答问手艺：三层应答模型 投资人问的每一个尖锐问题，答案都应有三层。缺一层，都会被追着问下一轮。 第一层：数据与事实。 用具体数字回答，不用形容词。\u0026ldquo;毛利率提升至 8.2%\u0026ldquo;优于\u0026quot;毛利率有所改善\u0026rdquo;。\u0026ldquo;上半年经营现金流同比显著改善，营业收现率持续提升\u0026quot;优于\u0026quot;现金流情况良好\u0026rdquo;。 第二层：原因与机制。 数据变化背后是什么动作在驱动。业务结构优化、项目筛选标准提高、主动放弃低毛利项目——这类具象化的原因，比\u0026quot;受宏观环境多重因素综合影响\u0026quot;有说服力得多。 第三层：前瞻与承诺。 明确下一阶段的抓手和可验证的动作，但不做短期业绩预测。监管口径下，\u0026ldquo;不对短期业绩进行预测，经营成果请以公司定期报告为准\u0026quot;是标准收尾——这句话既是免责，也是纪律。\n话术模板：以\u0026quot;毛利率高于同行\u0026quot;为例 应答层次 反面话术（丢分） 正面话术（不丢分） 事实 \u0026ldquo;我们技术壁垒比较高，所以毛利率高。\u0026rdquo; \u0026ldquo;报告期毛利率为 44.97%–48.78%，同期可比公司均值为 25%–30%，高出约 18–23 个百分点。\u0026rdquo; 原因 \u0026ldquo;公司核心竞争力强，产品有溢价能力。\u0026rdquo; \u0026ldquo;差异主要来自三点：一是 X 产线单位耗电量较上期下降 44%，摊薄了单位固定成本；二是高毛利的 B 品类收入占比由 18% 提升至 32%；三是主动退出了三个低毛利贸易项目。\u0026rdquo; 前瞻 \u0026ldquo;我们会继续加强管理，保持优势。\u0026rdquo; \u0026ldquo;高毛利的可持续性取决于 B 品类的技术迭代，核心专利对应的成本节约数据已专项测算并披露于问询回复第 X 页，后续将按季度在经营数据中更新。\u0026rdquo; 关键差距：反面话术只有结论，没有数据；只有定性，没有量化；只有\u0026quot;我们会做\u0026rdquo;，没有\u0026quot;我们做了什么、做成了什么\u0026rdquo;。监管侧反复强调——\u0026ldquo;结合成本结构说明高毛利率合理性\u0026quot;这类追问，拿不出核心专利对成本的具体节约数据，就直接触发下一轮。 业绩说明会的三个失分点 一是不打招呼就给业绩指引。 一句\u0026quot;下半年应该能好起来\u0026quot;在监管眼里就是预测性陈述，与定期报告口径打架时就是信披瑕疵。合规做法是只讲已发生的动作和可验证的数据，把预测性表述收在\u0026quot;以定期报告为准\u0026quot;的框架内。 二是把外部原因当挡箭牌。 宏观环境、原材料波动、汇率变动这些话可以讲，但要讲透是哪一项外部因素、影响了报表的哪一行、影响金额是多少。讲不透就变成\u0026quot;话术性归因\u0026rdquo;，投资人会追问，监管也会追问。 三是口径前后不一致。 投资者关系活动中说的数字，必须与定期报告、与问询回复、与银行那边报的 CMA 数据完全对得上。任何一处口径打架，都是下一轮追问的引信。\n二、对银行的嘴：年审和贷后检查里指标短板怎么讲 银行追问的套路清单 银行年审（Annual Review of Credit Facilities）和贷后检查的核查维度高度标准化，追问也高度模板化：\n偿债能力：DSCR/ISCR 是否达标、经营性现金流对当期到期债务的覆盖倍数 杠杆与流动性：资产负债率、流动比率、速动比率、有息负债结构 营运资本：应收账款账龄与集中度、存货周转、应付账期、营运资金缺口 抵押物与担保：押品价值重估、担保人财务状况变动、抵押登记完整性 资金用途与流向：贷款资金是否按约定用途使用、是否有回流或挪用迹象 同业与关联：在他行的授信使用情况、关联方资金往来、或有负债 银行的底层诉求和投资人不同——投资人在判断\u0026quot;值不值得投\u0026quot;，银行在判断\u0026quot;能不能收回\u0026quot;。所以银行更在意安全垫的厚度和还款来源的确定性，而不是成长性。 答问手艺：数据—趋势—担保—承诺四步走 面对银行，CFO 的嘴要走四步，每一步都不能跳。 第一步：数据解释。 指标为什么恶化？说清楚是分子（现金流）出问题还是分母（债务）出问题，是周期性还是结构性。所有数字先勾稽一致再讲故事——审计报表、管理报表、契约指标测算、预测模型、押品评估报告，这五套数据如果互相打架，银行宁可接受一个\u0026quot;不好的年份\u0026quot;，也不接受一套\u0026quot;对不上的报表\u0026quot;。 第二步：趋势与拐点。 用 12–18 个月的整合预测证明这是一个阶段性低点而非趋势性恶化，必要时附上 13 周滚动现金流视图展示短期流动性管理能力。 第三步：担保与增信支撑。 押品价值重估、追加担保、股东支持函、应收账款质押的质押率——银行对\u0026quot;纸上还款能力\u0026quot;天然存疑，对\u0026quot;抵押物处置变现能力\u0026quot;才有信心。 第四步：补救方案与承诺。 具体的降杠杆措施、处置计划、回款加速方案，并配上可验证的里程碑时间表。\u0026ldquo;加强应收账款管理\u0026quot;这种空话，银行的信贷系统里已经存了几万条。\n话术模板：以\u0026quot;资产负债率超标\u0026quot;为例 应答步骤 反面话术（丢分） 正面话术（不丢分） 数据 “资产负债率 72% 略高于同业，但资产质量很好，没有风险。” “报告期末资产负债率 72%，较年初上升 6 个百分点，主因 Q3 新增 X 项目 3.5 亿元并购贷，剔除该一次性因素后为 68%。” 趋势 “这是行业普遍情况，属于正常波动。” “未来 12 个月的预测模型显示，随着 X 项目于 2026 年 Q2 投产回款，经营性现金流将回升至 X 亿元，资产负债率预计回落至 65% 以内。13 周滚动现金流预测已附上。” 担保 “我们还有不少资产可以抵押。” “现有抵押物评估值 X 亿元，按 50% 折率对应 X 亿元可用额度，其中已抵押 X 亿元，剩余可追加抵押额度 X 亿元；控股股东已出具不超过 X 亿元的流动性支持函。” 承诺 “我们会尽快降下来。” “承诺分三步：2026 年 Q4 前处置两处非经营性物业回笼 X 亿元；2027 年 Q2 前应收账款周转天数由 128 天压降至 95 天；如 Q2 未达成，主动追加存货质押。以上三项已列入年度预算，每季度向贵行报送进度。” 银行年审的三个失分点 一是管理报表与审计报表对不上。 银行拿到的是 CMA 数据和税务申报数据，如果与你报的审计报表存在大额勾稽差异，会被直接打为\u0026quot;数据不可信\u0026rdquo;。 二是粉饰痕迹太重。 把短债调成长债、把经营性流出挪到投资性、把应收账款延后确认为坏账——这些手法银行见过太多。2020 年以来监管强化了贷后穿透式检查，银行通过大数据追踪资金流转痕迹，识别资金回流、挪用等行为的能力已大幅提升。 三是只讲困难不讲措施。 银行年审的本质是评估\u0026quot;风险等级是否需要重估\u0026quot;，一个只有归因、没有整改方案的回复，等于主动给了下调评级的理由。\n三、对监管的嘴：问询函回复怎么写才能一轮过 监管追问的套路清单 问询函的追问高度结构化，核心关注点近年来越来越聚焦：\n经营业绩真实性与可持续性：收入增长合理性、毛利率与行业背离、业绩波动是否与行业趋势匹配 收入确认合规性：确认时点、经销商模式下终端销售穿透、境外销售的多维交叉验证 关联交易公允性：定价依据、决策程序、是否存在利益输送或利润调节 财务数据勾稽：能耗与产量匹配、现金流与收入匹配、存货周转与同业背离 内控合规与整改：转贷、资金拆借、票据违规等历史问题的整改有效性 信息披露一致性：招股书、问询回复、定期报告之间是否存在矛盾 监管的底层诉求：不是判断你值不值得投资，而是判断\u0026quot;信息披露是否真实、准确、完整\u0026quot;。监管不挑刺，监管在打消疑虑——回复质量直接决定审核轮次，审核轮次直接决定过会成败。 答问手艺：三段式证据链闭环 头部券商的实战数据：采用\u0026quot;三段式闭环\u0026quot;框架，首轮通过率从 38% 提升到 75%。这套骨架是所有问询回复的底层通用结构： 第一段：直面问题，量化事实。 不绕、不藏、不避重就轻。先把监管问的数字原样摆出来，包括那些不好看的。 第二段：原因与机制，证据支撑。 每一个归因都要有可验证的第三方证据——海关数据、出口退税凭证、外汇收付记录、银行流水、能耗对比、第三方评估报告。\u0026ldquo;技术壁垒高\u0026quot;四个字不够，要给出\u0026quot;核心专利对成本的具体节约数据\u0026rdquo;。 第三段：整改与承诺，可追溯、可验证。 整改要有时间表，承诺要有量化目标，且要与后续定期报告保持一致。\u0026ldquo;不回避、不模糊、不反复\u0026rdquo;——这三不原则是股权类问题的回复铁律，同样适用于其他问询领域。\n话术模板：以\u0026quot;应收账款周转率低于行业\u0026quot;为例 这是一个高频致命题——曾有净利润过亿的北交所专精特新企业，三轮问询后因这个问题被暂缓上会，前两轮回复都在回避核心，第三轮还是那句空话\u0026quot;公司将加强应收账款管理\u0026quot;，项目主动终止。\n回复段位 反面写法（一轮不过） 正面写法（一轮过） 事实 \u0026ldquo;公司应收账款管理正在持续加强，周转情况将逐步改善。\u0026rdquo; \u0026ldquo;报告期各期应收账款周转率分别为 3.2、2.8、2.5 次，同期可比公司均值为 5.1、5.0、4.8 次。账龄 1 年以上应收账款余额为 X 万元，占比 18%，较上期上升 6 个百分点。\u0026rdquo; 原因 \u0026ldquo;主要受下游客户回款周期影响。\u0026rdquo; \u0026ldquo;低于同业的原因有三：(1)前五大客户中 A、B 两家为国企，平均结算周期 180 天，占应收总额 62%；(2)公司未开展保理业务，同业公司普遍通过无追索权保理出表，平均出表比例 30%；(3)账龄 1 年以上部分中，C 客户因内部审批流程延迟，已回款 X 万元。以上均有银行流水、销售合同结算条款、保理合同对比底稿支持。\u0026rdquo; 整改 \u0026ldquo;公司将加强应收账款管理，优化客户结构。\u0026rdquo; \u0026ldquo;整改三步走：(1)2026 年 Q4 前对 A、B 客户重新谈判结算条款，目标由 180 天缩至 120 天，已完成首轮沟通；(2)2027 年 Q1 起对符合条件的应收开展无追索权保理，预计出表规模 X 亿元；(3)新增账龄 90 天以上应收账款预警机制，按月向管理层和保荐机构报送。上述措施已列入 2027 年度预算，将在 2026 年年报中披露执行进展。\u0026rdquo; 问询函的三个\u0026quot;一轮未过\u0026quot;典型原因 一是答非所问。 监管问应收账款周转率，回复大谈公司战略与核心技术。问什么答什么，这是回复的第一原则。答非所问不仅不加分，还会触发下一轮对\u0026quot;回复质量\u0026quot;本身的质疑。 二是承诺后不兑现。 首轮回复里承诺\u0026quot;将在 Q4 完成整改\u0026quot;，二轮问询时监管直接核对进度。承诺了不兑现，比不承诺更致命——它会摧毁整个回复的可信度。28% 的终止项目并非存在重大合规硬伤，而是无法打消监管疑虑，其中很大一部分就是\u0026quot;承诺空转\u0026quot;。 三是前后矛盾、选择性披露。 招股书、问询回复、定期报告之间的数据口径打架；只展示增长客户、隐藏下滑客户。这类操作会被监管直接识别为\u0026quot;信披不完整\u0026quot;，迈百瑞就曾因申报文件中数据符号错误导致扣非净利润差异近 3.9 亿元，直接收到监管函。\n四、三张嘴，一个逻辑：三段式闭环下放日常 三张嘴面对的是三种追问，但打的是同一副骨架。\n维度 对投资人（业绩说明会） 对银行（年审/贷后） 对监管（问询函回复） 对方底层诉求 判断值不值得继续听 判断能不能收回 判断信披是否真实完整 追问风格 尖锐、开放、现场压力 结构化、指标化、契约化 刨根问底、证据链化 应答核心 数据—机制—前瞻 数据—趋势—担保—承诺 事实—原因—整改—证据 证据要求 与定期报告口径一致 五套报表勾稽一致 第三方证据可穿透核查 一轮过的关键 不做无准备的业绩指引 不让数据打架 不答非所问、不空转承诺 典型失分 推诿外部、口径漂移 粉饰痕迹、只讲困难 前后矛盾、选择性披露 底层共同逻辑只有四步：直面问题、量化事实、给出原因、给出可验证的行动与证据。 业绩说明会上这句话说出来是嘴上的功夫，问询函里写出来是笔头上的功夫，银行年审里报出来是底稿里的功夫——但骨架是同一个。IPO 场景下被反复打磨的\u0026quot;三段式闭环\u0026quot;，从38%的首轮通过率提升到75%的那套打法，不是 IPO 专属，而是 CFO 的日常基本功。 耳朵装在嘴前面。 先听懂对方在怕什么，再决定嘴上说什么。投资人怕的是\u0026quot;管理层不懂自己的公司\u0026quot;，银行怕的是\u0026quot;安全垫不够厚\u0026quot;，监管怕的是\u0026quot;披露不完整\u0026quot;——听懂了这个，嘴上的分寸就有了。 下一篇我们装\u0026quot;手\u0026quot;——把这三套应答动作，固化成可复用的工具包和流程。三张嘴是临场，一双手是体系。 嘴上的功夫，永远在手上的功夫之后。 虑得先生 | 财务总监的三件套：耳朵、嘴、手\n","permalink":"https://cfo580.cn/article/cfo-de-zui-zenme-da-bu-diu-fen/","summary":"CFO 的嘴，不是能说会道，是有答有据、有进有退。业绩说明会、银行年审、监管问询函三种场景，追问套路不同但底层是同一套三段式闭环应答手艺。本文拆解三套答问模板与失分点，把 IPO 场景下 38%→75% 的首轮通过率打法下放为 CFO 日常基本功。","title":"🗣️ CFO 的嘴：业绩说明会、银行年审和问询函，怎么答不丢分"},{"content":" 适合谁：会计人、财务从业者，想用 SQL 处理 Excel 数据但不知道从哪开始的读者。\n核心场景：导入 Excel → SQL 查询分析 → 导出结果回 Excel。全程图形化操作，无需记忆代码。\n很多会计同事处理数据时，还在用 Excel 的筛选+透视表。但数据量大、逻辑复杂时，SQL 更高效。关键是：会计人不需要装一堆开发工具，一个 DBX 就够了。\nDBX 是一款免费的 SQLite 数据库管理工具，图形界面全中文，支持 Excel 直接导入，导出结果也可一键回到 Excel。下面把最常用的操作按顺序整理。\n一、连接与数据库管理 1. 新建独立数据库（推荐，永久生效） 这是最稳妥的建库方式，避免路径和权限的坑。\n步骤：\n左侧连接栏顶部点击 \u0026quot;+\u0026quot; 新建连接 选择「SQLite」→ 点击下一步 选择「创建新数据库文件」→ 浏览选择保存路径、输入文件名（如 Practice.db） 自定义连接名称（方便和其他库区分）→ 点击「完成」 💡 保存路径建议：选一个你经常访问的文件夹（如桌面或文档），避免放到系统盘深层目录，以后找起来方便。\n2. 附加临时数据库（同窗口跨库用） 适合需要在当前连接里临时加一个库、做跨库联表查询的场景。\n步骤：\n顶部点击「新建查询」，确保是目标连接的查询窗口 执行语句： ATTACH DATABASE \u0026#39;D:/xxx/库名.db\u0026#39; AS 库别名; 右键左侧数据库树 → 点击「刷新」，即可看到新增的库 注意：关闭连接后自动失效，下次打开需重新执行。\n3. 编辑连接属性 右键左侧对应连接 → 选择「编辑连接」，可修改数据库文件路径、超时设置、开启/关闭只读模式。\n二、表结构操作 1. 图形化新建表 展开目标数据库 → 右键「表」节点 → 选择「新建表」 点击 \u0026ldquo;+\u0026rdquo; 列，依次填写列名、选择数据类型、设置主键/非空等约束 顶部输入表名 → 点击「保存」 💡 数据类型选择：会计数据里，凭证号、科目代码这类字段请选 TEXT，不要选数字类型，否则前导零会丢失。\n2. 修改表结构 右键对应表名 → 选择「编辑表」，即可增删字段、修改数据类型、调整约束。\n3. 查看/删除表 双击表名：快速浏览表内全部数据 右键表名 → 「删除表」：确认后永久删除表和数据，谨慎操作 三、数据导入导出（核心场景） 1. Excel 导入生成新表 这是会计人最常用的功能——把 Excel 数据直接变成 SQLite 表，之后就可以用 SQL 查了。\n入口任选其一：\n右键目标数据库 → 选择「导入数据」 直接把本地 Excel 文件拖拽到 DBX 主窗口 步骤：\n选择「创建新表」→ 下一步 选中 Excel 文件 → 下拉选择要导入的工作表 设置标题行号（默认第 1 行是表头）、数据起始行，可开启「去除首尾空格」→ 下一步 核对列名、数据类型，不需要的列可勾选跳过 → 下一步 确认设置 → 点击「执行」，完成后刷新即可看到新表 💡 常见坑：导入前请确保 Excel 文件已关闭，否则可能因文件占用导致读取失败。\n2. 表数据导出到 Excel/CSV 分析完数据后，把结果导回 Excel 继续汇报或存档。\n步骤：\n右键目标表 → 选择「导出数据」 选择导出格式（Excel / CSV）→ 下一步 选择导出全部列或指定列，可自定义筛选条件 → 下一步 选择保存路径、设置文件名 → 点击「执行」 四、SQL 编辑器常用操作 操作 操作方式 新建查询 顶部工具栏点击「新建查询」，快捷键 Ctrl+N 运行全部语句 点击左上角绿色 ▶️ 按钮，快捷键 Ctrl+Enter 运行选中语句 鼠标框选部分 SQL 代码 → 点击运行，仅执行选中内容 结果数据复制 选中结果表格 → 右键「复制」，可直接粘贴到 Excel 结果快速排序 点击结果表的列名，即可切换升序/降序 五、常见报错速查 1. ATTACH 报错 \u0026ldquo;unable to open database\u0026rdquo; 排查清单：\n路径必须写到具体 .db 文件名，不能只写文件夹 确认上级文件夹已提前创建（SQLite 不会自动创建文件夹） 尝试以管理员身份运行 DBX 优先改用「新建独立连接」的方式建库（避开这个坑） 2. Excel 导入失败 排查清单：\n检查表头行号、数据起始行是否设置正确 关闭正在打开的 Excel 文件，避免文件占用导致读取失败 检查同一列是否存在混合数据类型（比如既有数字又有文本） 3. 新建的库/表左侧不显示 右键左侧数据库树 → 点击「刷新」，界面不会自动同步更新。\n六、会计人常用 SQL 场景速查 有了数据库和表，接下来就是写 SQL 查询。以下是会计人最高频的几种查询场景：\n场景 1：简单汇总（替代 Excel 透视表） -- 按科目汇总发生额 SELECT 科目代码, 科目名称, SUM(借方金额) AS 借方合计, SUM(贷方金额) AS 贷方合计 FROM 凭证表 GROUP BY 科目代码, 科目名称; 场景 2：查找异常数据 -- 找借贷不平的凭证 SELECT 凭证号, 摘要, 借方金额, 贷方金额, ABS(借方金额 - 贷方金额) AS 差额 FROM 凭证表 WHERE ABS(借方金额 - 贷方金额) \u0026gt; 0.01; 场景 3：多表关联（凭证 + 明细） -- 凭证表 JOIN 明细表，查某月全部业务 SELECT p.凭证号, p.日期, p.摘要, m.科目名称, m.金额 FROM 凭证表 p JOIN 科目明细 m ON p.凭证号 = m.凭证号 WHERE p.日期 BETWEEN \u0026#39;2026-01-01\u0026#39; AND \u0026#39;2026-01-31\u0026#39;; 七、学习路线建议 如果你是 SQL 新手，建议按这个顺序学习：\n先跑通流程：导入一张 Excel 表 → 写一条 SELECT → 导出结果，建立信心 掌握 SELECT 基础：WHERE 过滤、GROUP BY 分组、聚合函数（SUM/COUNT/AVG） 学习 JOIN：多表关联是会计数据分析的核心能力 进阶子查询：用嵌套查询处理更复杂的逻辑 配套文章：SQL必知必会全书5张核心表介绍 — 练习用数据库结构\n本文作者：虑得先生\n","permalink":"https://cfo580.cn/article/db-x-chang-yong-cao-zuo-su-cha-qi-dian-qi-ruan-jian-shi-yi-su-cha-shu-dao/","summary":"会计人用 SQL 的核心场景是：导入 Excel 数据 → 用 SQL 做分析 → 导出结果回 Excel。这个工具链不需要复杂环境，一个免费工具 DBX（Database X）就能搞定。本文按实际操作顺序，把最常用的 5 个场景整理成速查清单。","title":"📋 SQL管理工具DBX 常用操作速查清单"},{"content":"——新系列开工篇：视角外翻，从被读反推该做什么\n引子：一个星期，三通电话 同一个财务部，在不同的人耳朵里，是三种完全不同的声音——这个真相被\u0026quot;财务报告是通用语言\u0026quot;这句话遮了太久了。\n周一早上，董事会办公室转来二股东的邮件，问的是\u0026quot;自由现金流为什么连续两季为负\u0026quot;；周三，主办银行的客户经理来电话，说年审材料里想补一份\u0026quot;经营现金流对短期有息负债的覆盖测算\u0026quot;；周五，交易所的问询函到了，要求十个工作日内说明某笔关联交易的定价依据。\n同一个财务部，三拨人，问的是三个世界的问题。前面十四篇练的都是内功——三件作品、一个部门；这一周你突然发现：部门内部怎么运转，外面的世界看不见，外面只听得见你的数字发出来的声音。这一篇把视角翻到外面，替 CFO 装上三只耳朵——听清他们各自在找什么信号，什么让你加分，什么让你隐形。\n一、三只耳朵，出厂设置就不一样 三类读者听财务部，用的从来不是同一副耳朵。\n读者 听什么 加分项 减分或隐形项 财务部的对应作品 投资人 增长的质量与回报 ROE 结构健康、自由现金流为正、预测兑现记录 口径漂移、自创指标、预测年年落空 滚动预测模型 银行 偿债的确定性 经营现金流覆盖本息、账龄清晰、审计意见干净 利润好看现金流难看、应收激增 月报看板与现金流视图 监管 数字的真假与合规 收入确认干净、披露完整、留痕可溯 关联交易含糊、问询回复躲闪 AI 使用守则与内控台账 三只耳朵看似各听各的，其实听的是同一件事的三个面——数字可不可信、可不可预测、可不可验证。投资人押可预测，银行押可偿付，监管押可验证；三样都立得住，你的财务部在任何一只耳朵里都是清晰的。\n二、投资人：听增长，更听增长的质量 三张表之外，投资人读得最细的是管理层讨论与分析——数字是\u0026quot;是什么\u0026quot;，MD\u0026amp;A 是\u0026quot;为什么\u0026quot;，而你的解释里藏着口径；他们还会把今年说的和去年说的对比，去年画的饼今年兑现了几成。\n数字上他们盯两组。一组看回报：ROE 拆成净利率、周转率、杠杆三环，哪环在撑、哪环在拖，比一个总数有信息量——A 股非金融公司 2025 年 ROE 中位数只有 4.2%，长期高于 15% 的公司在他们耳朵里自带光圈。另一组看现金：净现比长期低于 0.7，利润在这副耳朵里就开始失真；康美药业三年净利六十多亿、经营现金流却从 2.5 亿一路跌到负 5.3 亿，成了教科书级的反例。\n什么让你加分。口径三年不漂移；预测有兑现记录——滚动预测模型里那份假设修订表，兑现过的假设就是最好的路演材料；自由现金流和净利润同向。\n什么让你隐形。自创口径的 EBITDA；只讲故事不给数据；存货增速常年跑赢收入增速；频繁更换会计师事务所，尤其大所换小所，在这副耳朵里是杂音。还有最重的一条：预测一次爽约，信用折扣三年——这就是为什么假设要留修订记录，那不光是内控，是对外的信用资产。\n三、银行：听稳定，尤其听现金流的稳定 这副耳朵最保守。银行不听增长，听的是\u0026quot;还得上吗\u0026quot;——行业里有句大白话：银行借的不是最会赚钱的企业，是还款能力最好被预测的企业。\n他们在读什么。三样：审计报告的意见段、现金流量表的经营净额、应收账款的账龄。数字上有两把尺子——经营现金流对短期有息负债的覆盖率大于 1，主营业务自己能还钱；低于 0.5，在这副耳朵里等于\u0026quot;借新还旧\u0026quot;四个字。利息保障倍数不足 2.5，多数银行的风控表里已经亮黄灯。\n什么让你加分。审计意见标准无保留——保留、否定、无法表示意见这三类，很多读者直接跳过；账龄一年以上的应收占比在降；净利润现金含量长期不低于 100%，利润有真金白银托底。\n什么让你隐形。利润连年增长、应收连年暴涨——江苏太阳能那种净利润 10.65 亿、经营现金流负 24.4 亿的背离，银行和监管能一眼同时看见；关联方大额占款；审计费突然下调。这副耳朵还听得勤——贷后管理每个月都在通过结算流水听，平时的资金回款节奏，就是你在银行耳朵里的长期路演。\n四、监管：听真实，细节里全是信号 这副耳朵不听好坏，只听真假。问询函的每个问题，背后都是同一个追问——数字和事实对不对得上。\n他们在读什么。位置很特定：收入确认的时点与方法、关联交易的定价与披露、非经常性损益的划分、内控有效性评价。力度还在加码——资金流水核查的问询比例一年间从 42% 升到 76%，收入真实性覆盖七成项目；问询已常态化，沪深两所十年累计发出上万份。\n什么让你加分。收入确认按准则五步法走干净，合同流、发票流、资金流、货物流四流对得上；关联交易定价有第三方依据；内控评价不回避缺陷——主动披露并整改过的缺陷，在这副耳朵里反而是内控在运转的证据。\n什么让你隐形。回复躲闪——62% 的二次问询源于首轮回复没形成逻辑闭环，28% 的终止项目并非重大硬伤，只是没能打消疑虑；毛利率常年高出同行近二十个百分点却说不出所以然；还有年报里同一个数字在两处不一致——监管的眼睛对这种细节最敏感，一个数字打架，全篇口径陪葬。\n五、把耳朵语翻译回财务部的日常 外翻完视角，往回翻译。三只耳朵想听的，恰好对应三件作品各自长出的那部分：\n外面的耳朵 想听到什么 内部哪件作品在发声 投资人 口径稳、预测准 滚动预测模型的假设区与修订记录 银行 现金流稳、账龄清 月报看板的现金流视图 监管 数字真、留痕全 AI 使用守则与台账的留痕机制 看清这层映射才会明白三件作品真正的分量：你以为是给管理层做决策用的，其实每一件都在对外发声。预测模型在替你对投资人说\u0026quot;我的假设可追溯\u0026quot;，看板在替你对银行说\u0026quot;我的现金流有人盯\u0026quot;，台账在替你对监管说\u0026quot;我的每一步都留了痕\u0026quot;。\n三只耳朵，听的是同一套内功的三种投影。外面的世界不是在评你的报表，是在给你的判断力和纪律性定价——预测兑现是纪律，现金流稳定是纪律，留痕完整还是纪律。报表会过期，信用不会。\n结语：母题换了个方向读 会计人精通的从来不是工具，是业务。\n这一篇把它换到外面读：外部世界读你的财务部，读的也从来不是报表本身，是报表背后那套懂业务的痕迹——假设为什么这么定、现金流为什么这个节奏、口径为什么三年没动。报表是结果，业务才是原因；耳朵灵的读者，听的都是原因。\n下篇预告：装上了耳朵，下一篇装嘴——《CFO 的嘴：业绩说明会、银行年审和问询函，怎么答不丢分》。三只耳朵各有一套追问的套路，也就各有一套答问的手艺：投资人的尖锐问题怎么接、银行的指标短板怎么讲、问询函的回复怎么写才能一轮过——三段式闭环那套打法，从 IPO 场景下放到日常。\n旧系列（工具与职业，完结，十四篇）：《Excel 函数的本质》→《LAMBDA 实战》→《部门函数库十讲》→《递归》→《Power Query》→《Power Pivot 与数据模型》→《终点站 Power BI》→《下一程 SQL》→《和 AI 同桌》→《会计人的第二曲线》→《财务 BP 的第一张底稿》→《数据财务的第二件作品》→《内控与 AI 治理的第三件作品》→《三件作品之后》。\n新系列（外部视角）：本篇为开工篇。\n","permalink":"https://cfo580.cn/article/cfo-de-er-duo-tou-zi-ren-yin-hang-he-jian-guan/","summary":"同一个财务部，在投资人、银行、监管耳朵里是三种完全不同的声音。这篇新系列开工篇替 CFO 装三只耳朵：投资人听增长质量、银行听偿债确定性、监管听数字真假，并各自给出加分项与隐形项——你以为是给管理层做决策用的，其实每一件作品都在对外发声。","title":"👂 CFO 的耳朵：投资人、银行和监管，怎么读你的财务部"},{"content":"——职业篇收官——三件作品组装成一个部门\n引子：五年后的一个周一 先速写两个画面。\n今天的周一早上：月结进行到第三天，核算组的同事在贴凭证、对往来、改报表，出差回来的 BP 把看到的问题记在本子上，AI 治理还只是一句口头提醒。所有人都在忙，但领导问一句\u0026quot;下季度现金流撑不撑得住\u0026quot;，整个部门要花三天才能给出答案。\n五年后的同一个周一：共享中心凌晨已跑完全部核算，月结中午收口；BP 正在业务部门开定价会，笔记本上开着滚动预测模型；数据财务盯着偏差监控区，两个标红的假设等着下午和销售、采购一起修订；AI 台账上，上周十七次 AI 辅助分析，全部通过人审签出。\n两个部门的区别，不在用了什么软件——在结构。三件作品已经各就各位：BP 的底稿、数据财务的模型、内控的守则。这一篇回答收官之问：当它们组装成一个部门，财务部长什么样，还需要这么多人吗？\n一、先回答最尖锐的问题：还需要这么多人吗 绕是绕不过去的，直接给结论：总编制下降，降的是重复劳动；新编制上升，升的是判断岗位。财务部不会消失，但会换血。\n三个真实案例摆在一起看：\n案例 变化 某省属国企集团 原核算工作占比超 70%；共享后目标精简 80 人；某批 68 名财务人员分流为：30 人留任业务财务、29 人划转共享中心、9 人转岗退休 某区属国企 38 名财务人员，精简优选 18 名集中办公，其余转岗至管理部门 某千亿级物产集团 共享中心建成后，财务人员数量较传统模式减少超 50%，核心业务处理效率提升 75% 以上 三个样本，一个共同结构：缩掉的是\u0026quot;在各部门重复配置的核算岗\u0026quot;，保住和强化的是\u0026quot;分析、决策支持、风险管控\u0026quot;。巨化那个 30/29/9 的分流比例尤其值得盯住——它说明一件事：共享中心本身也吃不掉所有人，真正承接多数人的去向，是业务财务。\n行业侧的参照系：财务人员占全员比例的合理区间在 1.5%–3.5%，信息化程度越高越靠近下限；而转型完成的企业，财务团队 60% 以上时间投入战略分析，月结从 10 天压缩到 3 天。五年后你的部门落在区间的哪一端，取决于从现在起的迁移速度。\n二、组织怎么调：三支柱定型 五年后的主流结构，行业里已经有了名字——战略财务、业务财务、共享财务，三支柱。这不是新概念，但它真正落地成多数企业的标配，是未来五年的事。\n支柱 定位 典型岗位 对应系列哪件作品 共享财务（SSC） 数据工厂，集中处理核算、报支、报表 核算、资金结算、流程运营 系列工具篇的落地现场 业务财务（BP） 嵌进业务，做决策支持 销售 BP、成本 BP、项目财务 《财务 BP 的第一张底稿》 战略财务（COE） 定政策、建模型、管风险 口径与制度、数据建模、内控与 AI 治理 《数据财务的第二件作品》 、《内控与 AI 治理的第三件作品》 看清楚这个结构的妙处：三件作品刚好各占一柱。BP 底稿是业务财务的日常产出，预测模型和 AI 守则是战略财务的核心资产，共享中心则是工具篇九篇练出来的那台机器的集中安置点。职业篇三讲，其实一直在为这张组织图写岗位说明书。\n一柱内部再细看，缺口已经列在招聘网站上：财务 BP、经营分析、数据建模、AI 治理——每一条都对应系列里练过的东西，没有一条要你从零开始。\n三、考核怎么改：从\u0026quot;数对了没有\u0026quot;到\u0026quot;决策帮上了没有\u0026quot; 组织换了，考核不改，转型就是空转。现在多数财务部的 KPI 还停在第一代：凭证量、差错率、月结天数。这些指标五年后不会消失，但会降级为门槛项——做到不加分，做不到扣分。\n真正拉开差距的，是第二代指标：\n旧 KPI（门槛项） 新 KPI（增值项） 月结天数 决策就绪时间：业务提问到财务给出可用答案的时长 凭证差错率 预测准确率：关键科目预测与实际偏差 \u0026lt; 10% 报表按时提交率 分析采纳率：财务建议被业务部门实际采用的比例 报销审核时效 模型运行率：滚动预测、看板等作品持续在线的月数 （无） 风险拦截率：AI 输出经人审发现并拦下的异常数 （无） 业务伙伴满意度：业务负责人对决策支持的评价 新指标的共同特征一句话可以说尽：每一个都能连上一笔业务的成败。旧指标考\u0026quot;活干没干完\u0026quot;，新指标考\u0026quot;钱赚没赚到、风险防没防住\u0026quot;——这正是第一篇到第十四篇一直在说的那条线：工具是船，判断是水，考核最终只认水。\n顺带一条给财务经理的提醒：新指标上线前，先和业务负责人对一遍口径——\u0026ldquo;分析采纳率\u0026quot;里什么叫\u0026quot;采纳\u0026rdquo;，得双方点头才算数，不然半年后指标好看、业务不认，白忙一场。\n四、人怎么补：缺的岗位和它的人 编制和考核定了，剩下的是人。未来五年财务部最缺的三类人，画像已经清晰：\nBP 型：懂业务黑话、敢下判断、坐得住业务现场——上上篇的翻译对照表是他们的日常语言；数据型：管道、模型、口径、监控一肩挑——上上篇那五间房的房东；治理型：准则功底扎实、对风险敏感、能在 AI 输出里嗅出那三个异常——上一篇守则的执法者。\n而三类人的共同底座，还是那句写了一路的话：懂会计 + 懂数据 + 懂业务。单占一样的是操作员，三样通的是五年后财务部的中坚。\n五、下周一就能启动的三件事 收官不喊口号，给财务经理三件立刻能做的事：\n第一件，画你部门的\u0026quot;贬值/升值表\u0026quot;。把现有每个人的工时按\u0026quot;事务性/判断性\u0026quot;拆一遍，得出你的自动化敏感度——这是组织调整的第一张底稿。\n第二件，挑一个业务单元试点 BP。不用全员转型，选一个最开放的业务负责人，派一个人嵌进去跟三个月，用一份三段式分析验货——成了，再复制；不成，回来改作品。\n第三件，把 AI 台账先建起来。不用等公司发文，Excel 三列五列本周就能跑——守则可以晚一步，台账不能晚一步，因为台账本身就是守则的地基。\n结语：母题的最后一次出场 十四篇走完，最后把整条线铺开看一眼：\n公式解决一格，函数解决一类，封装解决一套准则，递归解决一层深度，Power Query 解决一个循环，数据模型解决一张网，Power BI 解决一次分发，SQL 解决一个源头，AI 同桌接管操作，第二曲线指明迁移，三件作品各奔一条路——而这一篇，把它们组装成一个部门。\n回头看，这个系列其实只讲了一件事：一个手艺人，在工具换代的年代里，怎样把自己的判断一层层固化成结构——固化进函数、固化进模型、固化进作品、最后固化进组织。工具每一代都在变，固化的动作一次没变过。\n母题，最后一次出场：\n会计人精通的从来不是工具，是业务。\n第一篇写它，是劝你别背函数；今天写它，是这门手艺的全部答案——五百年里记账的工具换了八代，而\u0026quot;定口径、做判断、担责任\u0026quot;这件事，从复式记账的第一笔分录起，就长在业务那边，从来没长在工具这边。\n工具的连载，到此收笔；业务的课，自己接着上。\n附一：全系列目录（十四篇） 《Excel 函数的本质》 → 《LAMBDA 实战》 → 《部门函数库十讲》 → 《递归》 → 《Power Query》 → 《Power Pivot 与数据模型》 → 《终点站 Power BI》 → 《下一程 SQL》 → 《和 AI 同桌》 → 《会计人的第二曲线》 → 《财务 BP 的第一张底稿》 → 《数据财务的第二件作品》 → 《内控与 AI 治理的第三件作品》 → 本篇。\n附二：遗留问题清单 系列里点到为止、值得单独立篇的题目，列在这里备查：业财融合的例会机制怎么设计；BP 的\u0026quot;分析采纳率\u0026quot;如何量化不被玩坏；共享中心人员的晋升通道与职业倦怠；AI 审计的取证标准与准则衔接；非营利组织和国企的转型差异路径；Excel 技能在工具快速迭代下的保鲜策略。\n下篇预告：从\u0026quot;部门内部\u0026quot;转向\u0026quot;部门外部\u0026quot;——《CFO 的耳朵：投资人、银行和监管，怎么读你的财务部》。五年后你的财务部练成了三支柱，可外部世界读到的只是三张表和一个口径——他们各自在找什么信号、什么会让你加分、什么会让你隐形？视角外翻，作为新系列的开工篇。\n","permalink":"https://cfo580.cn/article/san-jian-zuo-pin-zhi-hou-cai-wu-bu-de-xia-yi-ge-wu-nian/","summary":"BP 的底稿、数据财务的模型、内控的守则——三件作品各就各位之后，它们如何组装成一个部门？这篇职业篇收官，正面回答最尖锐的问题：财务部还需要这么多人吗？","title":"🏛️ 三件作品之后：财务部的下一个五年"},{"content":"——往规则走的那条路，从一份守则开始\n引子：三页 PPT 里的三个异常 先看一场还没发生、但随时可能发生的会议。 小张用 AI 写了本月费用分析，图表齐全、措辞老练，会议前一晚发到大群。第二天领导翻到第三页停住了：管理费用环比降了 40%，折旧却凭空多出一笔，还有个数字和总账对不上。三个异常，会前无人发现——写的人没核，看的人以为有人核了。 这就是没有守则的样子：人人都在用，没人负责，出了事找不到那道闸门。员工用 AI 干活早已是进行时，多数公司的应对却停在\u0026quot;大家注意保密\u0026quot;一句口头提醒上。 监管这边已经动起来了。中注协 2026 年 3 月发布年报审计 AI 风险提示，划出红线：涉密信息不得输入公共 AI 平台，AI 不能替代专业判断、不减轻执业责任。财政部数智化指导意见把\u0026quot;内部控制数智化应用\u0026quot;单列成项，把\u0026quot;安全可控\u0026quot;写进基本原则。政策有了，落到你部门里的，还得是一份能执行的守则。 而这份守则，该由财务人来写。\n一、凭什么轮到你 三个理由，每个都长在你的职业基因里。 内控基因。不相容职务分离、授权审批、复核签章——这套体系你运转了半辈子。AI 治理的要害与它同构：工具准入要审、输出要复核、责任要到人。企业 AI 政策的通用条款，翻译过来大半是内控老话。 审计轨迹。\u0026ldquo;没有留痕就没有复核\u0026rdquo;——这话你在审计课上学、在底稿里练。AI 台账的道理一模一样：什么任务、什么工具、什么提示词、人工核了哪几项，一条不落。 责任签署。签字栏里只有人名，这个规矩换什么工具都不改。安永首席合伙人的表述更直接：全流程每一道复核节点，对应的都是第一责任人，必须独立核验 AI 输出。这条你天生就懂——审计师的签字权从立卷那天起就没让渡过。 三条理由凑齐，结论可以写进底稿：写这份守则，你不是新手，是老手换考场。\n二、五条守则总览 先给全貌。每条守则配一个会计制度原型——你会发现没有一条是全新的：\n守则 一句话 违规后果 会计制度原型 一：数据脱敏 涉密不出门 泄密、监管处罚 保密与档案制度 二：输出标注 AI 参与要亮明身份 误导他人、追责无门 底稿编制/复核标识 三：人审签字 未经人审不得出门 差错直接追到人 凭证复核签章 四：追溯留痕 用了什么、核了什么，记下来 无法复盘、无法免责 审计轨迹、会计档案 五：违规处置 规矩要有牙 出事找不到责任人 内控缺陷问责 下面逐条展开，每条给\u0026quot;怎么做\u0026quot;的抓手。 三、守则一：数据脱敏——凭证不出档案室，摘录可以借阅 红线先立住：客户数据、薪酬、未公开财报、身份证号、银行账号、密钥口令——一概不得输入公共 AI 平台。这不是建议，是已成文的行业规范。 落地靠数据分级，三档清清楚楚：\n公开信息：可自由使用 AI； 内部信息：脱敏后可用——姓名打码、账号隐中段、金额留区间、公司名泛化； 涉密信息：只走内网或经安全评估的私有化部署，公网一律禁入。 给员工一句白话版更好记：凭证不出档案室，摘录可以借阅——向 AI 提问时，问的是逻辑，不是抄的是数据。 四、守则二：输出标注——AI 参与要亮明身份 类比还是从底稿来：助理编制、项目经理复核、签字注师签发，每一道工序都留名。AI 时代加一条：AI 参与了起草的文件，标注出来。 标注不是自首，是分流：对外报送的、给监管的、给客户的，标注后走更严的复核；内部草稿、头脑风暴，标注后按普通流程走。没有这条分流，复核资源会在\u0026quot;每一份都当成 AI 写的\u0026quot;和\u0026quot;每一份都当成没人写\u0026quot;之间反复横跳——两种极端都是灾难。\n五、守则三：人审签字——未经人审不得出门 这是五条里最硬的一条，也是中注协反复强调的那条：AI 不能替代专业判断，不减轻执业责任。 制度化的写法是分级复核：\n对外文件、涉及金额的结论：高阶复核，主管签字后出门； 内部分析、草稿：同侪互核； 纯整理类（会议纪要初稿）：本人自核，责任自负。 \u0026ldquo;AI 写的\u0026quot;在守则里不是免责理由，是加急复核标记。开篇那三个异常，只要这一条在，一个都出不了门——AI 可以起草，签字栏里没有它的名字。 六、守则四：追溯留痕——没有留痕，就没有复核 中注协要求按审计准则第 1131 号，在工作底稿中充分记录 AI 工具的使用过程、结果，以及对结果的分析与采纳。这是给事务所的要求，企业照着建一份轻量版 AI 台账即可，四个字段： 任务、工具、提示词、人工核验项。Excel 三列五列就能跑，别上系统。 留痕的价值是双向的：出了问题，能复盘到哪一步引入的错；没有问题，这就是你尽职履责的证据链。审计对象在扩编，审计责任没扩编——上一句在《和 AI 同桌》那篇说过，这一篇把它变成表结构。\n七、守则五：违规处置——规矩要有牙 没有处置条款的守则，和没有罚则的合同一样，只是行为艺术。三档够用：\n初次违规：提醒加复训； 再犯：通报，纳入年度内控评价； 造成损失：按损失追责，与薪酬绩效挂钩。 配套一条准入规则，来自安永的建议：每引入一款新 AI 工具、每次版本升级，做一次风险评估，分级分类管起来。工具清单动态维护——批准的、限制的、禁用的，三列更新。 规矩没有牙，就只是墙上的字。 八、附：AI 使用守则速查表 守则写完，给一张能贴在工位上的速查表——发布前三问、日常三查： 发布前三问：这份数据脱敏了吗？这份文件标注 AI 参与了吗？这行结论有人签字吗？ 日常三查：我用的工具在批准清单里吗？这次任务记进台账了吗？这个输出我独立核验过吗？ 三问三查全过，放行；任何一问卡住，退回上一道工序。守则的价值不在纸面上，在这六问的肌肉记忆里。\n结语：第三件作品，也是五百年的老规矩 职业篇走到这里，三件作品齐了：BP 的底稿往业务走，数据财务的模型往数据走，内控的守则往规则走。 看清这份守则的真身——五条守则，没有一条是 AI 时代的新发明。脱敏是保密制度，标注是底稿标识，人审是复核签章，留痕是审计轨迹，处置是内控问责。五百年复式记账攒下的家底，这次只是添了一个新对象。工具从算盘换到大模型，要防的从来是同一件事：账不对、数不实、责不清。 母题这一篇这样说：\n会计人精通的从来不是工具，是业务。 工具篇里它劝你别背函数，职业篇里它变成一个动作——把准则的功底，铺到机器决策的每一道闸口上。第三条路径的本质，就是让最懂\u0026quot;定规则、作判断、担责任\u0026quot;的人，去管最不懂这些的机器。\n下篇预告：职业篇收官——《三件作品之后：财务部的下一个五年》。BP 有了底稿，数据财务有了模型，内控有了守则——然后呢？财务部的组织怎么调、考核怎么改、编制怎么定，以及那个绕不开的问题：那时候的财务部，还需要这么多人吗？\n系列目录：《Excel 函数的本质》 →《LAMBDA 实战》 →《部门函数库十讲》 →《递归》 →《Power Query》 →《Power Pivot 与数据模型》 →《终点站 Power BI》 →《下一程 SQL》 →《和 AI 同桌》 →《会计人的第二曲线》 →《财务 BP 的第一张底稿》 →《数据财务的第二件作品》 → 本篇。\n","permalink":"https://cfo580.cn/article/nei-kong-yu-ai-zhi-li-de-di-san-jian-zuo-pin/","summary":"人人都在用 AI、没人负责、出了事找不到闸门——这份守则该由财务人来写。五条守则没有一条是 AI 时代的新发明：脱敏是保密、标注是底稿标识、人审是复核签章、留痕是审计轨迹、处置是内控问责。五百年复式记账攒下的家底，这次只是添了新对象。","title":"🛡️ 内控与 AI 治理的第三件作品：一份让 AI 不闯祸的使用守则"},{"content":"——作品思维，把判断固化成会自己跑的模型\n引子：一份每月重生一次的月报 先看一件大多数财务都做过的事。 月末结账后，你打开上月那张月报模板，把新数据粘进去，调三处图表，改一下月份标题，导出 PDF，发到群里。耗时两个下午。下个月，重来一遍——数据是新的，动作是旧的，模板是三年前的。 某天领导在会上说了句\u0026quot;小王对数据的感觉不错\u0026quot;，你心里一暖，然后又觉得哪里不对：三年了，你的产出物没有任何变化——每个月都是从零开始的单件交付，像手工课上每人捏一个杯子。 再想一层：如果下月你休假，这张月报能自己出来吗？ 答案决定了一件事的分野——技能，还是作品。技能长在人身上，人不在就停摆；作品是离开创作者仍能运行的结构——技能的载体，判断的固化，可以交付、可以迭代、可以在你不在场时继续产生价值的机器。 简历上那行\u0026quot;熟悉数据分析\u0026quot;说的是技能；面试官要看的东西，是作品。上一篇讲 BP 的第一份底稿，这一篇讲数据财务的第二件作品——从一份月报，长成一个滚动预测模型。\n一、月报的死穴：它只回答\u0026quot;过去怎么样\u0026quot; 先给月报应有的尊重：它没错，它是所有财务模型的起点。但要看清它的三个先天局限： **它是快照，不是流水。**每月一张静态图，月中发生的一切变化都不会让它动一下。领导月中问\u0026quot;这个月会不会超\u0026quot;，月报没有答案——它的使命在月末才生效。 **它解释不了偏差。**预测缺口 500 万、实际缺口 700 万，那 200 万偏差来自哪——回款慢了？付款提前了？某项费用炸了？静态月报无法回答，预测做一轮错一轮，错误却从不沉淀成改进。 **它没有出口。**月报的终点是\u0026quot;看完了\u0026quot;，然后就停在会议室里。没有一个动作挂在它后面。 所以月报的进化方向，不是做得更漂亮，而是让那三个死穴各长出一个器官：会动的、能解释的、连着决策的——这三个器官装上，它就不再是一张月报，是一个滚动预测模型。\n二、核心概念：滚动预测，是\u0026quot;自己会跑的一套判断\u0026quot; 滚动预测的机理，先看清楚： **预测周期恒定。**永远向前看 12 个月（或 13 周），每关掉一个月，实际数替换掉预测数，末端加上一个新的未来月——像传送带，前面吞掉一个月实况，后面吐出一个月预测。 **实际数自动替换。**关账后，实际值直接盖掉预估值，预测永远踩在最新的事实上。 偏差是学习信号，不是考核指标。同一类偏差反复出现，说明的不是\u0026quot;这个月表现不好\u0026quot;，而是\u0026quot;这个假设本身错了\u0026quot;——修正假设，下轮预测就准一分。这一点是整个体系的灵魂，后面单独展开。 而模型背后的方法论，四个字：假设驱动——不拿历史数据做直线外推，而是把利润拆成一组可被业务动作影响的驱动因子（销量、单价、折扣、回款天数、产能利用率……），每个因子独立假设、独立验证。Aberdeen 的研究给过一个数：用驱动型滚动预测的企业，预测准确率比用财务外推的高 24%。 机理很直白：每个假设单独可测，错在哪一查便知；一锅烩的总量外推，错了只能整体蒙。 翻译成一句大白话：滚动预测不是一张更聪明的报表，是一套把财务判断固化下来、让数据自己推着走的机器。驱动假设是你定的，替换逻辑是你写的，偏差监控是你设的——模型跑起来之后，每月做的只剩一件事：看偏差、修假设。\n三、演进路径：三步，一件作品的三次脱壳 从月报到预测模型，不是一步跳到位，是三次蜕皮。每一步的用户、产出、时间指向都不同：\n阶段 产出形态 回答的问题 用户 判断藏在哪 一：月报看板 静态月报 → 自动刷新看板 过去发生了什么 领导（看） 口径和维度设计 二：偏差分析 看板 + 预算/预测对比 差异来自哪里 领导 + 业务负责人 归因的拆解逻辑 三：滚动预测 驱动因子模型 + 恒定周期 接下来会怎样、该怎么办 决策层（用） 假设与修订规则 三步各有各的判断，串起来才是一件作品。逐个说。 第一步：月报看板——先让\u0026quot;粘数据\u0026quot;这件事消失 起点不是预测，是把手工月报升级成自动刷新。第十篇到第七篇教的全套家当，在这里一次用齐：\n数据进管道：Power Query 从 ERP、CRM、报销系统各接一根管子，每月刷新一次（第七篇）； 管道进模型：数据模型里搭好客户、产品、区域、日期四张维度表围着一张事实表（第六篇）； 模型出口径：每个报表指标是 DAX 度量值——\u0026ldquo;营业收入\u0026quot;的公式写一次，处处可用（第六篇）； 口径出看板：Power BI 画布上拖出利润、毛利、费用三大块，配同比环比（第五篇）。 这一步交付之后，月末出报表从两个下午变成十分钟——这是作品的第一块试金石：创作者不在场时，它还转吗。 但此时的看板仍然只看过去。第二步在它身上接一个对照系。 第二步：偏差分析——给看板装上\u0026quot;差异从哪来\u0026quot;的透镜 在自动看板旁边，并排挂上预算数和上期预测数，每关一个月，三列并比。 关键动作只有一个：偏差拆解。不是报一个总差异，而是拆到驱动因子：量变了还是价变了、临时性还是持续性、一单的事还是一片的事。某客户回款晚了是一回事，整组客户的回款天数在漂移是另一回事——决策含义完全不同。 这一步开始有了预判的雏形：看板能告诉你\u0026quot;为什么上月的预测错了\u0026rdquo;，于是隐约指出了\u0026quot;下月哪些假设该改\u0026quot;。距离一个真正的预测模型，还差最后一块：把假设管起来。\n第三步：滚动预测——让假设成为模型的\u0026quot;心脏\u0026quot; 真正的滚动预测，在整套结构里多出一个此前没有的房间：关键假设区。 驱动因子假设表（示例）：\n驱动因子 假设值 历史依据 责任人 修订记录 月均销量 42,000 件 近 12 月均值 41,300 销售总监 6 月由 45,000 调降 客单价 86 元 上季均价 85.2 销售总监 未修订 回款天数 45 天 近 6 月均值 43 天 区域经理 7 月由 40 天调升 折扣率 4.5% 上年同期 5.1% 销售总监 未修订 变动成本率 62% 标准成本 + 价格联动 采购经理 6 月因涨价上调 五个假设，五个业务口的人——这是运营环节最重要的一条铁律：财务不能独占所有假设。销售管销量和报价、采购管成本、运营管产能和交付、财务管模型和合并。假设全攥在财务手里的预测，业务只会说\u0026quot;那是你们算出来的数\u0026quot;——预测一旦没有业务认领，就注定只是财务部的自娱自乐。 模型里再配一个情景层，不另起炉灶：基础/乐观/保守三套情景就架在同一个模型上，只是关键假设的取值不同。乐观情景不是\u0026quot;所有假设都乘以 1.2\u0026quot;，而是\u0026quot;两个关键驱动因子各上一档，剩下不动\u0026quot;——逻辑清楚，才经得起质询。 每月的运营动作只有四件事，一个循环： 关账 → 实际数自动替换上月预测 → 偏差拆解（哪个假设错了、是偶发还是惯性） → 修订假设、在末端加上新的未来月 十五分钟一轮。模型建成之日，就是手工制作终结之时——这四件事做完，你的\u0026quot;分析能力\u0026quot;就住进了一件作品里，从此不用每月重造一遍。\n四、实操骨架：一个最小可用模板 三步演进讲完，给一个能直接照着搭的分区结构——五个房间，各管各的，互不混杂： **房间一：关键假设区。**所有驱动因子假设、责任人、历史依据、修订记录，集中一处。这是模型的驾驶舱——任何人打开模型，第一眼该看见的就是这里。假设是全模型唯一允许\u0026quot;拍脑袋\u0026quot;的地方，所以必须放在明面上，让人看得见、改得着、追溯得到。 **房间二：自动刷新区。**实际数据接入、预算/预测表、所有度量值口径。这块是纯机器领地——人不干预，刷新即新。 **房间三：偏差监控区。**逐因子列示\u0026quot;上期预测 vs 本期实际\u0026quot;，并标注\u0026quot;偶发/惯性\u0026quot;。惯性偏差标红的，就是下月假设修订的必改项。 **房间四：滚动输出区。**未来 12 个月恒定窗口的预测值，三套情景并排。末端那个月永远是最远的新增月。 **房间五：假设修订记录区。**谁、什么时候、为什么把哪个假设从多少改成了多少。这是整个模型最重要的房间，却最常被省略——没有修订记录，模型每轮都像重新拍了一次脑袋；有了它，模型的每次\u0026quot;变准\u0026quot;都有出处可查。 五间房加一个假设表，就是一个最小可用的滚动预测模型。不用贪大——行数控制在 12 到 20 行核心驱动因子，足够大多数业务用。预测模型被放弃，头号原因是贪大——六十行的模型没人会每周更新，二十行的活模型胜过两百行的死文档。\n五、避坑清单：三个一上线就会踩的坑 坑一：假设硬编码埋在公式深处。\u0026ldquo;月均销量 42000\u0026quot;直接写死在度量值里——想改假设，得改公式。这是作品思维的第一反例：假设必须住进驾驶舱，不许埋进引擎。防御方法只有一条：所有可变参数集中到假设区，公式只引用、不存储。 坑二：预测口径与财务口径不一致。销售说的\u0026quot;回款\u0026quot;含税、财务记的不含税；业务算的\u0026quot;销量\u0026quot;按发货日、财务确认收入按验收日——两套口径一碰头，预测和实际永远差一截，而你说不清差的是业务还是口径。第一篇讲过的\u0026quot;文本数字\u0026quot;坑，在这里升级成了体系性风险。防御：模型上线前，把每个字段的口径写成半页说明，挂进假设区旁边——口径统一是自动化的前提，不是它的副产品。 坑三：没有偏差复盘，预测做成了形式。月月做预测，月月对不上，但从不回头问\u0026quot;哪个假设错了\u0026rdquo;——于是预测准确率永远原地踏步。这正是死穴之二没解决的样子。防御：偏差监控区设一条触发规则——同一因子连续三个月同方向偏差，强制启动假设修订评审**。预测模型的价值不在\u0026quot;准\u0026quot;，在于\u0026quot;每次不准之后都知道该改哪。\n六、结语：作品是判断的存款 回望系列：公式解决一格，函数解决一类，封装解决一套准则，递归解决一层深度，Power Query 解决一个循环，数据模型解决一张网，Power BI 解决一次分发，SQL 解决一个源头——工具篇九篇，练的全是这台机器的零部件。 职业篇走到这里，零件组装成了两件作品：BP 的第一份底稿（往业务走），数据财务的预测模型（往数据走）。 看清楚这一篇真正在说什么：模型不是一堆公式，是把判断固化成结构的过程。你在假设区写下\u0026quot;回款天数 45 天\u0026quot;的那一刻，就是在把经验变成参数；你在偏差区记下\u0026quot;这个假设连续三个月偏了 5 天\u0026quot;的那一刻，就是在把纠错变成机制。 技能是收入，月月清零；作品是资产，逐月增值。技能离开你就停转，作品在你不在场时照样跑。第二曲线真正的启动资金，不是又学一门新工具，而是把前九篇的零件和十年的判断，组装进一件能自己跑的东西里。 母题这一篇这样说：\n会计人精通的从来不是工具，是业务。 工具篇里，这句话是劝你\u0026quot;别背函数\u0026quot;；职业篇里，它变成一个动作——把你对业务的判断，写进模型的假设区；把你的纠错直觉，写进偏差监控的触发规则。模型跑得越久，你的判断在里面存得越厚。 这才是作品思维和技能清单思维的分界线：技能清单上写的是\u0026quot;会用 Power BI、会写 DAX、懂 SQL\u0026quot;——这些都是形容词；作品的交付物是一个假设表、一条替换规则、一份修订记录——这些是名词。市场上形容词永远供过于求，名词永远稀缺。\n下篇预告：职业篇第三讲——《内控与 AI 治理的第三件作品：一份让 AI 不闯祸的使用守则》 。BP 往业务走，数据财务往模型走，第三条路往规则走：当公司里人人都在用 AI 出数、出分析、出报告，谁来做那道\u0026quot;人审的闸门\u0026quot;？财务人写 AI 使用守则，凭什么最有资格？\n系列目录：《Excel 函数的本质》 →《LAMBDA 实战》 →《部门函数库十讲》 →《递归》 →《Power Query》 →《Power Pivot 与数据模型》 →《终点站 Power BI》 →《下一程 SQL》 →《和 AI 同桌》 →《会计人的第二曲线》 →《财务 BP 的第一张底稿》 → 本篇。\n","permalink":"https://cfo580.cn/article/shu-ju-cai-wu-de-di-er-jian-zuo-pin/","summary":"月报只回答过去，滚动预测回答接下来怎么办。把月报拆成自动看板、偏差分析、假设驱动的预测模型三次脱壳，最终把财务判断固化成离开你也能自己跑的结构——这才是第二曲线的启动资金。","title":"🧩 数据财务的第二件作品：从一份月报到一个滚动预测模型"},{"content":"——实战篇——翻译这门手艺，从纸上到会议室\n引子：三十分钟的分析，换来一句话 先看一场真实规格的会议。\n季度经营分析会，会计团队用三十分钟展示了一份精细的成本分析报告——图表齐全、勾稽无误、结论严谨。业务主管听完，只回了一句：\u0026ldquo;说重点吧，这些数据能让我下个月多卖多少货？\u0026rdquo;\n会议室里那阵尴尬的寂静，每个转岗 BP 的人都闻过。数据没错，辛苦没白费，错的是语言——你讲的是财务的黑话，他讲的是业务的黑话，两套黑话在同一张会议桌上互相穿过，谁也没落进对方耳朵。\n上篇说财务 BP 的关键是\u0026quot;把财务语言翻译成业务语言\u0026quot;，听起来像句正确的废话。这一篇干一件事：**把这句废话拆成能上手练的活。**一张对照表、一份模板、三个场景、一次纠偏——BP 的第一张底稿，就该这么写。\n一、先懂\u0026quot;黑话\u0026quot;的另一头：业务到底在焦虑什么 翻译之前，先听懂对方在说什么。业务部门的日常焦虑，其实高度稳定：\n销售总监在愁什么？竞品降价了、渠道压货了、新客进不来了、这个季度的缺口还差三百万。采购经理在愁什么？供应商又涨价了、采购标准被研发改了、老物料停产了。运营在愁什么？库存压着钱、呆滞料占着仓、产能排不满。\n而你的报告上写着什么？\u0026ldquo;A 产品毛利下降 0.8 个百分点，建议关注成本端。\u0026rdquo;\n你说的每一句都对，但没有一句和他此刻的焦虑对得上。这不是他不懂财务，是你的信息在他的决策清单上排不上号。调研里那个数字再引一次：73% 的非财务管理者认为会计信息与业务决策关联性弱——关联性弱，不是专业性弱。\n所以第一张底稿的起点，不在 Excel 里，在业务现场：动笔之前，先去找业务聊十分钟，问一句\u0026quot;最近什么事最头疼\u0026quot;。你带着他焦虑的那个问题去取数、去做分析，报告还没写，就已经赢了一半。\n二、对照表：从财务话到业务话 翻译不是美化措辞，是换一套度量衡——把比率换成钱、把历史换成未来、把判断换成动作。\n财务的说法 业务的黑话 为什么有效 \u0026ldquo;应收账款周转天数上升了 12 天\u0026rdquo; \u0026ldquo;客户欠我们的钱多压了 12 天，相当于白借给客户一笔钱，够再投一个 XX 项目\u0026rdquo; 把比率换成了钱的场景 \u0026ldquo;存货周转率恶化\u0026rdquo; \u0026ldquo;仓库里的货要多压 20 天才卖得动，每天压着 200 万现金不放\u0026rdquo; 抽象指标换成现金流冲击 \u0026ldquo;毛利率下滑 2%\u0026rdquo; \u0026ldquo;每卖一件，比上月少赚 18 块，全月少赚 90 万\u0026rdquo; 把百分比落到\u0026quot;件\u0026quot;上 \u0026ldquo;该产品 IRR 低于资本成本\u0026rdquo; \u0026ldquo;这钱投进去，8 年才回本；投到 XX 项目，14 个月就回本\u0026rdquo; 用回本速度代替折现率 \u0026ldquo;费用率超预算 20%\u0026rdquo; \u0026ldquo;获客效率下降了——要保持现在的销量，获客成本得压到 XX 以内\u0026rdquo; 指标归因到对方能控制的动作 \u0026ldquo;管理费用超预算 10%\u0026rdquo; \u0026ldquo;差旅费每省 1 万，就能多铺 3 个商超终端\u0026rdquo; 把\u0026quot;省\u0026quot;翻译成\u0026quot;能多干成什么\u0026quot; \u0026ldquo;建议关注 A 产品盈利能力\u0026rdquo; \u0026ldquo;三季度费用率压不到 30% 以下，全年利润目标保不住\u0026rdquo; 含糊建议换成有数字的判断 这张表不是让你背话术。背话术的 BP，业务听两句就识破。要看清的是右边那列的三个共同特征——这也是翻译的三条语法：\n语法一：把百分比换成钱。 \u0026ldquo;12%\u0026ldquo;是抽象的，36,000 块是具体的；具体才产生紧迫感。\n语法二：把历史换成未来。财务看的是上个月发生了什么，业务要的是下个月怎么办。同一组数据，讲\u0026quot;趋势\u0026quot;不讲\u0026quot;快照\u0026rdquo;——单月数据总会被\u0026quot;那是个特殊月份\u0026quot;顶回来，六个月的趋势才没法回避。\n语法三：把结论换成动作。\u0026ldquo;需要关注\u0026quot;在审计报告里叫严谨，在经营分析会上叫含糊。业务要的是\u0026quot;下周一开工，先做这三件事\u0026rdquo;。\n三、模板：BP 分析的\u0026quot;三段式\u0026rdquo; 话术之外，给一个能直接套的骨架。业务最常问 BP 的问题是\u0026quot;这个项目能赚多少钱\u0026quot;——标准答案的结构就是三段式：数据 + 结论 + 建议。\n以一份项目测算为例：\n【项目盈利测算】 一、收入预测：基础 / 乐观 / 保守三个场景 二、成本结构：直接成本、固定分摊、变动成本率 三、利润测算：盈亏平衡点、12 个月累计利润、投资回收期 四、风险提示：最大风险点 + 压力测试（收入降 20%，利润剩多少） 五、建议：推进 / 暂缓 / 优化后推进 + 关键决策点 这个结构妙在哪？最后一行\u0026quot;建议\u0026quot;不是可选项，是必选项。 传统财务的产出物是报表，BP 的产出物是\u0026quot;建议 + 落地方案\u0026quot;。前者回答\u0026quot;钱去哪了\u0026quot;，后者回答\u0026quot;钱应该去哪\u0026quot;——这一行之差，就是两张底稿的分界线。\n配套三个分析套路，是这张模板的内在发动机：\n套路一：结构拆解，不做总数罗列。利润降 5%，不汇报\u0026quot;降了 5%\u0026quot;。一刀切开：结构上看谁在拖后腿（哪个产品、哪个客户），趋势上看是不是连续三个月在恶化，预算上看缺口还差多少、怎么补。口诀：总数看差异，结构看主体，趋势看惯性。\n套路二：归因映射，不停在财务现象。数据是结果，业务动作才是原因。看到收入下滑，去查是产能不足供不上货，还是报价比竞品高了 5%；看到成本飙升，去查是生产端返工率高了，还是物料标准变了。数据不会骗人，但数据不会自己讲故事——你得去业务现场，帮它讲出真相。\n套路三：价值预判，不做纯事后复盘。事前做投入产出分析，帮业务判断这个投放值不值；事中做滚动预测，提前预警\u0026quot;再不调整利润会翻车\u0026quot;；事后做归因，反哺下一轮预算。复盘证明你过去干得不错，预判证明你能帮公司赢未来。\n四、三个高频场景的开口方式 道理讲完，落到三个最常翻车的现场。\n场景一：月度经营分析会——别当报数员 最常见的翻车，是站起来说\u0026quot;本月收入增长 10%，费用超支 5%，毛利率下降 2%\u0026quot;——这是报数，不是分析。业务心里那句\u0026quot;所以呢\u0026quot;已经到了嘴边。\n正确的打开方式：只讲三件事——谁在拖后腿、为什么、建议怎么办。\n\u0026ldquo;本月利润缺口 60 万，50% 来自 A 产品销量下滑——根因是竞品降价 15%，把我们华东的单客毛利压掉了 20%。建议下周一由销售牵头、财务配合，出两版返点政策测算，周三前定哪一版。\u0026rdquo;\n对比一下开头那个场景。同样三十分钟，前者换来\u0026quot;说重点\u0026quot;，后者换来\u0026quot;财务说的有道理\u0026quot;——差距不在数据质量，在结构：归因到具体主体、说清业务根因、给出带时限的动作。\n场景二：项目投资评审——先算三本账 业务提方案，最怕财务只会说\u0026quot;不\u0026quot;。BP 的正确姿势是把\u0026quot;不行\u0026quot;换成\u0026quot;怎么行\u0026quot;。\n拿到方案，先算三本账：盈亏平衡点在哪、投资回收期多长、压力测试下利润剩多少。然后开口：\n\u0026ldquo;项目整体可行，盈亏平衡点月均 350 万，当前预测能覆盖。但获客成本 80 元偏高，比行业均值高 30%。建议先在三个核心城市试点，用数据验证获客模型后再复制——盲目的全国铺开，失败成本够再投两个试点。\u0026rdquo;\n看见区别了吗——没有一句\u0026quot;我不同意\u0026quot;，但每一句都在影响决策。这就是 BP 的表达方式：判断是锋利的，姿态是并肩的。\n场景三：预算超支追责会——先算账，再开口 这个场景最容易翻车，因为业务天然设防——他们默认财务是来追责的。\n第一步永远是把超支拆结构：超在哪一项、是量的问题还是价的问题、是一次性还是惯性。第二步是查业务根因——是供应商涨价（外部），是返工率上升（内部流程），还是当初预算漏了项（财务的锅，要认）。\n然后开口：\n\u0026ldquo;超支 80 万，60 万是原材料涨价，属于市场因素——这部分我来牵头做价格联动测算，下月调价方案出来。剩下 20 万是返工成本，环比连升三个月——这块和生产一起看，是设备问题还是工序问题。\u0026rdquo;\n先认外部因素，再谈内部因素；先给方案，再谈改进。顺序一变，会议性质就变——从追责会变成解题会。\n五、避坑清单：四个一开口就掉分的地方 坑一：术语轰炸。\u0026ldquo;权责发生制\u0026quot;\u0026ldquo;递延收益\u0026quot;\u0026ldquo;EVA\u0026rdquo;，在业务耳朵里是摩斯密码。术语本身没有错，错的是用它来建立专业感——专业感来自判断力，不来自词汇量。\n坑二：平均数分析。\u0026ldquo;平均毛利率下降 2%\u0026quot;——业务没法行动。总账层面的宏观结论，对改进没有用；要拆到产品线、区域、客户，才是业务能下手的地方。系列第九篇的 SQL 分组、数据模型的维度，在这里就是用武之地——工具是给业务颗粒度服务的，不是给自己看的。\n坑三：只有\u0026quot;是什么\u0026rdquo;，没有\u0026quot;所以呢\u0026rdquo;。数字罗列完整，建议止于\u0026quot;建议关注\u0026rdquo;。每一张图表，自问一句\u0026quot;看完该做什么\u0026quot;，答不上来的删掉。\n坑四：一次性分析，没有闭环。财务说\u0026quot;应收紧客户信用\u0026quot;，销售照签不误——久而久之，财务被当成挑刺的。真正的闭环是：每条建议指定责任人和时限，下月复盘进展，财务指标进绩效考核。有闭环，分析才有分量；没闭环，分析就是每月一次的表演。\n六、结语：翻译这门手艺，刚起头 系列走到这里，把上一个预告兑现了。从工具论到职业论，从升值三技能到三条路径，今天落到了第一条路径的第一份底稿。\n回头看，这一篇教的其实不是新东西——三段式是审计底稿的骨架，结构拆解是科目汇总表的思路，归因映射是审计程序里的分析程序，闭环管理是审计建议的跟踪落实。你早就会，只是对象从\u0026quot;账\u0026quot;换成了\u0026quot;人\u0026quot;，从\u0026quot;报表使用者\u0026quot;换成了\u0026quot;坐在你对面那个愁销量的销售总监\u0026quot;。\n母题，这一篇换个说法：\n会计人精通的从来不是工具，是业务。\n在工具篇里，这句话劝你别背函数；在职业篇里，它变成一个动作——走出办公室，去听懂对面那个人的黑话。翻译的两头，一头你已经精通了半辈子（财务），另一头，从今天这张对照表开始上手。\n下篇预告：系列职业篇的第二讲——《数据财务的第二件作品：从一份月报到一个滚动预测模型》。BP 是往业务走，数据财务是往模型走：一份人人都能看懂的月度看板，怎么长成一个能提前三个月预警的滚动预测？以及，为什么\u0026quot;作品思维\u0026quot;比\u0026quot;技能清单思维\u0026quot;更值钱。\n系列目录：《Excel 函数的本质》 → 《LAMBDA 实战》 → 《部门函数库十讲》 → 《递归》 → 《Power Query》 → 《Power Pivot 与数据模型》 → 《终点站 Power BI》 → 《下一程 SQL》 → 《和 AI 同桌》 → 《会计人的第二曲线》 → 本篇。\n","permalink":"https://cfo580.cn/article/cai-wu-bp-de-di-yi-zhang-di-gao/","summary":"系列实战篇。财务 BP 的关键是把财务语言翻译成业务语言——这篇把它拆成能上手练的活：一张财务话→业务话对照表、BP 分析三段式模板、三个高频会议场景的开口方式，以及四个一开口就掉分的坑。翻译的两头，一头是财务，另一头从这张对照表开始上手。","title":"🗣️ 财务 BP 的第一张底稿：如何用业务的黑话写财务分析"},{"content":"——系列第十篇：从\u0026quot;工具论\u0026quot;转向\u0026quot;职业论\u0026quot;，回望之后，向前看\n引子：两个数字，一个消息 先报两个数字，都是最近一年的行业实测。\n第一个：某大型集团的财务共享中心落地后，98% 的会计凭证由系统自动生成，70% 的单据实现自动化处理；同类企业的核算岗位，缩编幅度以六成计。第二个：一家制造业企业的会计凭证自动化率，从 70% 提升到了 92.72%——提升那 22 个百分点用的时间，比前一个 70% 短得多。\n再报一个更近的消息：2026 年 9 月 22 日，财政部就《关于加快推进会计数智化工作的指导意见》公开征求意见——数智化不是\u0026quot;要不要做\u0026quot;，是\u0026quot;必须做\u0026quot;，而且写明了时间表。\n把这两件事放在一起，结论可以预先写好：凭证录入、发票审核、银行对账、期末结转、一键申报——这些活，机器接手的速度，比大多数人换赛道的速度快。这不是未来时，是现在进行时。\n系列前九篇一直在练工具，这一篇换一个问法：当核算被自动化之后——注意，是\u0026quot;之后\u0026quot;——你的下一个十年，干什么？\n一、先把旧账盘一遍：哪些在贬值，贬得多快 做职业决策和做投资决策一样，第一步是盘点资产。把自己手上的活摊开，按两个维度打分：这件事被机器接手的难度有多低，接手之后省下的人有多少。\n现在的活 机器接手的难度 正在发生的事 凭证录入、发票审核 低——规则明确、重复高频 共享中心标配，自动化率八成起步 银行对账、往来核销 低——匹配逻辑清晰 RPA 基本盘，五分钟的活五十秒 标准化报表编制 低——格式固定 报表自动生成已在第二梯队规模化 基础涉税申报 低——政策规则化 智能申报第一梯队已落地 月度费用分析 中——有模板但要解读 管理报表自动生成试点中 预算编制与偏差分析 中高——要业务上下文 动态智能预算仍在试点打磨 投资测算、定价决策 高——要商业判断 大模型驱动的经营定价刚起步 内控设计、风险评估 高——责任无法外包 AI 治理岗反而新增 看清这张表的分界线了吗？**分界线不在\u0026quot;财务 vs 非财务\u0026quot;，在\u0026quot;规则明确 vs 需要判断\u0026quot;。**左边那五栏，就是你练了十年的基本功——练得越熟，越先被接走。行业里说的\u0026quot;基础核算环节 AI 替代率已超 85%\u0026quot;，指的就是左半张。\n右半张的活有共同特征：**答案不在账里，在业务里。**为什么这条产品线毛利连续下滑——账上只有数字，答案在采购部三个月前收到的那封涨价通知里。传统财务模式最大的病灶，恰恰是\u0026quot;业务在前、财务在后，财务永远在等数据\u0026quot;——等来的数据，只能当验尸官。\n盘完旧账，再说一条好消息：被腾出来的时间不会蒸发。传统财务团队 70% 以上的精力耗在事务性工作上——如果这部分交出去，剩下 30% 的\u0026quot;分析与管理\u0026quot;，就是第二曲线的启动资金。\n二、三条新曲线：往哪儿迁 迁移路径不止一条，但主流的就三条。每条对应前九篇练的一种能力，也对应上篇说的升值三技能之一。\n维度 路径一：财务 BP 路径二：数据财务 路径三：内控与 AI 治理 干什么 嵌进业务一线，做决策支持 搭数据管道与模型，做经营分析 校验 AI、管数据质量、守内控 赚哪份钱 判断的钱——业务怎么赚钱 效率的钱——数据怎么变决策 合规的钱——风险怎么防住 吃系列哪篇 《和 AI 同桌》定义问题 全系列九篇 《和 AI 同桌》校验与担责 门槛 懂业务、会沟通、能建模 系列九篇的工具栈 准则功底 + 技术理解力 市场温度 需求爆发，薪资高 30–50% 数字化岗位快速扩编 政策强制催生的新刚需 短板风险 脱离业务就退化成报销后台 工具会被 AI 接管更多 岗位新，路径尚在成型 三条路不是三选一锁死，而是三个方向不同、起点相同的岔口——起点都是你已经有的那本账。\n路径一：财务 BP——把判断卖到业务那边去 财务 BP 的官方定义可以背：嵌入业务、决策支持、价值创造。翻译成一句大白话：从\u0026quot;记录过去\u0026quot;变成\u0026quot;支撑决策\u0026quot;，从算账的变成帮业务赚钱的。\n它具体在干什么？举几件：新项目投不投——你算投资回收期和敏感性；新品定多少钱——你算盈亏平衡点和竞对毛利；这个月预算为什么超了——你拆出是量的问题还是价的问题，然后跟业务一起去查原因。\n这条路的真相，有一条被行业数据反复验证的鸿沟：调研显示，只有 27% 的业务部门把财务视为战略价值伙伴。换句话说，四分之三的财务 BP 岗位，实际上还在做\u0026quot;审核报销的后台角色\u0026quot;——顶着 BP 的头衔，干着核算的活。\n跨过这条鸿沟的关键动作只有一个：**把财务语言翻译成业务语言。**不说\u0026quot;存货周转率恶化\u0026quot;，说\u0026quot;仓库里的货要多压 20 天才卖得动\u0026quot;；不说\u0026quot;该产品毛利率低于盈亏临界\u0026quot;，说\u0026quot;卖一件亏一件，卖得越多亏得越多\u0026quot;。这一课，恰好是《和 AI 同桌》那篇的\u0026quot;技能一：定义问题\u0026quot;——只不过现在的翻译对象，从机器换成了业务同事。\n路径二：数据财务——把系列九篇的技能栈变成岗位 这条路的门槛，你已经跨过了。\n回望一下：Power Query 管数据清洗，数据模型管结构，DAX 管口径，SQL 管源头取数——这套组合拳，在招聘市场上叫\u0026quot;数据财务\u0026quot;或\u0026quot;经营分析\u0026quot;，正是 45% 传统岗位转型的主要去处之一。财政部《指导意见》里那句\u0026quot;管理会计与数智技术深度融合\u0026quot;，落到岗位上就是这个方向。\n它和路径一的区别在于：BP 深在业务，这条路深在数据。典型产出物不是一份分析报告，而是一个能反复运行的模型——滚动预测模型、现金流压力测试、客户盈利度分层。上篇讲\u0026quot;动态预算模型\u0026quot;的案例：把天气、促销、节假日做成参数，业务自己拖动门店数量，利润预测实时刷新，预算准确率提升 40%。\n这条路有一个隐性的坑要提前踩住：**工具是入口，不是护城河。**Power Query 的工序 AI 能写，DAX 度量值 AI 能生成——你真正的壁垒，还是那句母题：知道该建模什么、口径该怎么定、数字异常该往哪查。系列九篇教的工具是船，判断力才是水。\n路径三：内控与 AI 治理——新岗位，老手艺 这条路最少人提，但政策正在推着你走。\n财政部《指导意见》把\u0026quot;内部控制数智化应用\u0026quot;单列一项；安永报告把\u0026quot;AI 应用监督\u0026quot;列为新岗位需求——从\u0026quot;第三者\u0026quot;视角校验输入数据质量、评估 AI 输出可信度、管理算法风险。60% 的 CFO 把数据质量和算法偏见列为 AI 落地最大障碍——有障碍就有岗位。\n这个岗位的日常是什么？给 AI 生成的凭证做抽样复核；给数据管道设校验规则；给自动化流程留审计轨迹；给算法输出定问责机制。看得出来吗——这就是你干了半辈子的内控，只是审计对象从人工操作换成了机器决策。《和 AI 同桌》那篇的三条使用守则，放在这个岗位上就是岗位说明书。\n三条路摆在一起，选哪条不是选最美的一条，是选你现有资产离哪条最近：常年下车间跑客户的，去 BP；前九篇一路跟着练下来的，去数据财务；准则功底扎实、对风险敏感的，去治理。资产决定方向，而不是热度决定方向。\n三、一份不贩卖焦虑的行动清单 不喊口号，给可操作的动作。按时间排，每件都做得到：\n**第一个月——盘点。**把自己每天的活按第一节那张表过一遍，算出你的\u0026quot;事务性工时占比\u0026quot;。高于 50% 的，优先学工具交出去——不是学新工具，是把系列前九篇的旧账用起来。\n**第一季度——探路。**三条路径各找一个活体验：主动接一次跨部门的经营分析会；用 Power BI 搭一块业务看板；读一遍财政部《指导意见》原文和安永那份《财务的未来》。三个月够你判断自己离哪条路最近。\n**第一年——建一件作品。**三条路各对应一件作品：BP 是一份让业务同事看得懂、用得上的分析；数据财务是一个持续运行的预测或监测模型；治理是一份 AI 使用守则加一套落地台账。作品是第二曲线的注册资金——没有作品，简历上那行\u0026quot;熟悉数据分析\u0026quot;只是形容词。\n避开三个坑：\n其一，只考证书不动手。行业原话：\u0026ldquo;单纯依靠证书壁垒已难以适应行业变化\u0026rdquo;。CPA 仍是底座，但底座不叫第二曲线。\n其二，把工具当转型。学了 Power BI 不等于转型数据财务，会写 SQL 不等于会建模——判断题的答案不在软件里。\n其三，等公司安排。会计数智化的短板之一就是\u0026quot;复合型人才短缺\u0026quot;——企业自己都没想清楚怎么培养，等安排等于等缩编。\n结语：母题换了一个地方出现 回望这条线：公式解决一格，函数解决一类，封装解决一套准则，递归解决一层深度，Power Query 解决一个循环，数据模型解决一张网，Power BI 解决一次分发，SQL 解决一个源头，AI 接管了操作——十篇走完，机器能代劳的，都已经或正在代劳。\n于是这个问题终于可以正面回答了：你的下一个十年做什么？\n答案不在技能清单里，在一条转移线上：核算被自动化拿走的，是\u0026quot;算账\u0026quot;的活；留下来的，是\u0026quot;定口径、做判断、担责任\u0026quot;的活——而这三样，从前是财务职能里最不起眼的部分，现在成了核心。\n这不是财务人的退守，是这门手艺的复位。会计本来就是一门\u0026quot;定规则、作判断、负责任\u0026quot;的手艺——复式记账五百年，工具换了八代，签字栏里始终只有人名。只是过去这套功夫被淹没在 70% 的事务性工时里，今天机器把那 70% 拿走了，剩下的 30% 终于露出了它本来的分量。\n母题最后一次写出来，和第一篇一字不差：\n会计人精通的从来不是工具，是业务。\n十篇之前，这句话是为了劝你别背函数。十篇之后，它变成了一个职业判断：工具的连载收笔了，但\u0026quot;业务\u0026quot;这门课，才刚刚开始点名。\n下篇预告：《财务 BP 的第一张底稿：如何用业务的黑话写财务分析》 。翻译这门手艺，光懂道理不够——第一份经营分析怎么写、第一次业务会议怎么开口、第一次说\u0026quot;这个项目不能投\u0026quot;怎么说出口。\n系列目录：《Excel 函数的本质》 → 《LAMBDA 实战》 → 《部门函数库十讲》 → 《递归》 → 《Power Query》 → 《Power Pivot 与数据模型》 → 《终点站 Power BI》 → 《下一程 SQL》 → 《和 AI 同桌》 → 本篇。\n","permalink":"https://cfo580.cn/article/hui-ji-ren-de-di-er-qu-xian/","summary":"系列第十篇，从工具论转向职业论。当凭证录入、发票审核、银行对账、一键申报都被自动化接手，会计的下一个十年做什么？盘清贬值的旧账，给出财务BP、数据财务、内控与AI治理三条迁移路径，附一份不贩卖焦虑的行动清单。","title":"🧭 会计人的第二曲线：当核算被自动化之后，你的下一个十年做什么"},{"content":"——回望整条线，最后回答一个问题\n引子：五分钟，它把你的最后一站也拿走了 还记得上一站结尾那个场景吗？领导要\u0026quot;华东区、上半年、含税金额前二十的客户\u0026quot;，你在 ERP 里翻菜单、提需求给 IT、等排期。\n现在换一个场景。你把这个需求原样贴给 AI，五秒钟，它回你一段 SQL——SELECT、JOIN、WHERE、GROUP BY、ORDER BY，一应俱全，缩进工整，还附了一行解释。你复制、粘贴、运行，数出来了。\n这就是上一站整篇文章教会你的东西。AI 五秒钟拿走了。\n把镜头拉远一点，看这一路上你学过的所有技能，站在 AI 的视角盘一遍：写 XLOOKUP、写 LAMBDA、搭 Power Query 工序、建数据模型、写 SQL——你会的它都会，而且比你会得快。系列每一篇结尾都在说\u0026quot;母题不变\u0026quot;，到了这一篇，是时候正面回答那个悬在半空的问题了：\n如果操作工具这件事 AI 全都接手，财务人的价值还剩下什么？\n一、先看清\u0026quot;同桌\u0026quot;的真实水平 不夸不贬，把这位新同桌的能力边界画出来。\n它擅长的：写代码、写公式、解释报错、清洗数据、翻译语言——凡是\u0026quot;有明确输入输出规则\u0026quot;的活，它又快又稳。你花三个月学会的 SQL，它五秒生成；你练了十年的嵌套 IF，它闭眼写出。这一层，不必恋战，让它拿走。\n它不擅长的，恰好是前八篇里你花大篇幅练的那些\u0026quot;规则之外\u0026quot;的部分：\n它不知道你的口径。\u0026ldquo;上半年\u0026quot;是 1-6 月还是 4-9 月？\u0026ldquo;客户\u0026quot;按一级还是末级？\u0026ldquo;含税\u0026quot;含的是增值税还是全部价外费用？你公司\u0026quot;营业收入\u0026quot;的定义里，到底包不包括其他业务收入？这些问题没有标准答案，只有你公司的答案——AI 不会替你决定，它只能猜。\n它会一本正经地编。幻觉的本质是概率输出——它不知道真实答案，只是觉得某个答案概率更高就输出来了。让它写 SQL，它可以生成语法完美、表名和字段名却根本不存在于你数据库的查询；让它引用政策，它可以编出一条格式规范、卷号齐全、实则不存在的条款。近期实测数据显示，主流大模型里约八成存在超过 10% 的引用幻觉率。\n它不为结果负责。这一点最要害，单独展开。\n二、价值迁移：一条线，从会操作到会判断 盘完能力边界，结论可以写进底稿了：\n操作技能在贬值，判断技能在升值。\n贬值的是\u0026quot;知道怎么写\u0026rdquo;——语法、函数、菜单路径、操作步骤。这一层 AI 全能代劳，而且免费、秒回、不要加班费。\n升值的是\u0026quot;知道该写什么、写得对不对、错了谁担\u0026rdquo;——口径的定义、结果的校验、责任的签署。这一层 AI 一件也接不走，因为接走的前提是\u0026quot;懂你们公司的业务\u0026rdquo;，而这恰恰只存在于你的脑子里。行业访谈里说得很直白：未来财务人的护城河，不是把提示词写得多花哨，而是能不能把公司的规则、口径、流程说清楚、定下来——这需要对业务的深度理解，而这份理解不在 AI 的训练数据里，只在你这里。\n摊开看这张对照表：\n贬值项（AI 代劳） 升值项（你持守） 写公式、写 SQL 的语法 定义口径：把\u0026quot;上半年\u0026quot;翻译成明确的日期区间 记函数参数、菜单路径 拆解业务：把模糊需求拆成可执行的取数条件 生成初稿、起模板 校验结果：试算平衡、边界测试、抽查勾稽 解释报错、写文档 判断异常：知道\u0026quot;数字看着不对\u0026quot;该往哪查 清洗数据的体力活 担责任：签字权永远在人身上 左列是前八篇教你练的招式，右列是这一篇要说的内功。看清楚一件事：前八篇没有白学。左列的技能你练熟过，所以你有能力一眼看出 AI 写的对不对；没练过的人，连\u0026quot;它写得像不像回事\u0026quot;都判断不了。旧技能贬值，但学旧技能过程中长出来的判断力，正在升值——这是这一篇最重要的一个安心。\n三、三个升值的技能，逐个说透 技能一：定义问题——把\u0026quot;话\u0026quot;翻译成\u0026quot;口径\u0026quot; AI 的世界里有一条铁律：垃圾进，垃圾出。你给一个模糊需求，它回一个看似专业的答案；答案错不在它，在你的需求从没被定义清楚。\n财务人做这件事有先天优势，因为你们天天在干——把\u0026quot;利润\u0026quot;翻译成\u0026quot;利润表上的哪个科目、扣不扣所得税、含不含少数股东损益\u0026quot;，这不就是每张报表前的口径确认吗？\n好提示词的结构，其实是一份取数申请单。对比一下：\n模糊版：帮我写个SQL查华东区销售 合格版：凭证表 gl_trans 有字段 transaction_date、account_id、 dept_id、amount；客户名称在 dim_customer 表，按 customer_id 关联。要 2026 年 1-6 月（含1月1日，不含7月1日）、 部门=\u0026#39;华东\u0026#39;、科目以\u0026#39;6001\u0026#39;开头的主营收入，按客户汇总 含税金额降序前 20，输出客户编码、客户名称、金额合计。 请列出你做的所有假设。 后者消除了九成的出错空间。会写需求的人，AI 才是他的工具；不会写需求的人，AI 是他的坑。系列第八篇讲\u0026quot;取数口径权\u0026quot;，今天再进一步：AI 时代，口径定义权是最先升值的东西。\n技能二：校验结果——AI 的账，你来做审计 AI 输出的东西，正确的态度只有一种：当成新入职实习生的底稿——写得很漂亮，一道都不能少审。\n律师行业已经有过判例：律师把 AI 编造的判例直接提交法庭，被追责的是签字律师，不是 AI。司法实践的态度也很明确：成年人对 AI 生成内容负有二次核实义务，直接照搬而不核实，法院大概率认定用户自身过失。会计行业这个道理更古老——审计师用被审计单位 AI 生成的数据，异常仍需追加程序确认，证据不一致要保持职业怀疑。工具换了八代，这条没换过。\n校验 AI 的账，有具体的抓手，不是空喊\u0026quot;要复核\u0026quot;：\n查幻觉：让它跑一条你已知道答案的查询——比如 6 月凭证总笔数——对得上，再让它跑真任务；让它\u0026quot;列出你做的所有假设\u0026quot;，假设栏就是错误最常藏身的地方。\n试算平衡：AI 写完一段分析，总数和明细加一遍——差一分钱都不行，这是你从第一篇就在练的肌肉记忆。\n边界测试：故意喂一个已知答案的小样本，看它的逻辑在边界上站不站得住——上篇的\u0026quot;6 月 30 日 23:59:59\u0026quot;问题，AI 一样会犯。\n抽查勾稽：随机抽三笔，手工对一遍。这一套，就是审计程序本身——你不是在学怎么审 AI，你是早就会审，现在多了一个被审对象而已。\n技能三：承担责任——签字权永远在人身上 这是三样里最硬的一样。\nAI 生成的资产负债表、分录、预测，错了、用了、报出去了——董事会找的是 CFO，不是 OpenAI。法律层面已经落地：AI 不具有民事主体资格，做不出有约束力的意思表示；风险实质由用户承担，\u0026ldquo;内容由 AI 生成请仔细甄别\u0026quot;的提示不构成免责金牌。翻译成会计语言：AI 的输出可以进底稿，但不能直接出报表；它可以起草，签字栏里没有它的名字。\n对审计师来说，这条是刻在职业基因里的——项目报告的签字人是谁，从立卷那天起就定了，换什么工具都改不了。以前你审的是被审计单位的账，现在多了一项：审你自己用 AI 写出来的稿。审计对象在扩编，审计责任没扩编——还是你一个人的名字。\n四、AI 使用守则：写进部门准则的三条 技能之外，还有规矩。三条，建议直接抄进你们的部门准则，和《递归》那篇的\u0026quot;步数上限\u0026rdquo;、上篇的\u0026quot;取数守则\u0026quot;放在同一章——这一章的名字，从今天起叫\u0026quot;人机协作内控\u0026quot;。\n第一条：敏感数据不出门。客户明细、薪酬、未公开财报、身份证号、银行账号——一概不得输入公共 AI 平台。这不是建议，是已经成文的行业规范：中注协 2026 年年报审计指引明确要求，不得将涉密信息输入或上传至公共 AI 平台；六成以上会计师把数据安全列为 AI 应用的头号障碍。必须用时，先脱敏：名字打码、账号隐中段、金额留区间。这一条的白话版：凭证不出档案室，摘录可以借阅——向 AI 提问时，问的是逻辑，不是抄的是数据。\n第二条：输出必须过人审。AI 生成的任何分析、邮件、分录，到客户或领导手里之前，必须有人审过、签过。\u0026ldquo;AI 写的\u0026quot;不是免责理由，是加急复核标记。\n第三条：留痕。哪次分析用了 AI、提示词是什么、人工核了哪几项——记下来。复核 AI 和复核凭证一样，没有留痕就没有复核。将来有人问\u0026quot;这个数怎么来的\u0026rdquo;，你的答案不该是\u0026quot;AI 给的\u0026quot;。\n五、回望：母题的最后一次出现 八站走完，把整条线再画一遍，然后看它收束到哪里：\n公式解决一格，函数解决一类，封装解决一套准则，递归解决一层深度，Power Query 解决一个循环，数据模型解决一张网，Power BI 解决一次分发，SQL 解决一个源头——而今天这一站，AI 把前面八站的\u0026quot;操作\u0026quot;全部收编。\n表面看是工具升级史，底下是一条暗线：每一站，你收回一项\u0026quot;别人替你决定的事\u0026quot;——封装权、工序权、结构权、分发权、口径权。到 AI 这一站，摊牌了：机器能代劳的都已经代劳，剩下的全是机器代劳不了的部分——定义、判断、负责。\n而这三样，恰好是会计这门手艺里最古老的三样。复式记账五百年，工具从算盘到 ERP 换了八代，没变过的从来是那几条：口径要定义、账要平、签的字要认。今天加了一条新的：AI 写的，也照这三条办。\n母题最后一次写出来：\n会计人精通的从来不是工具，是业务。\n八篇之前，这句话出现在 Excel 函数的文章里，是为了劝你别背函数。今天它出现在 AI 同桌的文章里，是为了回答一个更大的问题——你的价值在哪。答案没变过，只是今天的证据比以往任何一篇都充分：当所有\u0026quot;会\u0026quot;的部分都能被代劳时，剩下的价值，正是你练了十年、而 AI 训练数据里没有的那部分——你们公司的口径、你脑子里的判断、你签字栏里的名字。\n工具的连载，到这里收笔。但这条线没有终点——工具会继续换，母题不会。下次有新的工具让你心慌的时候，回到这篇文章，看一遍那张贬值/升值对照表，然后把\u0026quot;贬值\u0026quot;那半边放心交给机器。\n你缺的从来不是新工具的说明书，是对自己那半边价值的确认。\n下篇预告：系列收官之后开新篇——从\u0026quot;工具论\u0026quot;转向\u0026quot;职业论\u0026quot;。《会计人的第二曲线：当核算被自动化之后，你的下一个十年做什么》：不是贩卖焦虑，是从这一篇的升值三技能出发，聊聊职能的迁移路径。\n系列目录：《Excel 函数的本质》 → 《LAMBDA 实战》 → 《部门函数库》 → 《递归》 → 《Power Query》 → 《Power Pivot 与数据模型》 → 《终点站 Power BI》 → 《下一程 SQL》 → 本篇。\n","permalink":"https://cfo580.cn/article/he-ai-tong-zhuo-dang-ta-hui-xie-sql-hui-xie-gong-shi-zhi-hou-ni-de-jia-zhi-zai-na/","summary":"AI 五秒写完你三个月学会的 SQL，那财务人的价值还剩什么？答案不是焦虑，是一条清晰的迁移线：操作技能在贬值，判断技能在升值——定义口径、校验结果、承担责任这三样，AI 一件也接不走，因为它们只存在于你对公司业务的理解里。","title":"🤝 和 AI 同桌：当它会写 SQL、会写公式之后，你的价值在哪"},{"content":"——离开桌面，走进账本真正的住址\n引子：那个按钮，你等过多久 先看一个场景。\n领导要一个数：华东区、上半年、含税金额前二十的客户。流水在 ERP 里。你打开系统，翻菜单，找不到现成报表；找到\u0026quot;自定义查询\u0026quot;，字段拼不出来；提需求给 IT，回复\u0026quot;排期，下周三\u0026quot;。\n最后你老老实实点了\u0026quot;导出\u0026quot;，拉出一百六十万行的 CSV，Excel 打开转圈两分钟，然后开始拉辅助列。\n停下来想一个问题：你导出的那一百六十万行，是数据库里多少数据的一个切片？\nERP、金蝶、用友、SAP——这些系统只是前台，账本身上住在后台的数据库里。你每一次\u0026quot;导出\u0026quot;，都是别人从数据库里替你抄了一份摘录；你提的每一个\u0026quot;取数需求\u0026quot;，都是让别人替你写一条查询语句。\n而这条查询语句，就是 SQL——它的全部工作，是把\u0026quot;给我华东区上半年含税前二十的客户\u0026quot;这句话，用数据库听得懂的语言说出来。这句话你说了半辈子，只是从前一直托人翻译。\n一、SQL 是什么：一门\u0026quot;说话\u0026quot;的语言，不是一门编程 很多教程第一页就写\u0026quot;结构化查询语言\u0026quot;，然后开始讲语法，把人吓退。先做翻译——你会发现这门语言里全是你认识的东西：\nSQL 里的 会计世界的原型 数据库 整套账簿体系 表 一本明细账：凭证表、客户表、科目表 行 一笔分录 列 分录上的要素：日期、科目、金额 SELECT 取哪几栏 WHERE 筛哪些行——取数条件 JOIN 把两本账对上——总账对明细账 GROUP BY 按科目汇总——科目汇总表 ORDER BY 排序——余额表从大到小 看完这张表，结论可以写在底稿上：SQL 不是编程，是记账语言的另一种拼写。它的可读性确实接近英语——SELECT customer, SUM(amount) FROM sales WHERE year = 2026 读出来就是\u0026quot;从销售表里取 2026 年的客户和金额合计\u0026quot;，和你在筛选器里点的动作一一对应。\n二、为什么该学：三笔账 第一笔：数据量。 数据库里躺着的行数，单位是百万和亿。Excel 的舒适区在五万行以内，百万行开始卡顿，千万行直接打不开。而 SQL 的世界没有这个天花板——数据库一天处理的就是这个量级。\n第二笔：中间人成本。 每次导出都是一次\u0026quot;抄账\u0026quot;。抄账必有损耗：字段被截断、编码被转成数字、日期被拆散、合计行混进明细。你花在\u0026quot;清洗导出数据\u0026quot;上的时间，本质是在替 IT 的导出模板还债。直接对话数据库，等于跳过中间商，从源头取原始凭证。\n第三笔：口径权。 这是最要害的一笔。领导要\u0026quot;上半年\u0026quot;，是 1-6 月还是 4-9 月？要\u0026quot;客户\u0026quot;，按一级客户还是末级？导出按钮不问你这些——它给什么你收什么。SQL 把取数口径的定义权还给你：条件写在哪一行、怎么分组、怎么排序，白纸黑字，写得清清楚楚。\n这三笔账，在 2026 年的校招 JD 里已经有了市价：财务数字化、财务 BP 岗位，SQL 和 Excel 并列出现在任职要求里，面试开始考分组计算和多表关联。不是新趋势，是旧趋势的显形。\n三、第一课：三个动词 SQL 关键字十几个，日常够用的就三个。每个都配一个你最熟悉的动作。\n动词一：SELECT + WHERE——按条件筛分录 场景：取 2026 年 6 月、科目 1122（应收账款）的全部凭证。\nSELECT 凭证号, 日期, 借方金额, 贷方金额, 摘要 FROM 凭证表 WHERE 科目编码 = \u0026#39;1122\u0026#39; AND 日期 \u0026gt;= \u0026#39;2026-06-01\u0026#39; AND 日期 \u0026lt; \u0026#39;2026-07-01\u0026#39;; 读法：从凭证表里，取凭证号到摘要这五栏，条件是科目 1122、六月期间。SELECT 管取哪几栏，WHERE 管留哪几行——你在明细账筛选器里干的活，逐字翻译。\n注意两个细节。第一，科目编码 '1122' 加引号——它是文本不是数字，上上篇讲过的类型纪律，在这里是硬约束。第二，日期用 \u0026gt;= 6月1日 AND \u0026lt; 7月1日 而不是 BETWEEN 6月1日 AND 6月30日——后者在时间戳精确到秒的数据库里会漏掉 6 月 30 日 23:59:59 那笔，又一个静默失败的口袋。\n动词二：GROUP BY——编科目汇总表 场景：6 月每个科目的发生额合计。\nSELECT 科目编码, SUM(借方金额) AS 借方合计, COUNT(*) AS 分录笔数 FROM 凭证表 WHERE 日期 \u0026gt;= \u0026#39;2026-06-01\u0026#39; AND 日期 \u0026lt; \u0026#39;2026-07-01\u0026#39; GROUP BY 科目编码; GROUP BY 做的事，就是把几十万行分录按科目装进桶里，每个桶吐出一行合计。你做科目汇总表、做透视表，全是这个动作——区别只是从前用鼠标拖字段，现在用一行字说清楚。\n这里有一条新手必踩的规矩：GROUP BY 之后，SELECT 里的每一列，要么是分组依据（科目编码），要么包在聚合函数里（SUM、COUNT）。原因很会计：一个科目桶里装着几百条摘要，你说\u0026quot;取摘要\u0026quot;这一栏，机器不知道该取哪一条——就像\u0026quot;应收账款\u0026quot;下面挂着八百笔分录，你不能在汇总表上随便抄一笔的摘要交差。\n筛选合计结果用 HAVING，不是 WHERE：\nHAVING SUM(借方金额) \u0026gt; 1000000 WHERE 筛的是原始行（结账前的分录），HAVING 筛的是汇总后的桶（结账后的科目）——先筛分录再汇总，还是先汇总再筛科目，时序不能乱，和结账流程一个道理。\n动词三：JOIN——总账对明细账 场景：凭证表里只有客户编码，要带出客户名称和行业——上上篇 Power Pivot 里那个问题，在 SQL 里的原生形态：\nSELECT v.凭证号, v.借方金额, c.客户名称, c.所属行业 FROM 凭证表 v JOIN 客户表 c ON v.客户编码 = c.客户编码 WHERE v.日期 \u0026gt;= \u0026#39;2026-01-01\u0026#39;; ON v.客户编码 = c.客户编码 就是在两本账之间牵一根线——和 Power Pivot 里拖连线建关系、和 VLOOKUP 里选匹配列，是同一个动作的三种方言。\n但 JOIN 比 VLOOKUP 多给一样东西：对不上的行怎么办，可以自己定。内连接只留两边都有的；左连接凭证全留、客户信息没匹配上的留空；左反连接只留凭证有、客户表里查无此人的——那是什么？那是主数据不完整、需要补录的客户清单。审计里\u0026quot;找差异\u0026quot;这个动作，在 JOIN 这里是一个单词的事。\n四、取数守则：只读、限量、留痕 能对话数据库，权限就大了一档——而权限大了一档，内控就得跟上一档。三条守则，写进你自己的部门准则：\n第一，只读不写。你需要的动词只有 SELECT。UPDATE、DELETE、INSERT 这三个会改数据的动词，非数据库管理员不得使用——这和\u0026quot;出纳不得兼管稽核、会计档案不得涂改\u0026quot;是同一条内控逻辑。数据库是原始凭证的最终住址，任何人不得直接涂改。\n第二，限量取数。不写 SELECT *——一百六十万行全字段拉出来，数据库慢、网络堵、Excel 崩。先想清楚要哪几栏、哪段期间，再开口问。这和查档案一个道理：调卷要说清哪一年哪一册，没有\u0026quot;把档案室全搬过来\u0026quot;这种调法。实在要探数据，先 SELECT TOP 100 看看长相。\n第三，查询留痕。每条写过的 SQL，存进文件夹、写上业务背景和日期——它就是你这次取数的\u0026quot;审计轨迹\u0026quot;。下个月同一张表，把语句翻出来改个日期范围就能重跑：上个月你用 Power Query 干的事，现在用一行 WHERE 条件干。口径可复现、结果可核对，这是 SQL 给你的最实在的礼物。\n五、避坑清单 四个高频坑，全是静默失败家族的成员：\nJOIN 忘写 ON。两表相乘，十万行变一百亿行——Excel 当场卡死，这是少数会当场喊疼的静默失败。防御：每次 JOIN 后先看行数，和原表对得上才继续； NULL 参与计算。金额列里有 NULL（没有发生，不是零），SUM 自动忽略没事，但你拿它做除法、做拼接，结果就是 NULL——一整列悄悄变空。防御：用 COALESCE(金额, 0) 先补位； GROUP BY 之后选了非分组列。有的数据库不报错，随机给你一行——数字看着挺像那么回事。防御：规矩写死——要么分组列，要么进聚合； 时间条件漏边界。前面说过的 BETWEEN 问题。防御：一律用 \u0026gt;= 起点 AND \u0026lt; 终点，期初含、期末不含，写进条文。 六、什么时候用哪个：一张分工表 SQL 不是 Excel 的替代品，是分工表上多出来的一行：\n环节 主责工具 理由 从 ERP 取数 SQL 数据住在数据库，直取不走中间人 百万行筛选汇总 SQL 数据库天生干这个 清洗与加工 Power Query 上篇的管道还在 建模与口径 数据模型 + DAX 上上篇的网还在 分析、试算、呈现 Excel 手感活，它的主场 一句话分工：SQL 管进门，Excel 管干活。数据从数据库里按你的口径取出来，落到 Power Query 的管道、数据模型的网、Excel 的表——前几篇的一切，一点没浪费，只是源头换成了原始凭证。\n结语：口径权，和你的下一个同桌 系列走到第八站，把一条线画完：公式解决一格，函数解决一类，封装解决一套准则，递归解决一层深度，Power Query 解决一个循环，数据模型解决一张网，Power BI 解决一次分发——而 SQL 解决的是最底下那一层：数据从哪儿来。\n回头看，这一路你其实只做了一件事：把\u0026quot;别人替你决定的事\u0026quot;一件一件收回来。用 LAMBDA 收回封装权，用 Power Query 收回工序权，用数据模型收回结构权，用 Power BI 收回分发权——今天，用 SQL 收回取数口径权。\n母题照例最后说一遍：会计人精通的从来不是工具，是业务。SQL 这门语言里，WHERE 写的是你的取数口径，GROUP BY 写的是你的汇总层级，JOIN 写的是你的勾稽关系——**每个关键字背后，站着的都是一条会计判断。**语法三周能学会，判断你练了十年。这就是为什么这一课对你来说，比谁都近。\n系列目录：《Excel 函数的本质》 → 《LAMBDA 实战》 → 《部门函数库》 → 《递归》 → 《Power Query》 → 《Power Pivot 与数据模型》 → 《终点站 Power BI》 → 本篇。\n","permalink":"https://cfo580.cn/article/xia-yi-cheng-shu-ju-bu-zai-excel-li-cai-wu-ren-de-sql-di-yi-ke/","summary":"领导要个数，你导出一百万行 CSV 在 Excel 里拉辅助列——但这只是数据库的一个切片。SQL 不是编程，是记账语言的另一种拼写：SELECT 取哪几栏、WHERE 筛哪几行、JOIN 把两本账对上。财务人学 SQL，收回的是取数口径权。","title":"🗄️ 下一程：数据不在 Excel 里——财务人的 SQL 第一课"},{"content":"——数据模型这颗种子，长到该换土壤的时候\n引子：模型做好了，然后呢 上篇收尾时那句话还在：模型这颗种子长到什么程度，该换土壤了。\n先看一个场景。你的数据模型已经建得漂漂亮亮：三张维度表围着凭证表，度量值口径齐全，同比环比一点就出。兴冲冲给老板演示，老板看完说了三个问题：\n第一，这个东西，我在手机上能不能自己看？第二，下个月的数，谁来更新？第三，子公司的财务，能不能只看他们自己的账？\n三个问题，Excel 数据模型一个都答不了。因为整套模型住在你一个人的电脑里——它是一间单人账房：账算得再清楚，房门只对你一个人开。每月分发的办法，还是导出 PDF、截图发群——模型进了智能时代，报送还停在手工作坊。\nPower BI 要解决的就是这最后一公里。而它的入口动作，简单到配不上它的分量：一个“发布”按钮。\n一、先看清楚：Power BI 不是新大陆 很多教程把 Power BI 讲成一门新学问，吓退一片人。先做翻译，你会发现前几站已经替你付过学费了：\n你已学过的 在 Power BI 里叫 变了吗 Power Query 获取数据 同一个引擎，同一门 M 数据模型、关系、维度表 模型视图 原样通用 度量值、CALCULATE DAX 一字不差 数据透视表 矩阵、可视化 换了画法 （无） 可视化画布 这才是新功课 （无） 云端服务 这才是新功课 结论：学完前几篇，你已经会了 Power BI 的七成。剩下三成，一半是画布上拖拖拽拽（透视表的直觉直接可用），一半是这篇要讲的云端。\n二、“发布”：一个按钮，四道签批 字面上，标题没有夸张：Power BI Desktop 里点“发布”，选个工作区，一分钟内报表就出现在网页和手机上——从桌面到云端，就这一下。\n但会计人看见“一键”两个字应该本能地警觉。发布像盖章——章落下去只要一秒，章之前的签批才是内控。这道章背后排着四道手续：\n签批 问题 会计世界的对应 发到哪 我的工作区，还是部门工作区 草稿簿，还是正式档案室 谁能看 应用怎么分发、给谁授权 报送的接收人清单 谁看哪些 行级安全（RLS） 数据权限、组织权限 谁来喂数 刷新计划、数据网关 过账安排、原始凭证传递 四道都签完，发布才算真正落地。下面把最要紧的两道摊开。\n三、刷新与网关：云端怎么够到你电脑里的账 上篇 说过，刷新就是过账。在云端，这个动作升级成了自动：给报表定一个刷新计划——每天早上八点——于是老板上班打开手机，看到的永远是昨天的全量数据。月结一次的时代，报表第一次有了日更的生命。\n但有一个前提卡在中间：云端的服务器，够不着你办公室那台电脑。\n数据源如果是本机 D 盘的 Excel 文件、或内网共享盘里的报表，云端刷新时只能两手一摊。这时需要本地数据网关——它在你们公司内网里守着，云端要数据时，它替云端去金库取数。一个驻场出纳的角色。\n更省事的路是釜底抽薪：把源数据放上 SharePoint 或 OneDrive，云端直接够得着，网关这道手续整个省掉。当然，数据上云等于原始凭证电子化出档——合规和保密这道闸，得先过你们自己的制度。\n顺带一个量级概念：Pro 许可下，每天最多定时刷新 8 次；Premium Per User 是 48 次。对月结的财务部，8 次绰绰有余——这个数字先记住，第五节要用。\n四、RLS：一张报表，千人千面 老板的第三个问题——“子公司只看自己的账”——是 Excel 的死穴，值得单独一节。\nExcel 报表的权限逻辑是：文件发出去，权限就跟着文件走。你给华东经理发了华东的表，他随手转发给谁，你的权限设计就作废了。发出去的是复印件——复印件不认保密协议。\nPower BI 的行级安全性（RLS）把这个逻辑整个翻了过来：报表只发一份，权限留在云端。建一个角色，写一行过滤规则：\n[公司代码] = \u0026#34;华东\u0026#34; 华东经理打开报表，模型还是那个模型，但他看见的世界里只有华东的行。十二家子公司，一份报表，十二种视角。进阶玩法是动态 RLS——用权限表挂用户账号，一行业务变动，权限跟着人事表走，不用逐个配。\n这套东西你其实非常熟：它就是 ERP 里的数据权限，只不过从前管着录入，现在管着阅读。Excel 发文件，发的是复印件；Power BI 发的是权限——人手一份账本，但每本只开自己那一格。\n五、许可证：这笔账要算清 该谈钱了。这一节先立一条诚实条款：以下价格是近似值，签约前以官网现价为准——微软 2025 年刚调过一轮价。\nPower BI Desktop：免费，而且永久免费。写报表的人不花一分钱，能干到全流程的九成； Power BI Pro：每人每月十几美元（2025 年调价后约 13 美元）。发布、共享、协作，靠它； Premium Per User：约翻倍，换来更大的模型容量、每天 48 次刷新等高配。 要点只有一个：看报表的人，通常也要许可证（除非公司买了 Premium 容量给全员免单）。十个老板和经理要看报表，就是十份 Pro——一年下来是一笔以万计的持续支出。\n这笔账的会计味道很正：Excel 随 Office 买断，像固定资产，一次投入长期折旧；Power BI Service 是订阅，每月费用化。买断换成租用，决策标准就变了——评估的不再是一口价，而是这笔月费换回了多少手工报送的工时、多少发错版本的返工。让投入产出这道闸去判。\n六、诚实的判断：终点站不是每趟车都必须到 预告里欠大家一个诚实的判断，现在还上：哪些财务部，可能永远不需要去那片土壤。\n判断标准不新，还是老一套——先问业务，再问工具。Power BI 解决的是分发与权限的问题，不是计算与建模的问题；后者你在前几站已经解决了。如果分发和权限根本不是痛点，终点站就只是地图上的一个名字：\n维度 留在 Excel 就够 该换乘 Power BI 受众 十几个固定高管，月度汇报 全公司随时看，手机端刚需 权限 发 PDF 附密级已满足 千人千面、行级安全 节奏 月结一次 日频、准实时 数据量 模型游刃有余 逼近模型上限 预算 零新增预算 有许可证预算和维护人手 还有一个中间态常被忽略：把 Excel 工作簿发布到 SharePoint，网页里照样是活的透视表——权限和分发的痛，它能先顶一段。工具选择不是地铁线路图上必须坐到底，到哪一站下车，由你的业务报站。\n七、五步搬家 真决定换乘了，动作比想象轻：\nMicrosoft Store 搜 Power BI Desktop，免费安装； 文件 → 导入 → Excel 工作簿内容——Power Query 的查询、数据模型、度量值，整体搬迁，像整本账移交； 逐项核对：关系还在吗，度量值还准吗——接管别人的账，先试算平衡； 画布上拖字段、摆图表——新功课里最像玩的部分； 发布 → 建应用 → 配 RLS → 接网关或上云源 → 设刷新计划。四道签批，一次签完。 结语：终点站的站台上 八站走完，把整条线路画出来：\n公式解决一格，函数解决一类，封装解决一套准则，递归解决一层深度，Power Query 解决一个循环，数据模型解决一张网，Power BI 解决一次分发。\n每一站解决的都是上一站解决不了的问题，而每一站的判断标准都是同一句：先问业务，再问工具。条文先于公式，工序先于操作，结构先于计算——到了终点站，是分发先于发布。\n终点站不是职业的终点，是换乘点。站台上往回看，你把会计最古老的逻辑——科目统驭、主数据挂接、期间假设、权限分账——在 Excel 系里重走了一遍；往前看，站台尽头还停着几趟车，其中一趟的车次你最眼熟：你们 ERP 的数据库。\n母题最后说一遍：会计人精通的从来不是工具，是业务。工具从格子到云端换了一路，这句话一次都没变过。\n系列目录：《Excel 函数的本质》 → 《LAMBDA 实战》 → 《部门函数库十讲》 → 《递归》 → 《Power Query》 → 《Power Pivot 与数据模型》 → 本篇。\n","permalink":"https://cfo580.cn/article/zhong-dian-zhan-power-bi-dang-ni-de-mo-xing-xiang-jian-lao-ban/","summary":"模型建得漂亮，老板三个问题就问倒了：手机上能看吗？下个月谁更新？子公司能不能只看自己的账？——因为整套模型住在你一个人的电脑里，是一间单人账房。Power BI 补的就是这最后一公里，入口动作简单到只有一个“发布”按钮，但按钮背后排着四道签批。","title":"🚀 终点站 Power BI：当你的模型想见老板——从桌面到云端，只隔着一次“发布”"},{"content":"——换工具之前，先换一根轴\n引子：VLOOKUP 拉出的一地辅助列 月末分析会前，领导问了一句：“按客户所属行业看下收入。”\n流水表里只有客户编码，行业在客户主数据表里——于是你开始拉 VLOOKUP。行业拉完，又要按区域看，再拉一列；要按科目类别看，再拉一列；要按部门看，再拉一列。半小时后，凭证明细表右边拖着七八列辅助列，文件涨到 40MB，改一个数，鼠标转圈半分钟。\n停下来想想这套操作的本质：你是在把客户名称、行业、区域、科目类别，一遍一遍抄进每张凭证。\n而会计这个行业，三千年前就解决了这个问题——凭证上只记科目编码，名称和层级住在科目表里。没有任何一家 ERP 会把“应收账款”四个字写进每张凭证。可我们在 Excel 里，用 VLOOKUP 干的恰恰是这件事：把维度信息抄进每笔业务。\n单表思维的尽头，就是这样一地辅助列。今天要开的这扇门，不过是把你早就相信的记账原则，搬进 Excel。\n一、数据模型：Excel 里藏着一台迷你数据库 Power Pivot（数据模型）内置于 Excel 2016 及以上版本，一个工作簿里藏着一台小型关系数据库：多张表住进去，表与表之间建关系，然后所有透视表共享这张关系网。\n和前几篇一样，先做翻译——你会发现这张“关系网”，就是一本账的骨架：\n建模概念 会计世界的原型 事实表（存业务，一堆编码加金额） 序时账、凭证明细：一行一笔业务 维度表（存对象，一行一个） 科目表、客户主数据、部门表、日历 一对多关系 一个科目挂千百笔分录 筛选沿关系传导 在总账点一个科目，明细账自动只剩它的分录 度量值 报表项目的定义：“营业收入”不是一个格子，是一个口径 筛选上下文 取数条件：“2026年6月 · 华东 · 销售费用” 看懂最后一行，这篇就懂了一半：你在报表上问的每一个问题——“6月华东的销售费用是多少”——每个词都是一个筛选条件；透视表的行标签列标题，就是在自动生成这句话。这件事你干了半辈子，只是从前用眼睛做，现在由引擎做。\n二、星型模型：你早就在用，只是没见过它长这样 建模的标准结构叫星型模型：事实表居中，维度表环绕四周——一张凭证表，周围挂着科目、客户、部门、日历。\n画出来看一眼：\n科目表 | 部门表 — 凭证表 — 客户表 | 日历表 这就是一本账。总账统驭明细账，主数据挂接业务流水——复式记账体系天生就是星型的，六十年代数据库工程师发明的范式，账房先生用了一千年。\n反过来也成立：为什么辅助列方案注定膨胀？因为那是把维度表的内容复制进事实表，每笔业务背一遍全部描述——数据冗余，文件肥大，主数据一改处处要改。正确形态从来是“编码 + 关系”，凭证如此，数据模型也如此。\n三、上手半小时：从三张表到一张网 全程不写代码，五步：\n每张源表 Ctrl+T 转成“表格”，起正经名字（凭证表、科目表、客户表——别用“表1”）； 逐张 Power Pivot → 添加到数据模型（或从 Power Query 直接“加载到数据模型”，无缝衔接上篇 ）； Power Pivot 窗口 → 关系图视图：把凭证表的“科目编码”拖到科目表的“科目编码”上——连线出现，一端标\u0026quot;1\u0026quot;、一端标\u0026quot;*\u0026quot;，1 的那端必须是维度表； 新建度量值（这就是 DAX 的全部入门）：销售额 := SUM(凭证表[金额])； 插入数据透视表 → 来源选“此工作簿的数据模型”——此刻奇迹发生：行标签里可以直接拖科目表里的科目名称、客户表里的行业，虽然这些字段根本不在凭证表里。没有 VLOOKUP，没有辅助列，关系替你把账连上了。 以后新增数据：刷新。整张网同步更新——上篇的“过账”动作，升级成了全网过账。\n顺带两个红利：模型用列式压缩存储，同样的数据文件小一大截；百万行级的表，透视起来依然轻快。\n四、DAX 只有一个核心概念：上下文 很多人被 DAX 吓退，以为又是一座函数山。其实常用函数两只手数得过来：SUM、CALCULATE、DIVIDE、几个时间智能函数。真正的门槛只有一个词——上下文。\n同一个度量值 销售额 := SUM(凭证表[金额])，拖到透视表里，按月看就是各月的数，按部门看就是各部门的数。公式一个字没改，数字各归各位——因为度量值不是存死的值，是活的口径：每次被引用，都在当前行列标题决定的筛选条件下重新计算一遍。\n这不是玄学，是报表本来的逻辑：利润表上“营业收入”的定义是固定的，取数口径随列变。你以前用 SUMIFS 手工构造这种条件，现在行列标签自动构造——你只是第一次看见“报表项目”这个东西被真正做成了对象。\n需要突破当前口径时，请出 CALCULATE——它是 DAX 里的“按指定口径重算”，味道像审计调整：\n本年累计 := CALCULATE([销售额], DATESYTD(日历[日期])) 上年同期 := CALCULATE([销售额], SAMEPERIODLASTYEAR(日历[日期])) 读法就是会计语言：在“年初至本期”的口径下重算销售额；在“去年同期”的口径下重算销售额。同比、累计、占比，全靠它换口径。\n配套的一个重要选择——度量值还是计算列：\n计算列 度量值 何时计算 刷新时逐行算，结果存进模型 引用时才算，不占存储 类比 凭证上多印一列固定文字 报表上的一个项目定义 适用 行级属性（如单据类型标记） 一切汇总、比率、同比 默认答案写进条文：先想度量值。计算列是\u0026quot;抄进每行\u0026quot;，又是我们刚批评过的那件事。\n五、日期表：一张必须手工立的维度表 星型模型里有一张表，行业惯例不靠系统生成，必须自己立——日历表：从第一笔业务到最后一笔，日期连续、一天不缺，配上年、季、月、星期列。\n原因很会计：财务报告的时间轴不能跟着业务走——6 月没开单，6 月就不存在了吗？报表要的正是“没有业务也有月份”的时间轴。而且 DAX 的时间智能函数（同比、累计、环比）只认连续完整的日期表，缺一天，上年同期就是空的。在 Power Pivot 里把它“标记为日期表”，时间智能即刻全线激活。\n这像什么？像会计期间假设：**日历是财务的世界观，必须独立于业务而存在。**工具世界把这个前提做成了硬性要求，倒是难得的诚实。\n六、避坑清单：从单表思维迁移过来的六处旧习惯 一张超级宽表。把 40 列全堆进一张表再进模型——那是把单表思维原样搬了过来。先在 Power Query 拆成事实和维度（上篇的活儿），模型只管连接； 键不干净。科目编码带空格、一边是文本一边是数字、维度表有重复编码——关系当场失效或聚合翻倍。建关系前先查重、查类型，这是数据模型里的“银行对账单调节表”； 滥用双向筛选。关系默认单向（维度筛事实），够用八成场景。图省事全开双向，筛选路径打架，数字开始“看起来差不多又对不上”——那正是最危险的状态； 滥用计算列。上一节说过了，度量值优先； 没有日期表。时间智能集体沉默，还以为函数坏了； 以为模型实时联动。源表改了数，透视表不会自己动——刷新才是过账，过账才有新余额。 结语：结构先于计算 系列走到这里，脉络合拢了：\n公式解决一格，函数解决一类，Power Query 解决一个循环，数据模型解决一张网。\n而这四层背后，是同一句话在不同高度的回声：条文先于公式、工序先于操作——到了模型这里，是结构先于计算。科目体系定错，账算得再准也是错账；表间结构搭错，DAX 写得再漂亮也是错数。会计人学建模，表面在学新工具，实际是把自己最熟的“总账统驭明细账、主数据挂接业务流水”第一次亲手搭出来。你以为在入门，其实在回家。\nPower Query 管进料，数据模型管结构，度量值管口径，透视表管呈现——Excel 到这里，已经把一台 BI 引擎的五脏六腑给你配齐了。唯一剩下的，是把这些东西搬出桌面、给全公司看。那是下一站的事了。\n系列目录：《Excel 函数的本质》 → 《LAMBDA 实战》 → 《部门函数库十讲》 → 《递归》 → 《Power Query》 → 本篇。\n","permalink":"https://cfo580.cn/article/power-pivot-yu-shu-ju-mo-xing-cong-dan-biao-dao-duo-biao/","summary":"按客户行业看收入，就拉一列 VLOOKUP；按区域看，再拉一列——半小时后凭证明细表拖着七八列辅助列，文件 40MB。这不是 Excel 的问题，是单表思维的尽头。数据模型做的事，是把你信了三千年的记账原则（凭证只记编码，名称住在科目表里）搬进 Excel。","title":"🕸️ Power Pivot 与数据模型：当你的报表需要一张“关系网”——从单表思维到多表建模"},{"content":"——系列新篇：不是换工具，是升一个维度\n引子：凌晨一点，你在第 38 次粘贴 月末凌晨，银行流水第 4 个月、往来明细 12 个子公司、部门费用表 8 份——你正在做一件过去十二个月里原封不动做过十一遍的事：\n打开文件 → 删表头三行 → 删合计行 → 统一日期格式 → 换掉\u0026quot;DR/CR\u0026quot;成借贷方向 → 粘进汇总表 → 检查列有没有错位 → 下一个文件。\n做这套动作的时候，你有没有想过一个问题：\n为什么 Excel 记不住这套流程？\n公式记住了计算——第二篇讲的重算引擎，改一个数，全表自动更新。可公式记不住加工过程：数据从哪来、删了哪几行、怎么清洗的——这些“进料前的动作”，公式一样都不管，每个月都得重演一遍。\n今天的主角，就是补上这块缺口的：**Power Query——一个“会记住你如何清洗数据”的引擎。**它内置于 Excel 2016 及以上版本，免费，就在“数据”选项卡里，你可能每天路过而没进过那扇门。\n一、Power Query 是什么：一个“过程录制器” 先说不是什么：不是新函数、不是 VBA、不用写代码——入门阶段一个字母的代码都不用碰。\n本质一句话：\nPower Query 把你清洗数据的每一步操作，原样录制成一份“加工工序单”。下个月数据一来，点一次刷新，整套工序自动重放。\n官方叫法是 ETL（Extract-Transform-Load，抽取—加工—装载），对财务人更贴切的翻译是：进料检验 → 生产加工 → 成品入库。\n关键特性有三个，每一条都踩在财务的痛点上：\n它不碰原始数据。所有加工在内存里进行，源文件原封不动——和审计“不得涂改原始凭证”是同一条铁律，工具天生就守。 工序单挂在“数据源”上，不挂在“某一次的文件”上。给 1 月的银行流水建好的清洗流程，2 月、3 月……未来每个月的流水都直接适用——只要列结构一致。 “应用的步骤”面板，就是一份现成的审计底稿。你做的每一步按顺序列在右侧，点任何一步，就能看到数据在那一步时的样子——审阅者逐层复核，跟你翻底稿索引一模一样。 二、最大的一步跨栏：从“格子”到“表” 用 Power Query，思维要先换一根轴。\n维度 传统 Excel Power Query 操作对象 单个格子（A1、B7） 整列、整表（按列名） 数据来源 手工粘贴进工作簿 文件夹、数据库、网页、ERP 导出 月复一月 重做一遍 一次刷新 撤销 Ctrl+Z 有限步 删除任意步骤，无限回退 大数据量 数万行开始卡顿 轻松处理百万行 过程留痕 公式密不透风 步骤面板自文档化 错误呈现 #REF!、#N/A 满屏 带上下文的错误行，可单独处理 左边一列你玩了二十年；右边一列，是进料车间的世界。\n映射回会计的世界：Excel 公式像在凭证上直接手工书写——每一笔都要亲笔；Power Query 像 ERP 里的“自动转账凭证模板”——定义一次，月末自动跑。你早就懂这个逻辑，只是这个逻辑第一次出现在了表格里。\n三、案例：银行对账的两种做法，同一个问题 看看同一个任务在两个维度下各长什么样，分界线立刻清晰。\n任务：银行流水 vs 账面记录，找未达账项 做法一：公式（数据已清洗、单家银行、两千行）\n=XLOOKUP(流水!A2 \u0026amp; 流水!B2, 账面!A:A \u0026amp; 账面!B:B, 账面!C:C, \u0026#34;未匹配\u0026#34;) 用“摘要 + 金额”拼主键做匹配，第四参数把未匹配的亮出来——干净利落。数据源已经规整、行数不大、需要即改即算，公式就是正确答案，别迷信任何工具。\n做法二：Power Query（12 个子公司 × 12 个月、各家导出格式不一）\n这时麻烦不是“匹配”，是数据还没资格匹配：A 公司的日期在第 1 列，B 公司在第 3 列；有的用 DR/CR，有的用正负号；表头行数都不一样。手工整理 144 个文件——就是你正在过的人生。\nPower Query 的路径：合并查询（Merge Queries），它就是 VLOOKUP 的“车间加强版”——而且提供 VLOOKUP 从来没有的六种连接方式：\n连接类型 干什么 对账场景 左外部 左表全留，右表带匹配项 账面全笔数，带出银行信息 左反 只留左表有、右表没有的 银行有、账面没有——未达账 右反 只留右表有、左表没有的 账面有、银行没有——未达账 内部 两边都有的 已勾对部分 完全外部 全部保留，匹配不上的留空 全口径核对 看清了吗——“左反连接”就是“找差异”这个审计动作的机器版。你手工核对时干的“反过来找缺项”，在这里是一个下拉菜单选项。\n再配上从文件夹（From Folder）：把 12 个月、12 家公司的文件扔进同一个文件夹，Power Query 自动识别、自动堆叠、自动打上公司月份标签。以后新增文件，放进文件夹，刷新，完事。\n分工由此形成：进料整理交给 Power Query（ETL 层），核对逻辑留给公式（分析层）。这不是二选一，是让每个工具干它擅长的半场——和本系列一贯的主张同宗：准则各守其界。\n四、隔壁那门“外语”，你其实学过一半 Power Query 底层有一门语言叫 M。先说结论：日常 95% 的操作点鼠标就够，M 可以不会。但看一眼它的长相，你会发现一件妙事——每个查询的代码结构都是：\nlet 源 = Excel.Workbook(File.Contents(\u0026#34;D:\\流水\\2026-06.xlsx\u0026#34;), null, true), 删表头 = Table.Skip(源, 3), 改类型 = Table.TransformColumnTypes(删表头, {{\u0026#34;金额\u0026#34;, type number}}), 去合计 = Table.SelectRows(改类型, each [摘要] \u0026lt;\u0026gt; \u0026#34;合计\u0026#34;) in 去合计 let ... in——给每一步起名、按名字往下传。\n眼熟吗？上上篇的 LET 函数：LET(天数, 截止日-起算日, ...)——同一个思想：给中间结果起名，让过程可读、可复核。你不光见过它，你已经在自己最熟的函数里用过它了。所谓“学新语言”，一半是翻译旧知识。\n不过 M 有个 Excel 没有的纪律：类型严格。日期就是日期、数字就是数字、科目编码哪怕长得像数字也必须是文本（否则\u0026quot;1002\u0026quot;和 1002 会分成两族）。第一篇讲的“文本数字”坑，在这里不是偶发坑，是入编必须过的类型审查——工具帮你把那道关，强制设成了必答题。\n五、什么时候该搬家：一张迁移决策单 不是所有活都值得搬家。五条判断，中三条以上，就值得动：\n判断维度 留在公式 迁往 Power Query 数据量 五万行以内流畅 六位数起步、或多源汇总 重复性 一次性分析 同样的事每月/每周重演 数据来源 手工粘贴进本表 文件夹、外部文件、多系统导出 清洗强度 数据本身干净 删表头、转格式、拼表等进料动作 计算时机 要即改即算 每期刷一次即可 一句要害：数据量变大只是表象，“重复出现”才是搬家的真正信号——今天的输入区有多累，明天就该有多少条查询。\n而且 Power Query 的兼容性比新函数宽：Excel 2016 起原生内置，比需要 365 的 LAMBDA 更皮实——存量公司机器更少绊脚。\n六、刷新，就是财务人的“过账” Power Query 的世界里，最重要的动作只有一个词：刷新（Refresh）。\n平时看不到动静——它不实时重算，等着你叫它。点一下刷新，整套工序从头到尾跑一遍，新数据进、结果出。\n这个节奏像什么？像结账。平时账都是零散记录，月末结账——一次全量过账，所有分录汇总、更新、出报表。Power Query 的“刷新”就是数据世界的“过账动作”：工序是定义好的，执行是一期一期的。\n于是你财务生涯里那套最熟悉的时间观，无缝平移进来了：平时只维护工序，期末只按一次刷新。第一个月建流程可能要半天；第二个月起，每月十几秒——被数据清洗吃掉的那 40% 工时，就是这样一格一格赎回来的。\n七、迁移避坑：财务部常踩的五处 拿 Power Query 找 VLOOKUP 的感觉。它不引用单个格子，它按列按表操作。想“取某一个值”？先筛选那行，再取值——顺序反了就找不着。 不设数据类型。Excel 惯坏了我们：啥都先当文本。Power Query 必须在第一步就定好类型，否则后面算不动、对不上。对照：这就是进料检验的第一道闸，缺了它后面全白搭。 路径写死在本机。C:\\Users\\张三\\Desktop\\6月.xlsx——文件一挪、电脑一换，查询当场断链。连接文件夹而不是单个文件，源文件放共享盘，所有人的查询都能活。 步骤名不改。默认名“更改的类型1”“删除的列2”，半年后你自己都看不懂自己。重命名为“删表头”“转日期格式”——改名一分钟，复核省半天，这一步就是给工序单写“摘要栏”。 全量灌进工作表。万行直接加载到工作表，Excel 照样崩。正确姿势：在查询里先筛选、先汇总，只把加工后的结果装进表——车间里的在制品，不必全堆到成品库。 结语：你早就干着 ETL 的活，只是用橡皮和双手 看清楚 Power Query 干的事——从源头取数 → 按规则加工 → 装载进报表 → 下期一键重放。\n财务人年年月月在干什么——从各系统取数 → 按口径加工 → 装进报表 → 下期再干一遍。\n你早就是一名 ETL 工程师了，只是工位上没有这个名号，工具只有一双手。Power Query 没有给你新职业，它只是把你的老职业，从体力模式切到了工序模式。\n回到系列的母题：会计人精通的从来不是工具，是业务。这一篇换了工具，母题纹丝没动——条文先于公式，工序先于操作。先写清楚“每月怎么处理”，再谈“用什么处理”；先后顺序一旦颠倒，任何工具都救不了。\n而“财务人的下一步”，此刻可以给出完整的定义了：\n从“怎么算”（函数），走到“怎么定义”（封装），再到“怎么定义一套每月自动重放的系统”（流程）。\n公式解决一格，函数解决一类，Power Query 解决一个循环。\nLAMBDA 让你拥有了立法权，Power Query 让你拥有了行政权。\n立完法，就该执政了。\n系列目录：《Excel 函数的本质》 → 《LAMBDA 实战》 → 《部门函数库十讲》 → 《递归》 → 本篇。\n","permalink":"https://cfo580.cn/article/cong-excel-dao-power-query-shu-ju-da-dao-gong-shi-kang-bu-dong/","summary":"公式记住了计算，却记不住加工过程——每月删表头、转格式、粘汇总，第十二个月还在原样重演。Power Query 就是那台“会记住你如何清洗数据”的引擎：一次录制，每期刷新。这篇讲清它是什么、什么时候该搬家，以及财务部常踩的五处坑。","title":"🔄 从 Excel 到 Power Query：当数据大到公式扛不动——财务人的下一步"},{"content":"——LAMBDA 内功收官篇：一个函数，自己调用自己\n引子：你早就会递归，只是没意识到 先给定义：递归，就是函数在计算过程中调用自己——把大问题拆成同款小问题，一层层剥，直到碰到底就往回返。\n听着玄，其实你做合并报表时天天在干这件事：子公司下面还有孙公司，抵销分录要一层层做上去；底稿索引从一级科目挂到二级、挂到明细账、挂到凭证——沿着同一条规则不断下钻，直到钻到底。这就是递归，只不过从前靠人肉，一层一层翻。\nLAMBDA 递归补上的，正是 Excel 此前二十多年一直缺的一块：处理“不知道有多深”的结构。VLOOKUP 只会跳一跳，嵌套写死二十层也应付不了未知的深度；而递归让公式自己往下走，走到没有下一层为止。BOM 展开这类经典的树形问题，如今一条公式就能反查全部母项。\n今天用财务部最典型的两个场景，把这块最后拼图按进去。\n一、递归只有两件事：底和推 所有递归函数，剥到最简只剩两个零件：\n底（基准情形）：什么时候停。这是递归的命门——没有底的递归不会算出答案，只会把 Excel 拖进“计算中”的深渊； 推（递归调用）：怎么变。每次调用自己时，参数必须比上一轮更接近底——问题规模逐步下降，才保证有限步内触底。 白话版就是那个“报数”案例：你坐在最后一排想知道自己是几号，问前一位；前一位也不知道，再往前问；问到第一排——他知道答案，这就是底；然后逐层往回传，每人加一——这就是推。整排人没人看得见全局，但答案照样精确传回。\n递归的难点从来不是“想象整个展开过程”（千万别在脑子里展开，会晕），而是把底和推这两句话写清楚。写清楚了，剩下的交给机器。\n二、案例一：股权穿透——一条链，钻到底 数据与条文 股权表三行起底：\nA 列（公司） B 列（直接股东） C 公司 B 公司 B 公司 A 公司 A 公司 张三 条文一句话：给定一家公司，沿“直接股东”逐级上溯，直到股东栏为空——那个人就是最终控制人。\n这就是实际控制人认定的机器版。审计里穿透核查股权结构，以前靠一层层翻工商信息，现在一条公式钻到底。\n代码（名称管理器版，函数名：最终控制人） =LAMBDA(公司, LET( 股东, XLOOKUP(公司, 股权表!A:A, 股权表!B:B, \u0026#34;\u0026#34;), IF(股东 = \u0026#34;\u0026#34;, 公司, 最终控制人(股东)) ) ) 读一遍就是那两句话：底——股东查不到（返回空串），当前这家就是终点；推——否则对“我的股东”再做一遍同样的事。注意 XLOOKUP 第四参数写的是 \u0026quot;\u0026quot; 而不是报错值：查不到不是异常，是出口，这是穿透类函数的设计关键。\n带路径的升级版，把链路留在结果里，方便底稿留痕：\n=LAMBDA(公司, LET( 股东, XLOOKUP(公司, 股权表!A:A, 股权表!B:B, \u0026#34;\u0026#34;), IF(股东 = \u0026#34;\u0026#34;, 公司, 公司 \u0026amp; \u0026#34; ← \u0026#34; \u0026amp; 最终控制人(股东)) ) ) =最终控制人(\u0026#34;C公司\u0026#34;) → 张三 =最终控制人V2(\u0026#34;C公司\u0026#34;) → C公司 ← B公司 ← A公司 ← 张三 递归走查（一行行看它怎么钻） 步骤 当前节点 查到的股东 动作 1 C 公司 B 公司 未触底，下钻 2 B 公司 A 公司 未触底，下钻 3 A 公司 张三 未触底，下钻 4 张三 （空） 触底，返回“张三” 5 逐层回传 — 链路拼接完成 彩蛋：不建名称管理器的“自引用”写法 有个语法细节值得单独交代：在 LET 里现写的 LAMBDA 看不见自己的名字，没法直接递归。解法是把函数自己当作第一个参数传进去，调用时 f(f, …) 成对出现——绕一道，就让匿名函数获得了自我引用的能力：\n=LET( f, LAMBDA(f, x, LET( 股东, XLOOKUP(x, A:A, B:B, \u0026#34;\u0026#34;), IF(股东 = \u0026#34;\u0026#34;, x, x \u0026amp; \u0026#34; ← \u0026#34; \u0026amp; f(f, 股东)) ) ), f(f, C2) ) 临时用、原型验证用这条写法很顺手；要进部门函数库，还是名称管理器正式备案——试验品和准则，分开管。\n三、案例二：科目树展开——一条链变成一棵树 股权穿透是一条单链，每个公司只有一个股东；科目树不一样，一个上级下面挂着 N 个下级，钻到底之后还要把整棵树收回来。这是递归的进阶形态：下钻 + 堆叠。\n数据与条文 A 列（上级科目） B 列（下级科目） 1002 1002.01 1002 1002.02 1002.01 1002.01.01 条文：给定一个科目，列出它本身及其全部子孙科目，从上到下堆成一列。多级科目表、合并范围内单位树、组织架构图——凡是“一对多、层层挂”的结构，全是这一条的变体。\n代码（名称管理器版，函数名：科目树） =LAMBDA(父级, LET( 子级们, FILTER(科目表!B:B, 科目表!A:A = 父级, NA()), IF(ISNA(@子级们), 父级, REDUCE(父级, 子级们, LAMBDA(acc, 子, VSTACK(acc, 科目树(子)))) ) ) ) =科目树(\u0026#34;1002\u0026#34;) → 1002 / 1002.01 / 1002.01.01 / 1002.02（一列溢出） 三个零件拆开看：\nFILTER 的第三参数填 NA()：查不到子级时故意返回 #N/A，再用 ISNA(@子级们) 判断触底——比返回空串更不容易和真实数据混淆，这是把“没有”和“空”区分开，老读者应该眼熟，又是防静默失败的那一套； REDUCE：把每个子级的递归结果依次堆叠（VSTACK）到累计器上——树形结构的“收网”动作； 递归点：科目树(子)——对每个子级做同样的事。 选型判断顺带说清：凡是“一层一层剥、不知道有多深”的树形问题，用递归；凡是“一行一行过、范围是固定的”折叠问题，用 REDUCE 就够。两者不是对手，是两个计算深度上的不同工具。\n递归走查 步骤 当前节点 找到的子级 动作 1 1002 1002.01、1002.02 压入 1002，先下钻 1002.01 2 1002.01 1002.01.01 压入，继续下钻 3 1002.01.01 无 触底，返回 4 回到 1002.02 无 触底，返回 5 收网 — VSTACK 堆出整棵树 注意结果顺序：1002 → 1002.01 → 1002.01.01 → 1002.02——深度优先，先钻到底再回头。做缩进式的科目明细表时，这正好是你要的阅读顺序。\n四、风险控制：递归必须会停，内控必须有底 递归的威力有多大一目了然，风险也同样是明码标价的。三类风险，逐一给防护：\n风险 成因 后果 防护 死循环 A 的股东是 B，B 的股东是 A（交叉持股、循环引用） 计算卡死、无响应 深度上限参数 深度过深 结构真实存在几十层 爆栈、内存耗尽 同上 静默失败 触底条件写错（如空串与空格混淆） 结果缺失但不报错 条文写死 + 边界测试 核心防护：给函数加一个“步数”参数——每递归一层加一，超过上限强制亮牌。这不只是技术防护，更是内控逻辑：递归不肯停，说明数据本身有问题（交叉持股、循环挂接），必须人工介入，而不是让机器无限消耗：\n=LAMBDA(公司, 步数, IF(步数 \u0026gt; 50, \u0026#34;⚠超限：疑似循环持股\u0026#34;, LET( 股东, XLOOKUP(公司, 股权表!A:A, 股权表!B:B, \u0026#34;\u0026#34;), IF(股东 = \u0026#34;\u0026#34;, 公司, 最终控制人(股东, 步数 + 1)) ) ) ) 调用时写 =最终控制人(\u0026quot;C公司\u0026quot;, 0) 即可。上限取 50 还是 100 是职业判断，但必须有个上限——递归必须会停，内控必须有底。这条防护思想，和上篇“月末锁定” 是同一个家族：机器负责执行，人负责划定机器的边界。\n顺带一个校验习惯：穿透结果出来后，用 LEN(路径)-LEN(SUBSTITUTE(路径,\u0026quot;←\u0026quot;,\u0026quot;\u0026quot;))+1 数一数链路层数，和手工抽查两笔对一对——边界抽样那套流程，递归函数照样适用。\n结语：人肉递归的时代，到此为止 回头看这个系列走过的路：从函数是“封装好的加工车间”，到电子表格是“关系维护机器”，到 LAMBDA 把封装权交还用户，到十条函数攒出部门准则体系——最后这一篇，递归，补上了“处理无限深度”的能力。\n而这恰恰是审计师最擅长的事。合并抵销一层层做上去，是人肉递归；长投往下穿透核查，是人肉递归；底稿索引从总账钻到凭证，是人肉递归。审计方法论里早就写满了递归思想，缺的从来不是逻辑，是把逻辑交给机器的那一步。\n四篇连载，到此收官。母题其实只有一句话：会计人精通的从来不是工具，是业务——工具只是把你的判断，变成资产。\n系列目录：《Excel 函数的本质》 → 《LAMBDA 实战》 → 《部门函数库十讲》 → 本篇。合起来，是一部写给会计人的 Excel 底层逻辑。\n","permalink":"https://cfo580.cn/article/di-gui-han-shu-li-de-e-luo-si-tao-wa-gu-quan-chuan-tou/","summary":"LAMBDA 内功收官篇。递归就是函数调用自己：定好“底”（什么时候停）和“推”（怎么变），一条公式就能钻穿未知深度的股权链、展开整棵科目树。附完整代码、逐层走查表，以及递归必须会停的防护设计。","title":"🪆 递归：函数里的俄罗斯套娃——股权穿透与科目树展开"},{"content":"——把财务部的“祖传公式”，一次性收编\n引子：每个财务部都有几条“祖传公式” 最典型的一幕：有人在部门群里问——“谁有大写金额的公式？”\n三分钟内收到五个版本，每个都信誓旦旦“我们一直在用”。没人知道出处，没人测过边界，更没人敢改——出了错只能整段删掉，去群里再要一次。\n祖传公式三宗罪：\n无出处：谁写的、对不对，只有天知道； 会变异：每抄一次被顺手改一点，一年后演化出五种方言； 无人敢动：没有修订记录这个概念，出问题只能推倒重抄。 上篇我们封装了部门第一条准则（账龄分段 ），走完了从条文到治理的全流程。但一个部门只有一条准则是不够的——立法要成体系。\n今天交付十条，全部附完整代码。选取标准只有一条：高频、易错、全员共用的“重灾区”。\n版本门槛一句话：需要 Microsoft 365（空单元格输入 =LAM 能补全 LAMBDA 即可），老版本的降级方案见上篇第六步。\n入编门槛：什么才配进函数库 **并非什么都值得封装。入编标准，比写代码更重要。**四问：\n高频吗？——每月都干、天天都干的活，才配占用立法资源。一年一次的披露口径，手工做加底稿复核足矣。 易错吗？——有边界、有默认值、有单位坑。越是“人人都会”的活，越容易各干各的。 共用吗？——一人用叫快捷方式，全组用才叫准则。 稳定吗？——规则本身不常变。天天变的参数（税率、比例），放参数表里查，别铸进函数——上篇说过的“修政策，不必发新准则”。 **反例警示：复杂不是入选理由。**一户一议的特殊计算（投资分成、对赌条款），口径不稳定、使用面窄，封进去等于每月修法。它们是职业判断，不是准则。\n总则：十条函数，五条公约 以下代码全部整段复制进：公式 → 名称管理器 → 新建 → 引用位置（以 = 开头），范围选“工作簿”。五条总则对所有函数生效：\n中文函数名 + 中文参数名——LET 让公式自带注释，参数名就是说明书； 异常一律亮牌——返回“税率有误”“日期倒挂”这类文字，禁止 IFERROR 吞掉； 先校验参数，再进行计算——每个函数自带一道“凭证审核”； 版本 V1.0 起步，修订走函数字典，禁止私改； 数组友好——多数函数支持整列传入、自动溢出（365 特性）。 第一组：进料检验——数据入口三道闸 第一篇说过：SUM 算出 0，多半不是函数坏了，是原料坏了。函数库的第一优先级不在计算，在入口。\n① 清洗金额 痛点：ERP、网银导出的金额是文本，带千分位逗号、货币符号、看不见的空格。每个人都遇过，每个人处理手法还不一样——有人分列，有人乘 1，有人选择性粘贴。\n条文：转得动就转；转不动，亮牌“非数值”，不许静默。\n=LAMBDA(原值, IF(ISNUMBER(原值), 原值, LET( 去符号, SUBSTITUTE(SUBSTITUTE(SUBSTITUTE(SUBSTITUTE( 原值, \u0026#34;,\u0026#34;, \u0026#34;\u0026#34;), \u0026#34;，\u0026#34;, \u0026#34;\u0026#34;), \u0026#34;¥\u0026#34;, \u0026#34;\u0026#34;), \u0026#34;￥\u0026#34;, \u0026#34;\u0026#34;), 去空格, TRIM(去符号), IFERROR(VALUE(去空格), \u0026#34;非数值\u0026#34;) )) ) =清洗金额(\u0026#34;1,234.56\u0026#34;) → 1234.56 =清洗金额(\u0026#34;待补\u0026#34;) → 非数值 =清洗金额(A2:A5000) → 整列溢出清洗 坑位：空单元格传进来会变 0（Excel 的默认行为）——它管“脏”，不管“缺”，缺数在源头查。遇到全角空格，加一段 SUBSTITUTE(原值, UNICHAR(12288), \u0026quot;\u0026quot;)。\n② 拆科目 痛点：总账导出的科目编码是 2202.01.05 一整串，做分析要拆层级。每次“分列”或手数 LEFT/MID 位数，数错是常事。\n条文：层级填 1、2、3…取对应级；填 0 取末级（最常用）。分隔符定为\u0026quot;.\u0026quot;。\n=LAMBDA(科目编码, 层级, LET( 片段, TEXTSPLIT(科目编码, \u0026#34;.\u0026#34;), 取第, IF(层级 = 0, COLUMNS(片段), 层级), IFERROR(CHOOSECOLS(片段, 取第), \u0026#34;层级有误\u0026#34;) ) ) =拆科目(\u0026#34;2202.01.05\u0026#34;, 1) → \u0026#34;2202\u0026#34; =拆科目(\u0026#34;2202.01.05\u0026#34;, 0) → \u0026#34;05\u0026#34;（末级） =拆科目(A2:A5000, 0) → 整列末级 设计点：你的 ERP 用\u0026quot;-\u0026ldquo;分隔？复制一条、改一个字符、另起函数名——但要在函数字典里登记。科目体系不同就是两套科目表，各立各的条文。\n③ 期间末日 痛点：“期间”这东西在各家表里有三种长相：202606（数字）、\u0026quot;2026-06\u0026quot;（文本）、一个日期。EOMONTH 只认第三种。每次先手工统一格式，一个月统一三十次。\n条文：三种写法都收；认不出的亮牌；返回该期间最后一天。\n=LAMBDA(期间, LET( 末日, IF( ISNUMBER(期间), IF(期间 \u0026gt; 100000, EOMONTH(DATE(INT(期间 / 100), MOD(期间, 100), 1), 0), EOMONTH(期间, 0)), IFERROR( EOMONTH(DATE(VALUE(TEXTBEFORE(期间, \u0026#34;-\u0026#34;)), VALUE(TEXTAFTER(期间, \u0026#34;-\u0026#34;)), 1), 0), \u0026#34;期间格式不识别\u0026#34;)), 末日) ) =期间末日(202606) → 2026-06-30 =期间末日(\u0026#34;2026-6\u0026#34;) → 2026-06-30 =期间末日(B2) → B2 所在月的月末 设计点：那个 100000 是什么？——大于十万的数字只能是“年月码”，小于的只能是日期序列值（现在约四万多），两类值域未来几百年不相撞，一行代码省掉三分之二的格式判断。先想清楚值域，再写判断逻辑——跟抽凭先抽边界样本，是同一种思维。（结果记得设成日期格式。）\n第二组：加工车间——四台核心设备 车间是产出价值的地方，也是最容易“差一分钱”的地方。\n④ 价税分离 痛点：公式简单，坑不少：税率有人填 13 有人填 0.13；价和税各自四舍五入，分录差一分钱借贷不平，月末翻半天凭证找差异。\n条文：税率 13 和 0.13 都收；不含税先算先舍入；税额 = 含税额 − 不含税（已舍入），用倒挤，不用独立舍入。这一条是灵魂：价 + 税 = 含税，永远分毫不差。\n=LAMBDA(含税额, 税率, 需求, LET( 率, IF(税率 \u0026gt; 1, 税率 / 100, 税率), 不含税, ROUND(含税额 / (1 + 率), 2), 税额, ROUND(含税额 - 不含税, 2), IF(率 \u0026lt; 0, \u0026#34;税率有误\u0026#34;, IF(需求 = \u0026#34;价\u0026#34;, 不含税, IF(需求 = \u0026#34;税\u0026#34;, 税额, \u0026#34;需求填 价 或 税\u0026#34;))) ) ) =价税分离(1130, 13, \u0026#34;价\u0026#34;) → 1000.00 =价税分离(1130, 13, \u0026#34;税\u0026#34;) → 130.00 =价税分离(1000.05, 6, \u0026#34;税\u0026#34;) → 56.61（倒挤，勾稽必平） 设计点：为什么倒挤——借贷记账法天然要求平衡，函数也要有记账思维：**先定锚（价），再倒挤（税）。**各自独立舍入是两个口径，倒挤是一个口径。\n⑤ 分摊 痛点：费用分摊、奖金分配、成本结转，各项 ROUND 之后合计对不上，差一分到几分。手工调尾差：调谁头上、调几笔、怎么留痕，各有各的土办法。分差异不罕见，罕见的是处理方法统一。\n条文：各项独立舍入到分；尾差全部给权重最大的一项；返回数组合计恒等于分摊总额。权重一律纵向排列、非负。\n=LAMBDA(总金额, 权重, IF(SUM(权重) \u0026lt;= 0, \u0026#34;权重有误\u0026#34;, LET( 权重和, SUM(权重), 理论额, 权重 / 权重和 * 总金额, 已舍入, ROUND(理论额, 2), 尾差, ROUND(总金额 - SUM(已舍入), 2), 位置, MATCH(MAX(理论额), 理论额, 0), 已舍入 + (SEQUENCE(ROWS(理论额)) = 位置) * 尾差 )) ) 权重放 D2:D4（1、1、1）： =分摊(1000, D2:D4) → 333.34 / 333.33 / 333.33 =SUM(溢出区域) → 1000.00（永远精确） 设计点：尾差为什么给最大项——占比最小、最不显眼；给最后一项是图省事，给最大项是职业判断。你的部门选哪个都行，但必须选一个写进条文——这就是封装的意义。坑位：横向权重会静默失效（ROWS 数不出来），条文里“纵向”两个字就是防这个的。\n⑥ 月折旧 痛点：规则人人知道——当月入账次月计提、直线法、提满停提。但几千行的固定资产表每行手写判断，漏提、多提、提满不停，年审时被一条条挑出来。\n条文：①当月入账，次月起提；②月折旧 =（原值 − 残值）÷ 年限月数，舍入到分；③提满即停；④末月找齐——最后一月提“原值 − 残值 − 已提”，累计折旧精确归零；⑤残值是金额，不是比例。\n=LAMBDA(原值, 残值, 启用日, 年限月, 期末日, LET( 计提月, EOMONTH(期末日, 0), 首提月, EOMONTH(启用日, 1), 末提月, EOMONTH(启用日, 年限月), 常规月额, ROUND((原值 - 残值) / 年限月, 2), 末月找齐, ROUND(原值 - 残值 - 常规月额 * (年限月 - 1), 2), 月额, IF(计提月 = 末提月, 末月找齐, 常规月额), IF(OR(年限月 \u0026lt;= 0, 原值 \u0026lt; 残值), \u0026#34;参数有误\u0026#34;, IF(AND(计提月 \u0026gt;= 首提月, 计提月 \u0026lt;= 末提月), 月额, 0)) ) ) 边界自测（原值 10100，残值 100，启用 2023-06-10，36 个月）：\n期末日 结果 考点 2023-06-30 0 当月入账，次月才提 2026-05-31 277.78 常规月 2026-06-30 277.70 末月找齐（不是 277.78） 2026-09-30 0 提满停提 设计点：首月、末月、提满后——恰好是折旧错报最爱藏的三条接缝。这张表本身就是上篇第五步“边界抽样”的迷你版，每个函数发文前都该有自己的一张。\n⑦ 利息 痛点：借款、资金拆借计息：天数算法（算不算头尾）、年化基准（360 还是 365）、利率单位（3.65 还是 0.0365）——三个坑叠着，谁跟谁都不一样，对账全靠吵架。\n条文：①天数 = 止日 − 起日，算头不算尾（信贷通行惯例，写死）；②基准三选：\u0026ldquo;360\u0026rdquo; / \u0026ldquo;365\u0026rdquo; / \u0026ldquo;自动\u0026rdquo;（止日在闰年按 366）；③利率两种写法都收；④日期倒挂亮牌。\n=LAMBDA(本金, 年利率, 起日, 止日, 基准, LET( 率, IF(年利率 \u0026gt; 1, 年利率 / 100, 年利率), 天数, 止日 - 起日, 年基数, SWITCH(基准, \u0026#34;360\u0026#34;, 360, \u0026#34;365\u0026#34;, 365, \u0026#34;自动\u0026#34;, IF(OR(MOD(YEAR(止日), 400) = 0, AND(MOD(YEAR(止日), 4) = 0, MOD(YEAR(止日), 100) \u0026lt;\u0026gt; 0)), 366, 365), \u0026#34;基准不识别\u0026#34;), IF(天数 \u0026lt; 0, \u0026#34;日期倒挂\u0026#34;, IF(ISNUMBER(年基数), ROUND(本金 * 率 * 天数 / 年基数, 2), 年基数)) ) ) =利息(10000000, 3.65, DATE(2026,1,1), DATE(2026,4,1), \u0026#34;360\u0026#34;) → 91,250.00（90 天，360 基准） 设计点：“自动”是简化处理（按止日所在年判断闰年）。精算口径的 ACT/ACT 要按年度切分天数——真有这种合同，别封装，逐笔算、留底稿。知道函数的边界，和会用函数一样重要——准则也有适用范围。\n第三组：成品包装——报表出口三道工序 报表是给外人看的，出口处的口径漂移最丢人——想想第一篇里华东华南的账龄打架。\n⑧ 重分类 痛点：往来科目期末按明细方向重列：应收账款贷方余额转预收/合同负债，应付账款借方余额转预付。规则一句话，执行一屋子 IF，每张表一个写法。\n条文：只做一件事——按余额方向取数：方向填“借”，取借方余额（贷方返回 0）；填“贷”，取贷方余额（借方返回 0）。科目映射不写进函数，用对照表查。\n=LAMBDA(余额, 方向, IF(方向 = \u0026#34;借\u0026#34;, MAX(余额, 0), IF(方向 = \u0026#34;贷\u0026#34;, MAX(-余额, 0), \u0026#34;方向填 借 或 贷\u0026#34;)) ) 客户余额在 B 列： =重分类(B2:B500, \u0026#34;借\u0026#34;) → 借方余额列（应收） =重分类(B2:B500, \u0026#34;贷\u0026#34;) → 贷方余额列（预收） 设计点：十行不到的代码，管住全公司的列报口径。入选函数库的从来不是复杂度，是出错成本。这可能是十条里最短的一条，也可能是报表上最值钱的一条。\n⑨ 变动分析 痛点：管理报表的本期对比上期：上期为零或为负时，要么 #DIV/0! 满屏，要么算出一个“看起来很正常、其实很荒谬”的负增长率。前者是报错，后者是披着数字外衣的静默失败——更危险。\n条文：上期 \u0026gt; 0 才算率；否则只报金额差，并标注“率不可比”。\n=LAMBDA(上期, 本期, LET( 差额, 本期 - 上期, 差额文, TEXT(差额, \u0026#34;+#,##0;-#,##0;0\u0026#34;), IF(上期 \u0026gt; 0, 差额文 \u0026amp; \u0026#34;（\u0026#34; \u0026amp; TEXT(差额 / 上期, \u0026#34;+0.0%;-0.0%\u0026#34;) \u0026amp; \u0026#34;）\u0026#34;, 差额文 \u0026amp; \u0026#34;（上期非正数，率不可比）\u0026#34;) ) ) =变动分析(100, 115) → +15（+15.0%） =变动分析(0, 500) → +500（上期非正数，率不可比） 设计点：为什么不用 IFERROR 一把梭——因为负基数不是“错误”，是“不可比”。错误该报错，不可比该声明；一把梭会把两者一起埋掉。会计语言里，这叫披露，不叫容错。\n⑩ 大写金额 痛点：回到开头，群里那句“谁有大写金额的公式”。那条祖传公式三百字，没人测过边界——而它最大的坑，藏在最想不到的地方。\n先做个实验：在单元格里输入 =INT(0.29*100)。你以为结果是 29？**实际是 28。**浮点误差：0.29 在机器里是 0.28999…，INT 一刀切下去，少一分钱。大写公式里全是 INT 和 MOD——一分钱的误差，支票大写直接错一个字。\n条文：①先把金额 ×100 整体 ROUND 成“总分”，再拆元角分（浮点免疫）；②角分规则四条——角分全零→“整”；分零角有→“X角整”；角零分有→“零X分”；都有→“X角Y分”；③负数、非数值、超万亿亮牌。\n=LAMBDA(金额, IF(NOT(ISNUMBER(金额)), \u0026#34;非数值\u0026#34;, IF(金额 \u0026lt; 0, \u0026#34;负数请人工处理\u0026#34;, IF(金额 \u0026gt;= 10^12, \u0026#34;超出封装范围\u0026#34;, LET( 总分, ROUND(金额 * 100, 0), 元, INT(总分 / 100), 角, MOD(INT(总分 / 10), 10), 分, MOD(总分, 10), 元文, TEXT(元, \u0026#34;[DBNum2]\u0026#34;), 角文, TEXT(角, \u0026#34;[DBNum2]0\u0026#34;), 分文, TEXT(分, \u0026#34;[DBNum2]0\u0026#34;), 尾文, IF(AND(角 = 0, 分 = 0), \u0026#34;整\u0026#34;, IF(角 = 0, \u0026#34;零\u0026#34; \u0026amp; 分文 \u0026amp; \u0026#34;分\u0026#34;, IF(分 = 0, 角文 \u0026amp; \u0026#34;角整\u0026#34;, 角文 \u0026amp; \u0026#34;角\u0026#34; \u0026amp; 分文 \u0026amp; \u0026#34;分\u0026#34;))), 元文 \u0026amp; \u0026#34;元\u0026#34; \u0026amp; 尾文 )))) ) =大写金额(1234.56) → 壹仟贰佰叁拾肆元伍角陆分 =大写金额(100.05) → 壹佰元零伍分 =大写金额(100) → 壹佰元整 =大写金额(0.29) → 零元贰角玖分（浮点免疫的受益者） 设计点：一行 ROUND，防住一类错。网上的大写公式几十个版本，差别全在角分补零的写法上——现在你们部门只有一个版本，条文就写在那四行 IF 里。\n加餐：月末自动锁定——上篇预告兑现 这一条故意不做成函数，它是三道闸拼出来的内控：\n参数表放一个格子：锁定日（已结账截止，如 2026-05-31），只有主管能改； 录入区“日期”列设数据有效性 → 自定义：=B2\u0026gt;参数!$B$1——想往已结账的 5 月补一笔？弹窗直接拒绝； 条件格式：=$B2\u0026lt;=参数!$B$1 整行置灰——已锁区间一眼可辨。 结账 = 主管把锁定日往前推一格。要硬锁，再叠加工作表保护。\n设计点：锁定是权限与流程问题，函数管计算、内控管权限——别让一个工具干两种活。知道什么不该封装，和知道什么该封装，一样重要。\n收官：函数字典（可直接贴进模板） 这张表就是模板里“函数字典”页的种子，补上制定人和日期即可“发文”：\n# 函数 定位 关键条文 版本 1 清洗金额 文本数字→真数字 转不动亮牌；空单元格会变 0 V1.0 2 拆科目 科目编码取任意层级 层级 0 = 末级；分隔符\u0026rdquo;.\u0026quot; V1.0 3 期间末日 期间→月末日期 三种写法；认不出亮牌 V1.0 4 价税分离 含税额拆价、税 倒挤保平，价 + 税 = 含税 V1.0 5 分摊 按权重分摊不差分 尾差进最大项；权重纵向 V1.0 6 月折旧 直线法当月折旧 次月起提；末月找齐 V1.0 7 利息 计息 算头不算尾；360/365/自动 V1.0 8 重分类 往来余额拆借贷列 科目映射查表，不进函数 V1.0 9 变动分析 差额 + 变动率 上期 ≤ 0，率不可比 V1.0 10 大写金额 人民币大写 先成总分再拆；角分四规则 V1.0 治理三动作（细节见上篇）：贴字典、做边界抽样、修订留痕。\n结语：不上资产负债表的资产 回到开头那个微信群。下次再有人问“谁有大写金额的公式”，你的回复只需要一行：\n模板里有。函数名：大写金额。条文见函数字典。\n五个祖传公式的时代，到你们部门这一代为止。\n会计的世界里，资产大多在折旧——设备越用越旧，技术越用越淘汰。函数库是难得的反向资产：每复用一次，口径稳一分；每修订一次，组织聪明一分。它不上资产负债表，但它让资产负债表更可信。顺手，它还解决了财务部的另一个老大难——从前口径长在人脑子里，人走口径散；现在口径长在模板里，人走，函数还在。离职交接清单上终于可以有一行：“函数字典在模板第三个工作表。”\n十段代码加起来不到一百行。而把它们写出来花的功夫，远不如把那十条“条文”想清楚花得多——上篇说过，最难的一步不在 Excel 里，这一篇，十条又验证了一遍。\n你封装的从来不是公式，是部门的执行纪律。\n","permalink":"https://cfo580.cn/article/bu-men-han-shu-ku-cai-wu-bu-zi-jian-shi-ge-han-shu/","summary":"每个财务部都有几条“祖传公式”——无出处、会变异、无人敢动。这篇交付十条最值得封装的部门函数，全部附完整 LAMBDA 代码：清洗金额、拆科目、期间末日、价税分离、分摊、月折旧、利息、重分类、变动分析、大写金额，另送月末锁定内控和一张可直接贴进模板的函数字典。","title":"🧰 部门函数库：最值得财务部自建的十个函数（附完整代码）"},{"content":"引子：一场由\u0026quot;口径\u0026quot;引发的月末事故 合并报表日，三家子公司的应收账款账龄表汇总到集团。华东的表是\u0026quot;90-180天\u0026quot;一档，华南的表是\u0026quot;91-180天\u0026quot;一档——就差这一天，合并数对不上，跟审计也对不上。\n追查下去，原因很朴素：三家各自手写了各自的 IF 嵌套。口径其实都懂，但每个人\u0026quot;手抄了一遍准则\u0026quot;，抄着抄着就走了样。\n《回到设计图纸：Excel 函数的本质》 结尾说过：LAMBDA 是设计者把\u0026quot;封装权\u0026quot;交回用户手里。今天兑现承诺——我们亲手把账龄规则封装成一条部门函数，让\u0026quot;准则\u0026quot;从人人手抄，变成一处定义、处处引用。\n先看疗效 改造前，每个会计在每张表里手搓（口径极易漂移）：\n=IFS($E$1-B2\u0026lt;=90,\u0026#34;90天以内\u0026#34;,$E$1-B2\u0026lt;=180,\u0026#34;91-180天\u0026#34;,$E$1-B2\u0026lt;=365,\u0026#34;181天-1年\u0026#34;,...) 改造后，全部门、全公司、永远只写这一句：\n=账龄分段(B2, $E$1) 公式从一百多个字符变成十个。口径装进了\u0026quot;函数名\u0026quot;里，谁用都得遵守。\n路线图：像立制度一样立函数 立制度的流程 本文的步骤 起草条文 第一步：口径写成文字 试行验证 第二步：辅助列试算 定稿发文 第三、四步：封装 + 命名 验收 第五步：边界抽样测试 执行、监督、归档 第六步：模板分发与复核程序 动工前先自检版本：随便找个空单元格，输入 =LAM，看自动补全里有没有 LAMBDA。有，开工；没有（Microsoft 365 或较新版本才有），本文第六步的\u0026quot;降级方案\u0026quot;也值得你读完。\n第一步：起草——先写条文，后写公式 这一步不开 Excel。把规则写成\u0026quot;准条文\u0026quot;，重点是这一条：\n边界归属：上限含本档（账龄恰为 90 天，归\u0026quot;90天以内\u0026quot;）。\n想想准则里\u0026quot;以上，含本数\u0026quot;的表述为什么存在——就是为了止住\u0026quot;90 天算哪档\u0026quot;的打架。条文示例：\n条款 本文约定 备注 起算日 销售日期 也可选开票日/到期日——这是职业判断，LAMBDA 不替你决定，只负责执行 截止日 报告期末，单独放一格（如 E1） 全表引用同一格 分档 ≤90 / 91-180 / 181-1年 / 1-2年 / 2年以上 五档 边界归属 含上限 最易打架的一条，必须写死 例外处理 缺日期、非日期、起算晚于截止——一律亮牌，不许静默 防静默失败 条文没写清楚之前，一行公式都不要动。 顺序反了，就是先挑凭证纸、后想科目表。\n第二步：试算——辅助列上的\u0026quot;试行版\u0026quot; 先建一列\u0026quot;账龄天数\u0026quot;、一列分档，用最朴素的公式验证主干逻辑：\n天数列： =$E$1 - B2 分档列： =IFS(F2\u0026lt;=90,\u0026#34;90天以内\u0026#34;, F2\u0026lt;=180,\u0026#34;91-180天\u0026#34;, F2\u0026lt;=365,\u0026#34;181天-1年\u0026#34;, F2\u0026lt;=730,\u0026#34;1-2年\u0026#34;, TRUE,\u0026#34;2年以上\u0026#34;) 注意：这一版没穿防护服。顺手做个破坏性实验——把某行销售日期删掉，天数会变成 45000 多天，这行悄无声息地掉进\u0026quot;2年以上\u0026quot;。不报错、不吭声、数字长得还挺像样。\n这就是反复说的\u0026quot;静默失败\u0026quot;。草稿版暴露它，恰好是为了让我们在定稿时补上例外条款。\n第三步：定稿——LAMBDA 封装，附\u0026quot;例外条款\u0026quot; 先看语法骨架：LAMBDA(参数1, 参数2, 计算式)。在单元格里可以\u0026quot;就地试车\u0026quot;——外面再跟一对括号传入实参：\n=LAMBDA(x, x*2)(21) → 42 然后是定稿代码（公式里按 Alt+Enter 换行排版，不影响计算）：\n=LAMBDA(起算日, 截止日, LET( 天数, 截止日 - 起算日, IFS( ISBLANK(起算日), \u0026#34;缺销售日期\u0026#34;, ISBLANK(截止日), \u0026#34;缺截止日期\u0026#34;, NOT(ISNUMBER(天数)), \u0026#34;数据异常\u0026#34;, 天数 \u0026lt; 0, \u0026#34;日期有误\u0026#34;, 天数 \u0026lt;= 90, \u0026#34;90天以内\u0026#34;, 天数 \u0026lt;= 180, \u0026#34;91-180天\u0026#34;, 天数 \u0026lt;= 365, \u0026#34;181天-1年\u0026#34;, 天数 \u0026lt;= 730, \u0026#34;1-2年\u0026#34;, TRUE, \u0026#34;2年以上\u0026#34; ) ) ) 两个新东西：\nLET 是给中间结果起名——相当于底稿里的\u0026quot;中间表\u0026quot;，让\u0026quot;天数\u0026quot;这个词贯穿全公式，可读性质变。 前四行就是例外条款：缺哪天就报哪天、ERP 导出的文本日期报\u0026quot;数据异常\u0026quot;、日期倒挂报\u0026quot;日期有误\u0026quot;。 例外条款每次手写太累，没人愿意写——而封装的意义，恰恰就是一次写好、全员受益。\n（参数名用中文完全合法；如果团队跨语言环境不放心，换成 bill_date 之类即可。）\n新手五坑，提前排雷：\n单元格里写 LAMBDA 却不带外层\u0026quot;调用括号\u0026quot; → #CALC!。就地测试必须自调用。 名称管理器的\u0026quot;引用位置\u0026quot;要以 = 开头，忘了就不生效。 参数名不能长得像单元格地址（A1、C2 会报\u0026quot;名称无效\u0026quot;）。 别拿 IFERROR 把结果整个包住——把\u0026quot;缺销售日期\u0026quot;吞掉，等于把差异藏进抽屉。让异常亮出来，是设计目标，不是 bug。 参数名在 LAMBDA 内部局部有效，和外面单元格名字互不干扰。 第四步：备案——名称管理器就是\u0026quot;发文号\u0026quot; 公式选项卡 → 名称管理器 → 新建； 名称：账龄分段；范围：工作簿（全簿可用）； 备注栏：填入一句话条文 + 版本号（V1.0，2026-06）——这就是制度的\u0026quot;文号与摘要\u0026quot;； 引用位置：粘贴上面整段 LAMBDA。 从此，这个工作簿里人人可以这样写：\n=账龄分段(B2, $E$1) 改 E1 的截止日，全表自动重算——那台\u0026quot;关系维护引擎\u0026quot;，还在替你干活。\n365 用户还有个彩蛋：把整个区域传进去，一条公式直接溢出整列，连下拉都省了：\n=账龄分段(B2:B5000, $E$1) 第五步：验收——像审计一样做边界抽样 制度发文前要试行，函数定稿前要做边界值测试。截止日统一为 2026-06-30：\n起算日 截止日 预期结果 考点 2026-03-01 2026-06-30 91-180天 档内普通值 2026-04-01 2026-06-30 90天以内 边界 90：含 2026-03-31 2026-06-30 91-180天 差一天，换一档 2026-01-01 2026-06-30 91-180天 边界 180：含 2025-12-31 2026-06-30 181天-1年 边界 181 2025-06-30 2026-06-30 181天-1年 边界 365：含 2025-06-29 2026-06-30 1-2年 边界 366 2024-06-29 2026-06-30 2年以上 边界 731 2026-08-15 2026-06-30 日期有误 起算晚于截止 \u0026ldquo;待补\u0026rdquo; 2026-06-30 数据异常 ERP 文本日期 （空白） 2026-06-30 缺销售日期 草稿版会静默掉进\u0026quot;2年以上\u0026quot; 十一个用例全绿，才准\u0026quot;发文\u0026quot;。这跟你抽凭时的边界样本是一个思路：档与档的接缝处，才是错报最爱藏的地方。\n第六步：治理——让准则\u0026quot;活着\u0026quot; 封装完成只是立法完毕，真正的价值在执行。四件事：\n1. 载体：模板即制度。 LAMBDA 的定义存在工作簿里——谁打开这个工作簿，谁就能用。所以把全套函数预置进部门月度模板，规定所有人从模板新建底稿。制度靠发文落地，函数靠模板落地。\n2. 汇编：建一张\u0026quot;函数字典\u0026quot;工作表。 列出函数名、条文原文、参数、版本、制定人、修订记录。注意：LAMBDA 让单元格干净了，但逻辑\u0026quot;藏\u0026quot;进了名称管理器——所以这张表不是可选项，是控制措施。\n3. 修订纪律。 口径要变？不许有人私改单元格公式（那等于私设账外口径）；正确路径是：改名称定义 → 版本号加一 → 修订记录留痕 → 通知全组。顺带一个美妙的特性：每份归档底稿自带当时的函数定义——三年后复核旧底稿，打开它就是打开\u0026quot;当时适用的那版准则\u0026quot;，天然满足\u0026quot;按当期政策复核\u0026quot;的归档逻辑。\n4. 复核程序升级。 以前复核人挨个点开长公式看口径；现在的标准动作是：先看名称管理器和函数字典（相当于先看会计政策），再 Ctrl + ~ 看单元格（相当于再看分录）。政策对了，分录才值得逐条看。\n降级方案：老版本 Excel 打开会得 #NAME?。模板里保留一列隐藏的\u0026quot;兼容版\u0026quot;（第二步那套辅助列公式）作灾备，或输出后贴值——制度执行不了时，永远留一条手工通道。\n进阶：从一条准则，到一套准则体系 有了 账龄分段，下一条准则顺势而来——计提比例。这里有个值得单独说一嘴的设计判断：比例是政策参数，会随审慎性调整；分档逻辑是处理规则，轻易不动。 所以别把比例写死在 LAMBDA 里，让它去查一张参数表：\n=LAMBDA(档, XLOOKUP(档, 比例表!A:A, 比例表!B:B, 0)) 政策变了，改表即可，函数一个字不用动——修政策，不必发新准则。\n于是明细表上两列收工：\n账龄档： =账龄分段(B2, $E$1) 计提额： =C2 * 计提比例(D2) 函数互相援引，就是准则互相援引——你在攒一套部门准则体系。至于 LAMBDA 最深的功夫\u0026quot;递归\u0026quot;（函数调用自己），账龄用不上，留个悬念。\n结语：最难的一步，不在 Excel 里 回头看这六步：LAMBDA 只出现在第三、四步。而真正消灭\u0026quot;口径打架\u0026quot;的，是第一步——把规则写成了文字，把边界归属写成了\u0026quot;含本数\u0026quot;。\n所以哪怕你们还在用 Excel 2016，用不了 LAMBDA，这篇文章也不算白读：先立条文、再写公式、边界成文、异常亮牌，这四条今天就能落地。\nExcel 只是执行者，立法的永远是人。LAMBDA 给会计人的，不是又一个新函数，而是一种此前只有软件公司才有的权力——把部门的专业判断，铸成机器资产。\n你封装的不是公式，是执行纪律。\n下篇预告：《部门函数库：最值得财务部自建的十个函数（附完整代码）》——价税分离、月末自动锁定、往来重分类……\n","permalink":"https://cfo580.cn/article/lambda-shi-zhan-zhang-ling-gui-ze-feng-zhuang-nei-bu-zhun-ze/","summary":"三家子公司账龄口径差一天，合并数就对不上——根因是每人手抄了一遍 IF 嵌套。用 LAMBDA 把账龄规则封装成一条部门函数，让准则从人人手抄变成一处定义、处处引用。","title":"🧮 LAMBDA 实战：把你的账龄规则，封装成部门自己的\"内部准则\""},{"content":"引子：Excel 出现之前，会计的桌上有一张纸 1978 年，哈佛商学院的教室里，一位 MBA 学生盯着黑板出神。教授在讲财务模型，每改一个价格假设，就得擦掉一整黑板数字，从头再算一遍。\n那个学生叫 Dan Bricklin。他脑子里冒出一个念头：如果这块黑板会自己重算呢？\n第二年，VisiCalc 问世，跑在苹果 II 型机上，是史上第一个电子表格软件。它后来有了继承者：1983 年的 Lotus 1-2-3，1985 年的 Excel。而第一批掏钱买它的人，就是会计和财务人员。\n这不是巧合。要知道，\u0026ldquo;Spreadsheet\u0026rdquo; 这个词在计算机出现之前就有——它指的就是老会计桌上那张分栏的账纸、审计底稿用的多栏分析纸。表头写着\u0026quot;本栏 = 上栏 × 税率\u0026quot;，页脚算着合计，改一个数，橡皮加计算器，全表重来。\n电子表格不是发明了表格，它只是把会计那张纸搬进了屏幕——并给它装上了引擎。\n要看透函数的本质，就得回到设计者的原点：他们到底想造一台什么机器？\n一、设计图纸上的三个奠基决定 设计者要解决的问题只有一个：改一个输入，让所有受影响的格子自己更新。为此他们画了三张底图。\n底图一：给每个格子发一个地址。\nA1、B7、C100……这是整座大厦的地基。为什么先干这个？因为要让一个格子\u0026quot;引用\u0026quot;另一个格子，前提是每个格子有唯一的名字。会计人秒懂：没有科目编码，就没有总账系统。地址就是坐标，是\u0026quot;可被引用\u0026quot;的前提。\n底图二：格子里存的不是数，是关系。\n你在 C5 输入 =B3*B4，C5 里真正保存的不是那个乘积，而是\u0026quot;我是 B3 乘 B4\u0026quot;这条关系。数字，只是这条关系的当前结果。\n这绝不是\u0026quot;记一个数\u0026quot;，这是登记一条勾稽关系。你底稿上写的\u0026quot;审定数 = 明细合计 ± 调整分录\u0026quot;，Excel 把这种关系直接存进了格子本体。\n底图三：一台重算引擎。\nExcel 在后台默默维护着一张巨大的依赖关系网——谁引用谁。任何格子一变，它只沿着依赖链条，重算受影响的格子。这台引擎才是电子表格的灵魂，是那块\u0026quot;会自己重算的黑板\u0026quot;。\n三张底图合起来就一句话：\nExcel 不是计算器，是一台\u0026quot;关系维护机器\u0026quot;。计算器算数；Excel 维护数与数之间的关系。\n二、那么，函数在这张图纸上是什么位置？ 顺着设计逻辑往下推。\n当千百万用户用公式表达关系时，出现了大量重复动作：把一列数加总、算折旧、算复利、查对应值。每个会计每周都在手写同一种公式。\n设计者的选择是：把这些高频动作一次性写好、测试好、封装起来、起个名字——这就是函数。\n所以函数在设计图纸上的位置是：官方预制好的标准工序，插在关系机器上的标准件。\n本文最重要的一句话来了：\n公式，是你自己写的一条勾稽关系；函数，是\u0026quot;准则\u0026quot;——把常见处理方式标准化封装，人人直接引用，不必每次重新论证。清代数学家李善兰对 \u0026ldquo;function\u0026rdquo; 这个词的翻译是：凡此变数中函（包含）彼变数者，则此为彼之函数。\n准则为什么存在？因为同类业务反复出现，需要标准答案来降低沟通与复核成本。函数的存在理由，一模一样。\n由此推出三个结论，能解决会计人日常九成的困惑：\n参数是固定接口。 准则条文怎么写你就怎么执行。SUM 要数字你喂文本，就像把金额填进了摘要栏——不是准则错了，是你没按条文来。VLOOKUP 第四参数默认模糊匹配，就像准则里\u0026quot;除另有说明外\u0026quot;的默认条款，不读原文必踩坑。 结果确定、可复核。 同输入必同输出，天生适配\u0026quot;重新执行\u0026quot;这种审计程序。这是设计出来的可复核性。 错误代码是关系网的健康诊断。 #REF! 是地址断了（底稿行列被人删了）；#N/A 是引用对象不存在（往来核对有差异——它本来就该暴露出来）。格子里存的是关系，关系断了机器才会喊。它不是在报错，它是在履行设计使命。 三、为什么函数的行为\u0026quot;长成这样\u0026quot;——一切都能从底图推出来 这是\u0026quot;看懂设计\u0026quot;和\u0026quot;死记硬背\u0026quot;的分水岭。随便举几个：\n为什么复制公式，引用会自己跑？ 因为设计目标就是\u0026quot;复制关系的模式\u0026quot;——表头那个\u0026quot;上行 × 税率\u0026quot;的模式，理应整列复用。所以默认相对引用，关系跟着走；$ 是钉死锚点的开关。于是就有了那个经典事故：费率格忘加 $，下拉之后整列关系悄悄滑位，而且不报错。这是关系机器最凶险的静默故障。会计人的对策依旧：交付前 Ctrl + ~ 亮出全部公式，肉眼巡一遍关系网——这是内控动作，不是炫技。\n为什么嵌套可行？ 因为关系可以首尾相接成链条。多层 IF 就是账龄分段的决策流程图，一环扣一环。方法论不变：先拆成单步（辅助列），跑通再合并——底稿本来就是分级做的。\n为什么新函数是这个方向？ XLOOKUP、FILTER、动态数组溢出，全是同一条 DNA：让你向一片数据提问，而不是向一个格子提问。SUMIFS 的本质就是一句口语：\u0026ldquo;华东区、销售费用—差旅费，合计多少？\u0026rdquo; 新函数只是让这句提问越来越短、越来越像人话。\n为什么四百多个函数永远学不完？ 因为函数是\u0026quot;标准工序库\u0026quot;，库一直在扩。但工序底下那台机器——地址、关系、重算——四十多年没变过。你该精通的是机器，不是背下整个仓库。\n四、LAMBDA：设计闭环的高光时刻 2020 年底，Excel 365 放出了一个函数：LAMBDA——用户可以自己定义函数。\n这一步意味深长。当年，设计者替用户封装标准工序；如今，封装权交回到用户手里。设计者等于亲口承认了函数的本质：可复用计算流程的封装——谁封装都算数。\n对会计人，这是实打实的生产力：把每月底稿里雷打不动的逻辑——账龄分段规则、含税价拆分、科目重分类——用 LAMBDA 封成自己的函数，一次定义，处处调用，全组共用。这就是你部门的\u0026quot;内部操作规程\u0026quot;，机器替你执行到永远。\n五、别忘了：会计人本来就是它为之设计的人 回到起点：电子表格的第一批用户就是会计。它的设计语言，从头到尾就是会计语言。\nExcel 的设计 会计的世界 单元格地址 科目编码、账页位置 公式 勾稽关系 函数 准则：标准化的处理方法 重算引擎 过账联动：一笔分录变动，总账报表自动更新 依赖关系网 底稿的索引与交叉引用 #REF! / #N/A 勾稽关系断裂报告 所以学 Excel，不是在学一门\u0026quot;IT 技能\u0026quot;，而是在把脑子里已有的会计体系，翻译到一台恰好为此而生的机器上。\n实操建议只给一条，因为它是纲：建任何表之前，先像设计者一样画\u0026quot;关系图\u0026quot;，而不是先想\u0026quot;用哪个函数\u0026quot;。 哪些格子是输入（原始数据），哪些是派生（公式），关系怎么流。关系想清楚了，函数只是最后落笔时查一下名字。顺序反过来，就等于把科目表扔在一边，先去挑凭证纸的牌子。\n结语：四十多年，它只干了一件事 从 1979 年的 VisiCalc 到今天，从纸质多栏账页到 LAMBDA，电子表格的内核从未更换：\n把会计人用橡皮和计算器维护的那张关系网，交给机器自动维护。\n公式是关系，函数是标准工序，重算引擎是那双不知疲倦的手。外壳还会继续换——Power Query、Python、AI——但只要\u0026quot;地址、关系、自动重算、标准封装\u0026quot;这套 DNA 还在，你今天悟到的一切，都能平移过去。\n毕竟，四十多年前，它的第一行代码，就是为了让黑板上的数字不再被反复擦掉而写的。\n下一篇，我想写《LAMBDA 实战：把你的账龄规则封装成部门自己的\u0026quot;内部准则\u0026quot;》，手把手拆一个案例。\n","permalink":"https://cfo580.cn/article/hui-dao-she-ji-tu-zhi-excel-han-shu-de-ben-zhi/","summary":"函数背不完、公式一改就错、#REF! 不知从哪来——多半不是你没学会，而是没看过设计图纸。回到 1979 年 VisiCalc 的原点：Excel 不是计算器，是一台关系维护机器。","title":"📊 回到设计图纸：Excel 函数的本质，是一张会自动重算的账纸"},{"content":"这些后缀是模型厂商用来区分定位、速度、成本的命名习惯，不同公司含义大同小异，按常见含义来解释：\n后缀 含义 典型定位 flash \u0026ldquo;快/轻\u0026rdquo; 型号 速度优先、响应快、成本低，牺牲一部分复杂推理能力，适合高频、简单任务 turbo \u0026ldquo;涡轮/加速\u0026rdquo; 型号 也是主打速度和低延迟，通常比标准版快、便宜；有些厂商把 turbo 当作\u0026quot;又快又不错\u0026quot;的中端档 preview \u0026ldquo;预览/内测\u0026rdquo; 型号 新能力的先行体验版，通常是下一个正式版的前瞻，能力新但可能不够稳、接口可能变 pro \u0026ldquo;专业/顶配\u0026rdquo; 型号 能力最强的正式版，复杂推理、长文本、高质量输出，对应速度慢、成本高（一般要会员/付费） 简单记 追求快、省 → flash / turbo 追求最强能力 → pro 尝鲜新功能 → preview 举个例子，豆包自己的模型命名也基本沿用这套逻辑：seedream 有 pro 和 flash 版本，pro 能力更强但要会员；视频模型 seedance 2.0 的 fast 就对应\u0026quot;快速便宜\u0026quot;档。\n总结：后缀基本是\u0026quot;速度 ↔ 能力 ↔ 价格\u0026quot;的档位标签，pro 最强最贵最慢，flash/turbo 最快最便宜，preview 是走在前面但不稳定的体验版。\n","permalink":"https://cfo580.cn/article/da-mo-xing-de-hou-zhui-flash-turbo-preview-pro-ge-dai-biao-shen-me-yi-si/","summary":"选 AI 工具时看到 flash、turbo、preview、pro 就犯怵？这些后缀其实是厂商用来区分定位、速度、成本的档位标签。看懂它，你就知道该为什么付费、该避开什么坑。","title":"🏷️ 大模型的后缀：flash、turbo、preview、pro 各代表什么意思"},{"content":"一、先看一组让人清醒的数据 2024 年，业界有个叫 OSWorld 的评测基准，用来测 AI 能不能像人一样操作电脑。当时头部模型的成绩一路刷到 85%～90%，看起来问题已经解决了。\n2026 年 6 月，同一个团队发布了 OSWorld 2.0。任务换成了 108 个真实的长时程电脑操作工作流——单个任务，人类操作时间的中位数约 1.6 小时，平均需要 318 次工具调用（1.0 版本只有约 30 次）。\n结果：Anthropic 的 Claude Opus 4.8，完成了 20.6% 的任务。\n同一批世界顶尖的模型，任务链条一拉长，成功率从 86% 掉到 20%。\n这不是模型退步了，是旧的考题太简单了。\n而这个断崖，恰恰对应着财务工作的真实形态：你的活从来不是\u0026quot;帮我写一封邮件\u0026quot;，而是\u0026quot;把这个文件夹里的银行流水和发票明细核对一遍，列出差异，按客户汇总账龄，套上公司模板，导出成 Excel\u0026quot;。\n判断一个 AI 办公工具好不好用，关键就看它在这种长链条任务上的表现。\n二、模型能力到底差在哪：七个维度 我把差别拆成七项，按对财务场景的重要性排序。\n2.1 幻觉控制（权重最高） 能不能忍住不编。\n弱模型的典型表现：查不到数据时，给你一个看起来非常合理的数字；引用的政策文号是拼凑的；说的函数名不存在。\n对财务人来说，编一个数字比答不出来严重一百倍。 答不出来你会去查，编出来的你可能直接写进底稿。\n判断方法很简单：问它一个不存在的东西。比如\u0026quot;帮我查一下财税〔2026〕37 号文关于研发费用加计扣除的规定\u0026quot;——如果这个文号是假的，好模型会说没查到或者提示你核实，差模型会给你编一段像模像样的政策解读。\n2.2 数值与表格推理 这是 Excel 类任务的地基，也是最容易被\u0026quot;演示视频\u0026quot;掩盖的短板。\n具体差别在于：\n聚合运算的准确性：几十万行求和、分组统计，会不会算错 勾稽关系的理解：能不能明白\u0026quot;资产＝负债＋所有者权益\u0026quot;\u0026ldquo;本期数＝上期数＋增加－减少\u0026quot;这类约束，并在数据不平时主动指出来 公式语义的还原：给它一个嵌套了 VLOOKUP、IFERROR、SUMIFS 的单元格，能不能说清楚它在算什么 浮点精度处理：金额加总会不会出现 42345.669999 这种分位误差 ⚠️ 这一项各家差异很大，且很难从宣传材料看出来，只能实测。\n2.3 长程规划与错误累积 能不能在第 200 步还记得第 3 步的目标。\n这是 OSWorld 2.0 暴露出的核心短板。长链条任务里，每一步的小偏差会累积。弱模型的典型症状是：\n干到一半忘了原始需求，开始做无关的事 同一个错误反复尝试，不知道换条路 遇到工具报错就停住，或者假装成功继续往下走 强模型会自我检查：跑完一段回头核对，发现不对主动回滚重来。\n对财务场景的意义是：批量处理类任务（几十个月报、上百份合同、多主体合并），这一项直接决定你是\u0026quot;点一下等结果\u0026rdquo;，还是\u0026quot;守着它一步步救火\u0026quot;。\n2.4 长上下文的有效利用 注意：标称支持 100 万 token，不等于真能用好 100 万 token。\n业界有个公认现象叫 \u0026ldquo;lost in the middle\u0026rdquo;（中间信息丢失）——把关键信息放在超长文本的开头或结尾，模型能准确找到；放在中间，就容易漏。\n各家模型在这个问题上的严重程度差异明显。Artificial Analysis 专门做了一项长上下文推理评测，测的就是\u0026quot;模型能否在长输入中定位、关联并综合信息\u0026quot;，官方说明这项能力对金融分析、法律等场景尤为重要。\n对财务的意义：读 200 页年报、几万行明细账、一整套凭证附件时，中间那段最容易被漏掉——而那往往正是你要找的关联交易披露。\n判断方法：给它一份长文档，把一个不显眼的细节藏在正中间，问它相关问题。\n2.5 工具调用稳定性 包括三层：\n参数正确率：会不会编造不存在的参数、把日期格式写错、路径拼错 报错处理能力：工具返回错误时，能不能读懂错误信息并调整，而不是原样重试三遍 工具选择判断：几十个工具摆在那，会不会挑错——比如该读文件时去搜网页 学术界为此专门做了 LongFuncEval 等评测，考察模型在\u0026quot;工具数量很多、说明很长\u0026quot;时的函数调用能力。这个场景恰好对应现在的办公 AI——动辄接入几十个连接器和技能。\n2.6 指令遵循严格度 \u0026ldquo;只改 B 列，其他别动\u0026quot;\u0026ldquo;按这个模板排版\u0026quot;\u0026ldquo;金额保留两位小数\u0026quot;\u0026ldquo;不要用表情符号\u0026rdquo;。\n弱模型会出现指令漂移：你说了五条要求，它记住三条。越到任务后期漂移越严重。\n财务底稿的格式要求极严，这一项直接决定返工率。\n2.7 GUI 与多模态理解 如果工具需要操作桌面软件（点财务软件的界面、看扫描件、理解 PPT 版式），那它得能\u0026quot;看懂\u0026quot;屏幕。\n差别在于：识别界面元素的准确率、对表格截图的结构化理解、对手写批注的识别。\n三、一个反直觉的事实：模型 ≠ Agent 同一个模型，装进不同的产品框架里，成绩能差好几个百分点。\n这一点不是我推测的。OSWorld-Verified 榜单的官方说明里写得非常直白：\n\u0026ldquo;成功率反映的是完整的模型-智能体系统，而不是基础模型本身。\u0026rdquo;\n2026 年 5 月，PinchBench（一个覆盖 23 个真实工作场景、147 个任务的智能体评测基准，按成功率＋速度＋成本综合排名）上出现了一个典型案例：百度 DuMate 以 93.3% 和 93.2% 包揽前两名，而 Anthropic 和 OpenAI 在自家框架中跑同款模型的成绩是 89.0% 和 91.6%。\n⚠️ 上述 PinchBench 数据来自单一媒体报道，建议以榜单原始页面为准。但它印证的方向与 OSWorld 官方的说明一致。\n框架层面能改变结果的东西包括：\n上下文工程——怎么裁剪、压缩、组织喂给模型的信息。有研究专门探讨长时程工具调用场景下的上下文效率，结论是\u0026quot;更少的上下文，反而更好的表现\u0026rdquo; 失败重试与回滚机制——出错时是死磕、换路，还是直接放弃 任务分解策略——大任务怎么拆，拆多细 记忆机制——跨步骤、跨会话的信息怎么保持 工具编排——多个工具的调用顺序和依赖怎么管理 所以：当你看到\u0026quot;本产品采用 XX 大模型\u0026quot;时，这句话的信息量比你以为的少得多。 它只说明了发动机型号，没说明变速箱、悬挂和调校。\n四、怎么读榜单才不会被带偏 榜单有参考价值，但用错方法会得出错误结论。以下是几条实操原则。\n4.1 只在同一个榜单内部比较 不同榜单的分数绝对不能横向对比。\nOSWorld-Verified 的官方说明里明确写了一条：\n\u0026ldquo;OSWorld 2.0 的结果与 OSWorld-Verified 的结果不可互换。\u0026rdquo;\n原因是两者的任务集、环境版本、观测方式（截图还是无障碍树）、动作接口、提示词、动作预算、重试策略全都不一样。86.1% 和 20.6% 之间，差的不是模型能力，是考题难度。\n4.2 注意\u0026quot;榜单饱和\u0026rdquo; OSWorld-Verified 目前收录了 34 个模型，头部三名分别是 86.1%、85%、85%——前三名差距在 1.1 个百分点以内。榜单方自己的判断是\u0026quot;该基准对前沿模型已接近饱和\u0026rdquo;。\n这意味着：在这张榜单上，第一名和第三名你基本感觉不出差别。 但榜单尾部差距巨大，最低只有 39%。\n饱和的榜单已经失去了区分度。真正有信息量的，是新的、更难的评测——比如 OSWorld 2.0，以及下面要说的办公专项基准。\n4.3 找对口场景的专项基准 通用榜单分数再高，也不代表在你的场景里好用。财务人应该重点看这几个：\n基准 测什么 为什么对财务人有用 OdysseyBench Word、Excel、PDF、邮件、日历五大办公应用上的长时程工作流 最对口。含 300 个源自真实用例的任务 + 302 个合成的复杂任务，要求模型从长交互历史中提取关键信息并跨应用多步推理 τ³-Banking 银行业务场景下的工具调用与多轮对话 金融业务专项，比通用榜单更贴近财务合规要求 OSWorld 2.0 108 个真实长时程电脑操作工作流 目前最能区分强弱的一档，头部模型也只有两成成功率 顺带说一个 OdysseyBench 论文里的观点，很值得财务人记住：\n现有基准大多聚焦于\u0026quot;原子任务\u0026quot;——自成一体、相互独立的小任务，无法反映真实场景所需的长期上下文依赖和多轮交互协同。\n翻译成大白话：以前的考题都是\u0026quot;算 1+1\u0026quot;，而你的工作是\u0026quot;做完整个月的账\u0026quot;。 挑工具的时候，别被它在原子任务上的漂亮表现骗了。\n4.4 国内模型的参考信息 2026 年 5 月有一份覆盖国内主流大模型公有云 API 的实测报告，累计完成超 1900 次真实环境调用，从代码生成、数学推理、任务规划、幻觉控制四个场景打分，同时评估服务性能、输出质量和调用成本。\n它的核心结论是：国内主流大模型无全能型选手，场景分化特征显著。\n⚠️ 该结论转引自百科词条，具体各家得分建议查阅报告原文。但\u0026quot;没有全能选手\u0026quot;这个判断，与前述 OSWorld 官方\u0026quot;成绩反映整个系统而非基础模型\u0026quot;的说明是一致的——选型必须对着你自己的具体场景来，不能看综合排名。\n五、财务场景的权重，要重新排一遍 通用评测的维度和权重，跟财务人的实际需求并不一致。我的建议是这样排：\n优先级 维度 理由 ⭐⭐⭐⭐⭐ 幻觉控制 编一个数字进底稿，后果不可逆 ⭐⭐⭐⭐⭐ 数值与表格推理 Excel 类任务的地基，错一位小数就是事故 ⭐⭐⭐⭐ 长上下文有效利用 年报、凭证、明细账动辄几百页 ⭐⭐⭐⭐ 指令遵循 财务底稿格式要求极严，返工成本高 ⭐⭐⭐ 长程规划稳定性 决定批量任务能不能跑完 ⭐⭐⭐ 数据安全与合规 见下一节，这是红线不是加分项 ⭐ 通用写作、创意能力 主流模型都够用，不构成差异 注意最后一条：写作能力在财务场景里的权重最低。 但很多产品的宣传重点恰恰放在这儿——因为写文案最容易做出惊艳的演示。\n看到\u0026quot;AI 帮你写财务报告\u0026quot;这类宣传时，多问一句：那它算的数准不准？\n六、四条不可让渡的红线 前面讲的都是\u0026quot;好不好用\u0026quot;。这一节讲的是\u0026quot;能不能用\u0026quot;。\n6.1 数据出境与保密 财务数据是公司最敏感的信息之一。上传给云端模型，等于数据离开了你的控制范围。\n必须问清楚：\n数据是否用于模型训练？（正规商用服务通常承诺不用，但要看合同条款） 数据存储在哪个地域？ 是否支持私有化部署？ 传输和存储是否加密？ 有没有等保、SOC 2、ISO 27001 等合规认证？ 涉及未公开的财务数据、并购信息、薪酬数据时，先过合规和 IT 部门，不要自己决定。 这不是谨慎，是职责。\n6.2 权限与操作边界 一个能操作你电脑的 AI，理论上也能删你的文件、改你的账、发你不该发的邮件。\n要确认：\n有没有沙箱隔离？能不能限制它只访问指定文件夹？ 破坏性操作（删除、覆盖、移动）是否强制二次确认？ 能否设置只读模式？ 有没有完整的操作日志可回溯？ 我的建议：给 AI 的工作目录，永远单独建一个，不要直接指向你的账套所在文件夹。\n6.3 人工复核不可省略 现阶段没有任何模型能保证财务数据 100% 准确。\n凡是进入正式底稿、报表、申报表的数字，必须人工复核。 AI 可以把你的工作量从\u0026quot;手工算十小时\u0026quot;降到\u0026quot;复核一小时\u0026quot;，但不能降到零。\n这一点写进制度里，比依赖工具的自觉可靠得多。\n6.4 留痕与可追溯 如果 AI 参与了核算过程，将来审计问起来\u0026quot;这个数怎么来的\u0026quot;，你得答得上来。\n建议保留：输入了什么、输出了什么、谁做的复核、复核依据是什么。\n七、动手实测：一套可以自己跑的方法 别信榜单，也别信我的推荐。用你自己的真实任务测。\n这是我建议的完整流程，一下午能做完。\n第一步：选 5 个真实任务 从你每周都要干的活里挑，覆盖不同类型：\n类型 任务示例 数据核对 把这个文件夹里的银行流水和发票明细核对，列出所有差异 批量处理 这 20 个 Excel 是各分公司的月报，按统一模板汇总成一张表 长文档理解 读这份 80 页的年报，提取关联交易、对外担保和期后事项 计算与分析 根据这份台账算账龄，按客户和区间汇总，导出 Excel 格式转换 把这 10 份 Word 报告合并，统一样式，生成目录 关键：一定要用真实数据，不要用干净的示例文件。 真实的表有合并单元格、有跨页表头、有\u0026quot;单位：元\u0026quot;这种抬头行、有手填的错别字——这些才是模型的真实考场。\n第二步：每个任务跑三遍 稳定性比单次成功更重要。\n同一个任务、同样的输入，跑三次，看结果是否一致。\n三遍里有一次出错、一次成功、一次跑歪——说明它不可靠。不可靠的工具在财务场景里等于不能用，因为你无法预知哪一次会出错，而复核成本会吃掉所有效率收益。\n第三步：按四个维度打分 准备一张表，每个任务记这四项：\n维度 记录内容 完成度 跑完了吗？还是中途停下要你接管？接了几次？ 准确性 抽 10% 人工复核。错了多少处？错的是数字还是格式？ 一致性 三次结果一样吗？不一样的地方在哪？ 成本 花了多长时间？消耗多少积分/费用？ 第四步：设一票否决项 以下任何一条出现，直接淘汰，不用看总分：\n❌ 编造了不存在的数据、文号、政策条款 ❌ 算错了金额，且被指出后仍坚持错误结果 ❌ 未经确认执行了删除、覆盖类操作 ❌ 把你的文件上传到了未说明的第三方服务 ❌ 明确拒绝说明数据的存储和处理方式 为什么设一票否决？ 因为这些错误在财务场景里的后果是不可逆的，而且是低频的——你可能用一百次都没事，第一百零一次出事。低概率 × 高损失，期望值依然是负的。\n第五步：算总账 别只看单次效率，算这个：\n真实节省时间 = 原耗时 − (AI 执行时间 + 复核时间 + 返工时间) 复核时间和返工时间这两项，是很多人漏算的。\n一个准确率 80% 的工具，可能让你复核得比自己重做还累。一个准确率 99% 的工具，才真的省时间。\n八、几句实话 第一，现在没有\u0026quot;完美\u0026quot;的 AI 办公工具。\nOSWorld 2.0 上头部模型 20.6% 的成功率已经说明：真实的长时程办公任务，目前的 AI 还远远谈不上能托付。它是强力助手，不是替代者。 谁要是跟你说\u0026quot;上线就能减一半人\u0026quot;，可以直接结束了。\n第二，也别因此不用。\n20.6% 是\u0026quot;完全自主跑完\u0026quot;的比例。而在有人在旁复核、允许中途接管的模式下，AI 能实实在在把很多任务的耗时压缩一个数量级。关键是把人的角色从\u0026quot;执行\u0026quot;换成\u0026quot;复核和判断\u0026quot;。\n第三，选型的本质是选\u0026quot;犯错成本\u0026quot;。\n同样能干活，A 工具出错时会停下来问你，B 工具出错时会自己猜一个继续跑。\n在写文案的场景里，B 更省事。在财务场景里，A 才是能用的那个。\n第四，工具会一直变，方法不会。\n榜单三个月一换，模型半年一代。今天的第一名，明年可能就不在前五。\n但\u0026quot;用真实任务、跑三遍、查准确率、设一票否决\u0026quot;这套方法，什么时候都管用。学会方法，比记住结论重要。\n附：可打印的实测记录表 复制到 Excel 里就能用。\n任务编号 任务类型 工具名称 跑第几遍 是否跑完 接管次数 抽检行数 错误数 错误类型 耗时 消耗 是否触发一票否决 备注 1 数据核对 1 1 数据核对 2 1 数据核对 3 2 批量处理 1 \u0026hellip; 评分口径建议：\n准确率 = (抽检行数 − 错误数) ÷ 抽检行数 错误类型分三档：致命（金额算错、数据编造）／重要（漏项、口径错）／轻微（格式、错别字） 出现任何一次\u0026quot;致命\u0026quot;错误，该任务直接判定不通过，不论其他指标多好 参考资料\nOSWorld 2.0 论文：https://arxiv.org/pdf/2606.29537.pdf OSWorld-Verified 榜单与官方说明：https://benchlm.ai/benchmarks/osworld-verified OdysseyBench（办公应用长时程工作流评测）：https://arxiv.org/abs/2508.09124 τ-bench 系列榜单（含 τ³-Banking）：http://taubench.com/leaderboard/ Artificial Analysis 长上下文推理评测：https://artificialanalysis.ai/evaluations/artificial-analysis-long-context-reasoning LongFuncEval（长上下文函数调用评测）：https://arxiv.org/pdf/2505.10570.pdf 本文引用的评测数据来自公开榜单与论文，采集时间为 2026 年 9 月。AI 领域迭代极快，具体分数与排名请以查询时的最新版本为准。不同榜单之间因任务集、评测环境、提示词、动作预算等设置不同，分数不可直接横向比较。标注 ⚠️ 的内容为单一来源信息，建议核实原文后再作决策依据。本文不构成对任何具体产品的推荐或否定。\n","permalink":"https://cfo580.cn/article/cai-wu-ren-ru-he-tiao-xuan-ai-ban-gong-gong-ju-bie-zhi-kan-ta-yong-le-shen-me-da-mo-xing/","summary":"同样写着\u0026rsquo;AI 智能体\u0026rsquo;，为什么有的能一口气把三十个 Excel 处理完，有的干到第七步就停下来问你要权限？差别不在宣传页上，而在几个你看不见、但每天都在为之买单的地方。这篇文章给你一套自己能动手验证的挑选方法。","title":"🎯 财务人怎么挑 AI 办公工具？别只看它用了什么大模型"},{"content":"\u0026mdash;虑得先生\nAI，还只是会聊天的时候，大家都在叫会计要被淘汰了，AI 进化到工作 Agent 的时候，很多会计人彻底躺平了！或者，焦虑地在网上找\u0026quot;会计人适合的跨行转型\u0026quot;！\n本行业还没玩明白，跨行，也大概率还是这个样！\n因为，到这个年纪，看到的人和事也多了，能看得出其中的道理。\n朋友A，90年代中专会计专业毕业，知道这个文凭以后肯定不够看，中专一毕业，用了一年半时间，考取自考大专文凭，花了2年时间，考取了CPA。因为90年代考CPA要求最低大专文凭。23岁去省财政厅办注册会计师手续的时候，办事人员问：23岁？是不是写错了，32岁吧？\n后来进了上市公司，流意上市的流程弄。企业走下坡路的时候，果断辞职开了家会计师事务所，正碰上新三板、科创版的推出，帮中小企业上市，年纪轻轻，在一个二线城市，用知识，攒下千万身家。\n朋友B，毕业在一家老国企干会计干了一年，打下了扎实的实操基础，扎实到什么程度，手写会计凭证，错一个数都不划红线，重新写一张。奈何百多块的工资，实在无法生存下去。第二年下海开代账公司，一路走过来，也近40年了，从代账一路升级做企业的财务顾问，完美实现人生的阶层越升！\n朋友C，会计专业，因一些原因，34岁才正式从事会计工作，啥都不会怎么办？想办法，去税务大厅，找年纪大的拜师，看见人家不拒绝，烟酒先送上。那个年代，Excel 只有买书自己研究，愣是将函数、模版用得如鱼得水，中级考完考一级注册造价师、税务师，一路从小会计、会计主管、财务经理、干到财务总监。每个单位，都留下一套健壮的、半自动化的会计核算体系。45岁以后面临就业年龄歧视，自己干！从没有让自己前进的脚步停下来，将自己的人生牢牢的撑握在自己手里。\n我自己也干过好多年的 ERP 代理生意，见过的会计没有一千也有八百。可我看到的大多数，新知识不愿意了解，新技能不愿意学习。向他介绍财务软件的核算维度，说加大了他的工作量，老板就给这么多，为什么要这样干？满足于记账报税填报表。Excel 的 vlookup 都不会。考初级都考好几次才拿下。别说去考中级、CPA了。\n当初我想建这个 cfo580 网站，我老婆说，没有用的，会计大多数求个安逸，没多少人愿意逼自己去进步。我的想法是，2000万的会计人，总有这么一群会计人，心中有梦想，脚下有方向，愿意通过自己的努力，实现自身的价值！\n愿梦想成位那20%的会计人，在这个网站，得到一丝温暖、一丝认同，一些支持！\n加油！\n","permalink":"https://cfo580.cn/article/bie-shuo-ai-hui-tao-tai-kuai-ji-zhe-ge-zhi-ye-le-zui-zhong-du-shi-er-ba-lv-fa/","summary":"AI 还只是会聊天的时候，大家都在叫会计要被淘汰了；AI 进化到工作 Agent 的时候，很多会计人彻底躺平了！或者，焦虑地在网上找\u0026rsquo;会计人适合的跨行转型\u0026rsquo;！本行业还没玩明白，跨行，也大概率还是这个样！","title":"🤖 别说 AI 会淘汰会计这个职业了，最终都是二八定律"},{"content":" 不用装 Java，不用先把表格另存为 CSV，不用背 SQL 语法。 一个二十来 MB 的开源小工具，可能是财务部门最容易被忽略的效率升级。\n一、先说个会计人都遇到过的场景 月底，你手里有一份 Excel 工作簿：三个 sheet，分别是销售发票明细（发票号、客户编码、开票日期、金额、税额）、银行回款流水（对方户名、对方账号、到账日期、金额）、应收账款台账（客户编码、客户名称、期初余额）。发票四万多行，流水三万多行。\n领导要的是一份账龄分析表：哪些款超期了、超了多久、哪些发票至今没有对应的回款、哪些回款找不到对应发票。\n这是一道典型的三表关联题——发票和台账靠\u0026quot;客户编码\u0026quot;连，发票和流水靠\u0026quot;客户名称↔对方户名 + 金额 + 日期\u0026quot;核销。逻辑不复杂，但 Excel 撑不住这个量级：VLOOKUP 一拉就转圈，多条件核销得嵌套 MATCH + INDEX 再套 SUMIFS，一个公式改一次全表重算半分钟，而且一对多的部分回款根本处理不了——一笔发票分三次到账，VLOOKUP 只会返回第一条。\n你知道该上数据库，写几句 SQL 做 JOIN 就完事了。于是你找了个工具，然后卡在了第一步：\n它不接受 .xlsx，只接受 .csv。\n于是你开始了一轮熟悉的折腾：\n一个工作簿三个 sheet，CSV 一次只能存一个，你得另存三次； 存完打开一看，18 位的纳税人识别号变成了 9.13101E+17，后三位全是 0； 科目代码 001 变成了 1，前导零没了； 导进去中文全是乱码，因为 Excel 在中文版 Windows 上默认存的是 ANSI/GBK，而库里等着的是 UTF-8； 凭证日期被重写成了本地格式，(1,234.00) 这种会计习惯的负数写法直接解析失败； 公式、批注、单元格格式，一个都不剩。 等 CSV 终于伺候好了，一个小时过去了。数据还没开始算。\n问题不在你，在工具的设计前提上——它是给开发者写的，开发者手里的数据本来就是 CSV。\n二、DBX 是什么 DBX 是一款开源、免费、跨平台的轻量级数据库管理工具和 SQL 编辑器，代码托管在 GitHub（github.com/t8y2/dbx），官网是 dbxio.com。\n技术上是 Tauri 2 + Rust + Vue 3 的组合，说人话就是三个特点：\n项目 实际表现 安装包体积 二十来 MB（不同版本在 15–25MB 之间） 运行依赖 不需要 Java、Python，也不捆绑 Chromium 内核 安装方式 下载 → 双击 → 完成，没有\u0026quot;下一步下一步\u0026quot;里的附加软件 支持系统 Windows / macOS / Linux，另有 Docker 自托管网页版和命令行版 费用 开源免费，无功能阉割、无试用天数、无隐藏订阅 它支持的数据库覆盖了财务场景里几乎会遇到的全部类型：MySQL、SQL Server、Oracle、PostgreSQL、SQLite、DuckDB、ClickHouse，以及达梦、人大金仓、openGauss、OceanBase、GaussDB 等国产信创数据库。官方口径里总数随版本从 40+ 到 100+ 不等，但对会计人来说，关键是\u0026quot;你司财务软件后台那个库，它大概率连得上\u0026quot;——不少财务系统的后台库就是 SQL Server 或 Oracle。\n三、核心差异：Excel 直接导入，而不是先转 CSV 这是最值得会计人留意的一点。\nDBX 原生支持直接导入 .xlsx、.xlsm、.xls 文件，并且可以在导入时选择工作表。\n而 DBeaver（目前最主流的免费数据库工具）的社区版，导入 Excel 的标准路径是：先在 Excel 里另存为 CSV，再用导入向导读 CSV。\n差别不只是少点两下鼠标。看下面这个对照：\n3.1 多工作表 DBeaver 路线：CSV 是纯文本格式，一个文件只能承载一个 sheet。三个 sheet = 另存三次 + 导入三次 + 建三张表。 DBX：选择\u0026quot;创建新表\u0026quot;时可以一次选多个文件，Excel 文件会按工作表自动拆成独立任务，每个 sheet 各自生成建议表名、各自预览、各自映射、各自执行。一个工作簿扔进去，三张表一起建好。 3.2 中文乱码 DBeaver 路线：转 CSV 时编码就已经定了。选错就是满屏 锟斤拷，回去重存。 DBX：导入向导里编码是可选项，支持自动检测、UTF-8、GBK、UTF-16 LE/BE，检测到不对可以当场换编码重新预览，不用回去动源文件。 3.3 数据被 Excel \u0026ldquo;改写\u0026rdquo; 这是 CSV 路线最隐蔽的伤害：另存为 CSV 的那一刻，Excel 会按它自己的理解重写数据。长数字变科学计数法、前导零丢失、日期本地化、公式变计算结果——你导进去的已经不是原始数据了，而且很难发现。\nDBX 直接读 .xlsx，绕开了这一层有损转换。\n3.4 导入前的确认环节 DBX 的导入不是\u0026quot;选中文件就写库\u0026quot;，而是一个五步向导：\n选文件和目标方式 —— 导入已有表，还是根据文件新建表 调整解析选项 —— 编码、标题行在第几行、数据从第几行开始、到第几行结束、选哪个工作表、空字符串是否按 NULL 处理、是否去除首尾空格 检查字段映射 —— 源字段对目标字段，右侧有实际数据预览可以核对 复核执行计划 —— 目标连接、库、Schema、表名、导入模式、预计行数、批大小，全部摊开给你看 执行并检查结果 —— 进度、已导入行数、耗时、错误明细 第 2 步里的\u0026quot;标题行 / 数据起始行\u0026ldquo;对会计人特别实用。业务部门发来的表，前三行往往是\u0026quot;XX公司2026年8月销售发票明细表 / 编制人：张三 / 单位：元\u0026rdquo;，真正的表头在第四行。DBX 可以直接指定从第几行开始读，你不用先删掉那几行再另存一份。\n第 4 步的价值在于：它让\u0026quot;我要往哪张表写多少行\u0026quot;这件事在真正动手前变成一份可以核对的清单。 财务数据写错了不好收拾，多一道复核不亏。\n3.5 建表不用会 SQL 选择\u0026quot;创建新表\u0026quot;时，DBX 会根据预览数据自动推断字段类型，你可以在执行前修改表名、字段名和类型。\n也就是说，你不需要先写 CREATE TABLE，不需要知道 DECIMAL(18,2) 和 VARCHAR(50) 的区别在哪，就能把一张 Excel 台账变成一个真正的数据库表。\n提醒一句：官方文档明确说明，类型建议只是起点，日期、金额精度、长文本这几类字段建议在执行前人工确认一遍。金额字段务必检查是不是 DECIMAL 而不是浮点类型——这一点上别偷懒。\n四、DBX 与 DBeaver 逐项对比 对比维度 DBX DBeaver 社区版 安装包体积 约 15–25 MB 数百 MB（含 Java 运行时依赖） 运行环境 无额外依赖 依赖 Java / JRE 启动速度 秒开 需等待 JVM 加载 内存占用 一百多 MB 量级 常见数百 MB 至 1GB Excel 直接导入 支持 .xlsx / .xlsm / .xls，可选工作表 不支持，需先另存为 CSV 多工作表批量建表 支持，按 sheet 自动拆分任务 需逐个转换、逐个导入 导入时切换编码 支持（自动/UTF-8/GBK/UTF-16） CSV 编码在转换时已固定 指定标题行/数据起始行 支持 支持（针对 CSV） 从文件自动建表并推断类型 支持 支持 导出格式 CSV、JSON、SQL、Excel、Markdown、INSERT 语句 CSV、XLSX（需插件）、JSON、XML、Parquet 等 内置 AI 助手 有，自然语言生成/解释/优化 SQL 社区版无 界面风格 Vue 3 现代界面，功能分区清晰 功能极全，但菜单层级深、上手门槛高 部署形态 桌面 + Docker 自托管网页版 + CLI 桌面为主 授权费用 免费开源 社区版免费；PRO/企业版收费 需要如实说明的两点 第一，DBeaver 的付费版本（PRO / Enterprise）是可以直接读 Excel 的。 它提供了文件驱动，能把 Excel、CSV、JSON、XML、Parquet 当作数据库表直接查询。所以严格讲，\u0026ldquo;不能直接导 Excel\u0026quot;是社区免费版的限制，不是 DBeaver 整个产品的限制。但财务部门要走采购流程买一个数据库客户端，通常比让工具适配现有流程难得多。\n第二，DBeaver 依然是极其优秀的工具。 它的功能深度、数据库覆盖面、生态成熟度都是行业标杆，很多复杂场景下它仍然是更好的选择。本文的比较只针对一件事：一个会计人，想把手里的 Excel 快速变成可查询的数据库表，哪个更省事。 在这个具体问题上，DBX 的答案明显更短。\n补充一个可能影响判断的细节：有资料提到 DBeaver 自 24.3 版本起，将 Excel 读写能力拆分为可选插件，社区版需手动安装，且部分后续版本存在安装后仍不可用的情况。这条信息建议以你所用版本的实际表现为准，本文不作为定论。\n五、除了 Excel 导入，DBX 还有哪些点戳会计人 5.1 不会写 SQL？内置 AI 助手可以用中文提需求 这可能是对会计人最有价值的功能。DBX 内置 AI SQL 助手，可以直接输入自然语言：\n\u0026ldquo;把发票明细表和回款流水按客户编码和金额关联，找出开票超过 90 天仍未收到对应回款的发票，按客户汇总欠款金额，从大到小排列\u0026rdquo;\n它读取当前库表结构作为上下文，生成对应 SQL。另外还支持选中一段看不懂的 SQL 让它用大白话解释，以及给出慢查询优化建议。\n上面这句话，正是开头那个账龄分析需求。你不用记 JOIN 怎么写、不用管日期相减该用 DATEDIFF 还是 DATE_SUB，用中文说清楚业务需求，SQL 交给它。\n对财务人的实际意义是：你不需要系统学 SQL，就能把取数需求自己实现，不用每次都排 IT 的队。\n使用前请确认公司数据安全政策。AI 助手需要配置模型服务，涉及财务数据的库，建议先确认是否允许接入外部模型，或使用本地部署的模型。\n5.2 改数据之前，先给你看要执行什么 SQL DBX 的数据表格可以直接在单元格里编辑，但修改不会立刻写库，而是先把准备执行的 SQL 展示出来，你确认之后才保存。\n这个设计对财务场景非常重要。误改一张凭证表的后果，谁都清楚。多一道\u0026quot;你确定要执行这条 UPDATE 吗\u0026quot;的确认，值。\n此外它还提供只读保护和生产环境保护，可以给连接加上限制，避免手滑。\n5.3 十几万行明细账，不卡 查询结果用的是虚拟滚动，几十万行数据表格也不会把界面拖死。翻凭证明细、拉银行流水的时候，体感差别很明显。\n5.4 查询结果一键导出成 Excel 反过来也通：从库里查出来的数据，可以直接导出为 Excel、CSV、JSON、Markdown，甚至 INSERT 语句。\n审计要底稿？导 Excel。要给领导看数据？导 Excel，不用教他怎么连库。要复现一个问题到测试库？导 INSERT 语句。\n5.5 财务部的电脑，装得下也跑得动 这一条容易被忽略，但很现实：\n财务部门的电脑通常不是高配，上面还跑着财务软件、税务客户端、网银控件、Office； 很多公司的员工电脑没有本地管理员权限，装不了需要配置 Java 环境变量的软件； IT 部门对一个\u0026quot;要装 JRE、占 1GB 内存、还要开放数据库端口\u0026quot;的申请，审批会谨慎得多。 一个 20MB、无需运行环境、双击即装的绿色小工具，通过内部审批和 IT 白名单的难度，明显低一个量级。\n5.6 免费，不用走采购 Navicat 一年授权几百到上千，DataGrip 订阅更贵，DBeaver PRO 也要钱。财务软件采购流程之长，做过预算的都懂。\nDBX 开源免费，没有功能限制、没有试用期、没有付费解锁。对个人学习和部门内部试点来说，试错成本接近零。\n5.7 信创环境也覆盖 如果单位在用达梦、人大金仓、openGauss、GaussDB 这类国产数据库（国企、事业单位、金融机构 increasingly 常见），DBX 原生支持，不需要额外找专用客户端。\n5.8 团队可以共用一套配置 DBX 提供 Docker 自托管版本，部署在服务器上，团队成员用浏览器访问，桌面端和网页端体验一致。\n对财务共享中心、多主体核算团队来说，这意味着连接配置可以统一管理，不用每个人在自己电脑上配一遍数据库连接。\n六、实操：把开头那三张 Excel 表，变成能关联查询的数据库 下面用第一节的应收账款场景走一遍全流程。你照着做，最后能拿到领导要的那张账龄分析表。\n6.1 三张表的字段假设 为了让 SQL 能直接抄，先约定好表名和字段名（你实际导入时，DBX 会按 Excel 表头自动命名，可以在这一步改成下面的样子，方便对照）：\ninvoices（销售发票明细）\n字段 含义 建议类型 invoice_no 发票号码 文本（VARCHAR） customer_code 客户编码 文本（VARCHAR） invoice_date 开票日期 日期（DATE） amount 不含税金额 小数（DECIMAL(18,2)） tax_amount 税额 小数（DECIMAL(18,2)） bank_receipts（银行回款流水）\n字段 含义 建议类型 receipt_date 到账日期 日期（DATE） payer_name 对方户名 文本（VARCHAR） payer_account 对方账号 文本（VARCHAR） amount 到账金额 小数（DECIMAL(18,2)） ar_ledger（应收账款台账）\n字段 含义 建议类型 customer_code 客户编码 文本（VARCHAR） customer_name 客户名称 文本（VARCHAR） tax_no 纳税人识别号（18 位） 文本（VARCHAR） opening_balance 期初余额 小数（DECIMAL(18,2)） 两个必须注意的类型问题：\ntax_no、payer_account、customer_code 一定要设成文本类型，不能是数字。18 位纳税人识别号超出整型范围，账号的前导零也会丢——这正是第三节说的 CSV 路线最容易踩的坑。 金额字段用 DECIMAL，别用浮点类型（FLOAT/DOUBLE/REAL）。浮点数存 0.1 + 0.2 不等于 0.3，金额上加总会出现分位误差。 补充一句：如果你用 SQLite 练手，它没有严格的 DECIMAL 类型，会按数值亲和性存储。做金额汇总时套一层 ROUND(..., 2) 就够用了；但如果是要上生产的数据，建议用 MySQL、SQL Server 或 PostgreSQL，它们对 DECIMAL 有真正的精度保证。 6.2 导入的八个步骤 到官网 dbxio.com 或 GitHub github.com/t8y2/dbx 下载对应系统的安装包，双击安装； 新建连接。本地练习选 SQLite 最省事——文件型数据库，不用装服务端，指定一个文件路径就能用； 在连接上右键 → 导入 → 选择\u0026rdquo;创建新表\u0026quot;； 选中 .xlsx 文件。三个 sheet 可以一次全选，DBX 会自动按工作表拆成三个独立任务，每个任务单独预览、单独映射、单独执行； 调整解析选项：标题行在第几行、数据从第几行开始、编码是否正确、空单元格是否按 NULL 处理； 核对字段映射和自动推断的类型，按上面 6.1 的表格逐个检查金额、日期、编号三类字段； 复核执行计划里的表名和预计行数，确认后执行； 看进度页的已导入行数和错误明细，与 Excel 里的记录数对一下——这一步别省，对平了才算完成。 6.3 导完先做两步体检 数据进了库不等于数据是对的。开算之前，先跑这两句。\n体检一：行数对不对\nSELECT \u0026#39;invoices\u0026#39; AS 表名, COUNT(*) AS 行数 FROM invoices UNION ALL SELECT \u0026#39;bank_receipts\u0026#39;, COUNT(*) FROM bank_receipts UNION ALL SELECT \u0026#39;ar_ledger\u0026#39;, COUNT(*) FROM ar_ledger; 三个数字要跟 Excel 里的记录数完全一致。差一行都要回去查——通常是有空行被当成数据，或者标题行设错了位置。\n体检二：编号精度有没有丢\nSELECT customer_name, tax_no, LENGTH(tax_no) AS 位数 FROM ar_ledger WHERE LENGTH(tax_no) \u0026lt;\u0026gt; 18; 这句查出来应该是空的。 如果有结果，说明纳税人识别号在导入过程中被当成数字处理了，后几位已经变成 0，且不可恢复——只能回去把字段类型改成文本重新导。同理可以检查 LENGTH(payer_account)。\n这一步花三十秒，能避免后面所有基于错误编号的关联全部失效。\n6.4 五句由浅入深的 SQL 下面的语法以 SQLite 为主（练手最方便），MySQL / SQL Server / PostgreSQL 的差异见 6.5。你可以直接粘进 DBX 的查询编辑器执行，也可以把业务需求说给 AI 助手，让它替你写。\n① 先确认三张表能连上\nSELECT a.customer_name AS 客户名称, i.invoice_no AS 发票号, i.invoice_date AS 开票日期, i.amount AS 不含税金额, i.tax_amount AS 税额 FROM invoices i JOIN ar_ledger a ON a.customer_code = i.customer_code ORDER BY a.customer_name, i.invoice_date; 能出结果，说明\u0026quot;客户编码\u0026quot;这条关联链是通的。如果出来是空的，先查两边的 customer_code 是不是有前后空格或大小写差异。\n② 算账龄\nSELECT a.customer_name AS 客户名称, i.invoice_no AS 发票号, i.invoice_date AS 开票日期, i.amount AS 发票金额, CAST(JULIANDAY(\u0026#39;now\u0026#39;) - JULIANDAY(i.invoice_date) AS INTEGER) AS 账龄天数, CASE WHEN JULIANDAY(\u0026#39;now\u0026#39;) - JULIANDAY(i.invoice_date) \u0026lt;= 30 THEN \u0026#39;1-30天\u0026#39; WHEN JULIANDAY(\u0026#39;now\u0026#39;) - JULIANDAY(i.invoice_date) \u0026lt;= 60 THEN \u0026#39;31-60天\u0026#39; WHEN JULIANDAY(\u0026#39;now\u0026#39;) - JULIANDAY(i.invoice_date) \u0026lt;= 90 THEN \u0026#39;61-90天\u0026#39; ELSE \u0026#39;90天以上\u0026#39; END AS 账龄区间 FROM invoices i JOIN ar_ledger a ON a.customer_code = i.customer_code ORDER BY 账龄天数 DESC; ③ 找出开票超 90 天、且找不到对应回款的发票\n这就是领导要的催收清单：\nSELECT a.customer_name AS 客户名称, i.invoice_no AS 发票号, i.invoice_date AS 开票日期, i.amount AS 发票金额, CAST(JULIANDAY(\u0026#39;now\u0026#39;) - JULIANDAY(i.invoice_date) AS INTEGER) AS 逾期天数 FROM invoices i JOIN ar_ledger a ON a.customer_code = i.customer_code WHERE NOT EXISTS ( SELECT 1 FROM bank_receipts r WHERE r.payer_name = a.customer_name AND r.amount = i.amount AND r.receipt_date \u0026gt;= i.invoice_date ) AND CAST(JULIANDAY(\u0026#39;now\u0026#39;) - JULIANDAY(i.invoice_date) AS INTEGER) \u0026gt; 90 ORDER BY i.amount DESC; NOT EXISTS 的意思是\u0026quot;在流水表里找不到任何一条能对上的回款\u0026quot;。这种\u0026quot;找缺失\u0026quot;的需求，在 Excel 里要靠 COUNTIFS 加辅助列绕好几道，SQL 里就是一句。\n④ 按客户 + 账龄区间汇总——这张就是交给领导的表\nWITH aged AS ( SELECT a.customer_name, i.invoice_no, i.amount, CAST(JULIANDAY(\u0026#39;now\u0026#39;) - JULIANDAY(i.invoice_date) AS INTEGER) AS days FROM invoices i JOIN ar_ledger a ON a.customer_code = i.customer_code ) SELECT customer_name AS 客户名称, COUNT(invoice_no) AS 发票笔数, ROUND(SUM(amount), 2) AS 开票总额, ROUND(COALESCE(SUM(CASE WHEN days \u0026lt;= 30 THEN amount END), 0), 2) AS 三十天内, ROUND(COALESCE(SUM(CASE WHEN days BETWEEN 31 AND 60 THEN amount END), 0), 2) AS 三十一到六十天, ROUND(COALESCE(SUM(CASE WHEN days BETWEEN 61 AND 90 THEN amount END), 0), 2) AS 六十一到九十天, ROUND(COALESCE(SUM(CASE WHEN days \u0026gt; 90 THEN amount END), 0), 2) AS 九十天以上 FROM aged GROUP BY customer_name ORDER BY 九十天以上 DESC; 跑完点右上角导出成 Excel，底稿就有了。\n作为参照：上面这句汇总，在 8 万行发票明细的样本数据上实测耗时 0.12 秒（普通笔记本、SQLite 内存库）。同样的数据量在 Excel 里靠公式做，光是重算就得等半分钟以上，而且十有八九会卡到没响应。这就是\u0026quot;该上数据库\u0026quot;的分水岭。\n实际耗时跟数据量、索引、机器配置和数据库类型都有关，上面只是一个数量级参考，不代表你的环境一定这么快。\n⑤ 客户层面的开票与回款差额比对\nSELECT a.customer_name AS 客户名称, ROUND(COALESCE(inv.inv_total, 0), 2) AS 开票总额, ROUND(COALESCE(rcv.rcv_total, 0), 2) AS 回款总额, ROUND(COALESCE(inv.inv_total, 0) - COALESCE(rcv.rcv_total, 0), 2) AS 差额 FROM ar_ledger a LEFT JOIN ( SELECT customer_code, SUM(amount) AS inv_total FROM invoices GROUP BY customer_code ) inv ON inv.customer_code = a.customer_code LEFT JOIN ( SELECT payer_name, SUM(amount) AS rcv_total FROM bank_receipts GROUP BY payer_name ) rcv ON rcv.payer_name = a.customer_name ORDER BY 差额 DESC; 小技巧：中文别名只写在最外层的 SELECT 里，子查询内部用英文。这样导出成 Excel 时表头是中文的，同时避免部分客户端对中文标识符要加引号的麻烦。\n差额为正说明还欠款，为负说明多收了或者对方户名跟台账客户名对不上（后者更需要查，往往是名称不规范导致的漏匹配，比如\u0026quot;XX有限公司\u0026quot;和\u0026quot;XX有限责任公司\u0026quot;）。\n6.5 换数据库要改哪里 上面的日期计算是 SQLite 写法，换成别的库只需要替换\u0026quot;算天数\u0026quot;那一段，其余逻辑完全一样：\n数据库 计算账龄天数的写法 SQLite CAST(JULIANDAY('now') - JULIANDAY(invoice_date) AS INTEGER) MySQL DATEDIFF(CURDATE(), invoice_date) SQL Server DATEDIFF(DAY, invoice_date, GETDATE()) PostgreSQL CURRENT_DATE - invoice_date 不想记这些？直接在 DBX 的 AI 助手里说一句\u0026quot;用 MySQL 语法算开票日期到今天的天数\u0026quot;，它会给你。\n6.6 一个必须说清楚的局限 上面第 ⑤ 句是客户层面的总额比对，这个口径是准确的。\n但如果你想要的是\u0026quot;这一笔回款，具体核销了哪几张发票\u0026quot;——那是另一回事，靠 SQL 硬关联很容易算错。举例：同一客户有三张发票、两笔回款，金额各不相同，还发生了部分回款（一张发票分三次到账）。这种情况下，把回款简单分摊到发票上会产生重复计算或错误匹配。\n正规的核销需要在库里单独维护一张核销关系表（记录\u0026quot;哪笔回款、核销了哪张发票、核销了多少金额\u0026quot;），这正是财务软件里\u0026quot;应收核销\u0026quot;模块在做的事。本文的 SQL 适合做分析、对账、找差异，不适合直接替代核销流程。 如果你的目标是后者，请优先使用财务系统自带的核销功能。\n说清楚这一点，是因为工具再好，用错口径出的报表是要担责任的。\n七、几句实话 DBX 不是万能的，它替代不了 Excel。\n会计工作的核心载体仍然是 Excel，这不是缺点，是事实。DBX 解决的是另一类问题：当数据量大到 Excel 跑不动、当多张表需要关联查询、当同一份数据要反复被不同维度分析的时候，把它放进数据库，比在 Excel 里堆公式要稳得多。\n几个使用建议：\n导入前备份源文件。 导入操作是真实写入数据库的，DBX 的只读保护可以拦住一部分误操作，但数据库权限才是最终边界。 生产环境慎用。 直连财务软件后台生产库前，务必确认公司 IT 政策，优先申请只读账号，不要在生产库上做写入测试。官方文档也明确提示：生产环境使用前请确认目标连接、目标表和备份方案。 \u0026ldquo;清空后导入\u0026quot;是破坏性操作。 它会先清空目标表再写入。不同数据库的事务语义不一样，失败时不能假设会自动回滚。除非你非常确定，否则用\u0026quot;追加\u0026quot;模式。 中途取消不保证回滚。 已经提交的批次数据会留在表里。 自动推断的字段类型只是建议。 金额、日期、编号这三类必须人工确认。 八、适合谁，不适合谁 建议试试 DBX，如果你：\n经常要处理超过十万行的明细数据，Excel 已经卡到不行； 需要把多个 Excel 台账整合起来做关联分析； 想自己取数，但不会写 SQL，也不想每次都排 IT 的队； 电脑配置一般，或者没有管理员权限装重型软件； 单位在用国产数据库，找不到合适的客户端； 想学一点数据库技能，需要一个零成本、低门槛的练手工具。 可能不需要，如果你：\n日常数据量在几万行以内，Excel 透视表完全够用； 已经在用 DBeaver PRO 或 Navicat，且团队有成熟的使用规范； 需要做复杂的数据建模、ETL 调度、存储过程开发——这些场景有更专业的工具。 写在最后 工具的价值不在于它有多强，而在于它能不能嵌进你现有的工作流。\n会计人的工作流中心是 Excel，这一点短期内不会变。一个好的数据库工具，应该主动接住 Excel，而不是要求你先把自己的数据改造成它喜欢的样子。\nDBX 在这件事上做对了。二十来 MB，免费，双击就装，Excel 直接拖进去就能建表——这个门槛低到，你今天下午就能试一次。\n相关链接\nDBX 官网（含中文文档）：https://dbxio.com/cn GitHub 仓库：https://github.com/t8y2/dbx 表数据导入官方文档：https://dbxio.com/cn/docs/table-import 本文功能描述基于 DBX 官方文档及公开资料整理，工具迭代较快，具体以你所用版本的实际功能为准。DBeaver 相关对比基于其社区免费版；付费版功能有差异，已在正文中说明。\n","permalink":"https://cfo580.cn/article/kuai-ji-ren-de-di-yi-ge-shu-ju-ku-gong-ju-20mb-de-dbx-neng-ba-excel-zhi-jie-dao-jin-ku-li/","summary":"不用装 Java，不用先把表格另存为 CSV，不用背 SQL 语法。一个二十来 MB 的开源小工具，可能是财务部门最容易被忽略的效率升级。","title":"🧰 会计人的第一个数据库工具：20MB 的 DBX，能把 Excel 直接倒进库里"},{"content":"排序逻辑：会计日常使用频次、解决痛点价值优先；动态数组函数效率高，权重上调\n🔥 前 3 名（会计最高优先级，每天都能用） SUMIF / SUMIFS：条件求和。SUMIF 为单条件汇总，SUMIFS 支持多条件同时匹配；用于科目辅助核算、多维度费用汇总、应收应付按客户 / 月份统计，是会计统计类核心函数。 XLOOKUP：万能查找，支持左右双向查找，默认精确匹配。对账、客商信息匹配、发票取数，可替代 VLOOKUP。 FILTER：动态筛选，一键提取满足条件的整行数据。会计神器，一键筛选逾期应收、提取某部门全部费用、抓取某科目所有凭证分录，数据源更新结果自动刷新。 ⭐ 前 5 名（在前 3 基础上增加 2 个） UNIQUE：提取不重复值。快速提取不重复客户、科目名称、去重发票号，和 FILTER 搭配使用效果极强。 IF：条件判断。单据校验、金额正负判断、费用超标标记，搭建报表逻辑判断。 📌 前 10 完整清单 COUNTIF / COUNTIFS：条件计数。统计发票张数、逾期应收笔数、单据查重，COUNTIF 单条件计数，COUNTIFS 多条件计数。 SORT：动态排序，常搭配 FILTER 使用，筛选后自动按金额、日期排序，数据源变动自动重排。 ROUND：四舍五入。专门处理财务尾差，解决报表常见的一分钱差异，会计必备。 DATEDIF：计算日期间隔，用于应收账龄测算、款项逾期天数统计。 IFERROR：捕获并屏蔽错误值，搭配 XLOOKUP、FILTER 使用，消除 #N/A、#CALC! 报错，报表展示更整洁。 补充备选函数（会计高频，按需学习） LEFT / MID / RIGHT：文本截取，拆分科目编码、发票号码、凭证编号等文本信息。\n","permalink":"https://cfo580.cn/article/kuai-ji-ren-excel-10-ge-han-shu/","summary":"会计日常高频的 10 个 Excel 函数：SUMIF/SUMIFS、XLOOKUP、FILTER、UNIQUE、IF、COUNTIF/COUNTIFS、SORT、ROUND、DATEDIF、IFERROR，按使用频次与痛点价值排序，动态数组函数权重上调。","title":"📊 会计人 Excel 函数：学会这 10 个就够用了"},{"content":"近期在帮读大学的女儿规划个人学习网站，目标很简单：搭建一个稳定、简洁，用来存放笔记、沉淀学习记录的静态站点。\n很多准备自建个人站的朋友，第一反应都会看向海外方案：静态站本身资源消耗很低，Vercel、NotionNext、Netlify这类工具宣传免费、免国内ICP备案、一键部署，看上去性价比极高，理所当然会当成首选。\n但完整走完一轮实测、踩完所有坑之后，我得出一个很实在的结论：这套流行的国外建站组合，只适合海外环境，并不适配国内长期使用，缺点远大于优点。\n下面把实操遇到的硬伤整理出来，给打算搭建个人博客、知识笔记站的站长做参考。\n一、NotionNext底层机制硬伤：全量重构，不是增量更新 NotionNext+Vercel是前些年很火的一套组合，在Notion里写文章，自动生成网页，不用手写HTML，上手门槛低。但长期使用就会碰到它底层设计带来的问题：每次发布都是全量覆盖更新，不支持增量更新。\n简单解释：只要新增、修改或者删除一篇文章，系统不会只推送改动的这一页，而是重新拉取Notion全部内容，完整重建整个网站，再整体覆盖上线。\n带来三个很现实的麻烦：\n发布慢：文章越多，全站重构耗时越长，经常要等几分钟才能更新完成，写笔记、发文章的体验很差； 构建容易失败：全量拉取数据极易超时，经常出现提交修改后页面不更新、页面空白、新旧内容混在一起； 依赖第三方接口，不受自己掌控：NotionNext调用的不是官方接口，一旦Notion调整接口策略、限制调用频率，网站直接无法构建，我们没有任何办法干预。 对比我现在用的阿里云轻量服务器 + Hugo方案就很明显：Hugo只对改动的页面做增量构建，改动文章几乎秒发布，稳定可控，从根源避开全量重构的问题。\n二、海外托管通用短板：国内访问慢，经常性抽风 很多人选海外建站方案，核心诉求就是不用做国内ICP备案，以为可以省去备案的时间成本。但很容易忽略跨境网络的客观限制：Vercel、Netlify这类平台，在国内没有节点，所有访问都要走跨境线路。\n由此带来几个无法根治的问题：\n访问速度不稳定：高峰时段延迟高，页面加载卡顿，图片、样式经常加载不全，页面半加载是常态； 间歇性打不开：网站没有被彻底封禁，但会频繁抽风，时而可访问、时而打不开，作为长期运营的个人站点，稳定性完全达不到要求； 原生二级域名基本不可用：Vercel自带的vercel.app二级域名国内无法正常访问，必须额外购买域名、配置DNS解析，增加额外操作成本； 图片附件加载异常：就算绑定自定义域名优化了页面主体，Notion上托管的图片、文件，依旧会因为跨境网络问题加载失败，严重影响阅读体验。 三、看似免费省心，实则暗藏隐性成本 海外方案宣传的“永久免费、低运维”，有不少隐藏限制，长期使用会消耗大量时间精力。\n免费套餐有构建次数上限，频繁更新文章会触发限流，直接无法发布； 数据自主备份麻烦，站点配置、内容全部托管在第三方平台，一旦账号异常、平台调整规则，存在数据丢失风险，没有官方保障，需要手动高频备份； 故障排查门槛高，后台英文界面，报错提示晦涩，遇到构建失败、访问异常，新手排查问题耗时很久； 服务器配置不可自定义，无法自主调整Nginx缓存、图片压缩、访问安全策略，站点优化只能被动接受平台默认设置。 四、选型结论：国内个人建站，优先国内轻量化方案 实测之后，我放弃了NotionNext+Vercel这套热门海外组合，改用阿里云轻量服务器 + Hugo国内方案，解决了上面所有痛点。\n给准备搭建个人笔记站、学生作品集、个人博客的朋友一点建议：\nVercel / NotionNext / Netlify 这类海外免费建站方案，只适合临时演示、面向海外读者、短期测试；不适合国内长期运营、知识沉淀、学生个人站点。更新机制缺陷、网络不稳定，不可控因素太多； 国内平价云服务器 + Hugo / Hexo静态程序，年费百元级别，国内访问速度快、增量发布高效、服务器完全自主可控，数据安全稳定。唯一的前置工作就是ICP备案，一次备案长期有效，是国内搭建个人网站更务实的选择。 建站的核心诉求，是稳定、省心、可持续更新。一味追求免费、免备案，最后大量时间消耗在调试、排错上，得不偿失。适合海外用户的工具，不一定适配国内的网络环境与长期运营需求。\n","permalink":"https://cfo580.cn/article/%E5%AE%9E%E6%B5%8B%E6%80%BB%E7%BB%93%E5%9B%BD%E5%A4%96%E5%85%8D%E8%B4%B9%E9%9D%99%E6%80%81%E5%BB%BA%E7%AB%99%E6%96%B9%E6%A1%88%E4%B8%BA%E4%BB%80%E4%B9%88%E4%B8%8D%E9%80%82%E5%90%88/","summary":"很多人做个人网站首选国外免费方案：Vercel、NotionNext、Netlify，主打免费、免备案、一键部署。但经过真实落地实测，海外静态建站组合存在致命硬伤，NotionNext 全量重构更新、国内访问不稳定、随时抽风断线，完全不适合国内长期运营个人博客、学习笔记站。本文分享踩坑全过程，对比 \u0026hellip;","title":"🚧 实测总结：国外免费静态建站方案，为什么不适合国内搭建个人网站？"},{"content":"财务部门考核有两个难题：一是财务数据质量不容易短期量化，做对了是应该的，做错了才发现；二是财务有监管责任，出一次纰漏可能就是大事，但这类事件发生概率低，不好纳入常规考核。\n这篇文章针对财务专员、会计主管、财务经理三个层级，给出具体的绩效方案。\n一、财务考核的底层逻辑 财务考核分三层目标。\n第一层是合规底线。账目准确、税务合规、资金安全，这是财务存在的根本价值。这一层出问题，其他考核全是零。所以合规指标是「达标有分，不达标一票否决」的逻辑。\n第二层是效率指标。报销是否及时、结账是否按时、报表是否准时，这类指标反映财务运转效率。效率不高，其他部门就会抱怨，影响公司整体运转。\n第三层是价值输出。财务分析有没有做好、预算有没有控住、风险有没有提前预警，这类指标反映财务对公司经营的支撑深度。这一层做好了，财务才从「账房先生」变成「决策参谋」。\n三层目标的权重分配：合规底线占50%，效率指标占30%，价值输出占20%。\n二、财务专员绩效指标设计 财务专员做基础核算工作，包括应收应付、报销审核、凭证录入、税务申报辅助等。\n考核指标分六项：\n指标 权重 计算方式 目标值 报销审核准确率 20% 每月抽查报销单50份，计算出错比例 出错率 \u0026lt; 2% 凭证录入及时率 15% 记录每月结账日期，对比计划日期，每延迟一天扣5% 100%按时 发票管理合规率 15% 发票违规一次扣分 零违规 税务申报配合质量 15% 税务会计/财务经理每月评分 ≥80分 部门协作满意度 15% 业务部门+同事10分制打分 ≥7分 自我提升 10% 培训/证书/流程优化建议 年度至少1次培训 一票否决规则：连续两笔以上未发现的虚假报销，季度绩效直接清零。\n财务专员绩效工资占总工资比例建议 35%–45%。财务岗位责任重，绩效占比可以高一些，起到约束和激励的双重作用。\n三、会计主管绩效指标设计 会计主管负责总账、报表、税务协调、团队带教，工作比专员复杂，考核维度也更多。\n考核指标分五项：\n指标 权重 计算方式 目标值 报表出具及时性和准确性 25% 提交时间对比计划；审计/经理复核准确率 按时+100%准确 结账质量 20% 月均遗留问题数 ≤2个 税务管理质量 20% 申报准确率；是否逾期/错报 100%准确 团队管理 20% 团队成员绩效达标率 ≥90% 流程优化贡献 15% 年度被采纳优化项目数 ≥2项 零容忍规则：\n报表出现重大差错（收入数据错误超5%），季度绩效直接清零 发生一次税务处罚，年度绩效直接清零 会计主管绩效工资占总工资比例建议 40%–50%。\n四、财务经理绩效指标设计 财务经理是财务部门负责人，考核的是部门整体运转和公司财务健康度。\n考核指标分三类：\n指标类别 权重 计算方式 目标值 部门整体指标 40% 专员+主管考核结果加权平均 部门平均分 预算管控 30% 季度预算执行偏差率 ≤15% 资金与风险管理 30% 资金计划准确率；有无重大风险事件 零事故 财务经理绩效工资占总工资比例建议 45%–55%，与公司整体经营挂钩部分可占15%–20%。\n一票否决：发生一次资金安全事故，年度绩效清零。\n五、绩效结果与薪酬挂钩 财务部门绩效工资兑现按季度，具体挂钩方式：\n等级 分数段 绩效工资发放比例 优秀 ≥90分 110%，额外年度调薪机会 良好 80–89分 100% 合格 70–79分 85% 待改进 \u0026lt;70分 60%，连续两季度启动降级/调岗 年终奖挂钩：年度绩效平均分决定系数，系数×3个月工资基数=实际年终奖。例如年度均分95分，系数1.2，年终奖基数3个月，实际发3.6个月。\n⚠️ 重要提醒：绩效制度中要写明「重大差错一票否决」的触发条件和后果，必须提前告知员工，不能等出事了再加进去。\n六、会计主管季度打分表示例 指标维度 权重 数据来源 计算方式 目标值 得分 报表出具及时率 10% 记录表 按时次数/应提交次数 ≥95% 报表数据准确率 15% 复核记录 准确批次/总批次 100% 结账遗留问题数 10% 结账记录 月均问题数 ≤2个 税务申报准确率 10% 申报记录 准确次数/总次数 100% 税务预警响应 10% 税务处理记录 响应及时性评分 ≥90分 团队成员绩效达标率 15% 考核统计 达标人数/总人数 ≥90% 团队培训计划完成率 5% 培训记录 已完成/计划完成 100% 流程优化项目数 10% 管理评审 年度目标 ≥2项 部门协作满意度 10% 问卷调查 平均分 ≥8分 加分项 0–5% 专项贡献 重大风险预警等 重大差错否决 -100% 合规检查 发生则清零 零容忍 七、财务绩效考核的三个坑 第一个坑：只考核准确性，不考核效率\n财务数据准确是底线，但如果为了准确拖慢结账速度，其他部门等报表等到崩溃，财务还觉得委屈。建议准确性和及时性各设权重，不能只抓一头。\n第二个坑：考核指标太多太细\n财务岗位每个细节都能设指标，结果一个月考核打分要填几十项，执行成本太高，员工也烦。指标控制在8到10项，重点突出就行。\n第三个坑：绩效结果不跟晋升挂钩\n财务人员晋升靠什么？靠证书、靠年限、靠领导提拔。但如果绩效好的财务专员两三年都没晋升通道，积极性会下降。建议把绩效等级纳入晋升条件，比如连续两年年度绩效优秀，优先晋升。\n财务绩效考核做好了，能让整个公司的经营数据质量提升一个台阶。财务人员知道自己的价值被看见、被衡量，工作状态会完全不同。\n","permalink":"https://cfo580.cn/article/cai-wu-bu-men-zen-me-ding-ji-xiao-cai-wu-ren-yuan-kao-he-zhi-biao-she-ji-quan-jie/","summary":"财务考核两大难题：数据难短期量化、风险事件概率低但后果重。本文按财务专员/会计主管/财务经理三层岗位，给出完整指标体系、打分表示例与薪酬挂钩规则。","title":"🎯 财务部门怎么定绩效：财务人员考核指标设计全解"},{"content":"虑得先生的读书笔记\n一、核心翻转：从卖家系统到买家系统 传统销售是**「我要卖给你」，桑德拉翻转成「你为什么要买」**。\n底层信念：销售是让买家主动说服卖家值得被卖。\n2018年被纳入哈佛商学院MBA学分课程，覆盖全球30多个国家和地区。\n二、成功金三角：态度 \u0026gt; 行为 \u0026gt; 技巧 桑德拉把态度放在第一位，这和大多数销售培训不同：\n维度 内容 关键 态度 是否尊重客户时间，是否敢于甄别 根 行为 总是在甄别，而非总是在销售 干 技巧 话术、提问、呈现 叶 传统培训只教话术（技巧），不教态度。话术是叶，态度是根。根不正，叶再茂也是假象。\n三、七步签单法 这是桑德拉体系的操作流程：\n步骤 一句话 1. 亲和信任 无信任，不谈单 2. 事先约定 不约定，不沟通 3. 痛苦漏斗 客户不为产品买单，为痛苦解除买单 4. 预算 先谈预算，再谈方案 5. 决策 找不对决策人，方案再美也白费 6. 解决方案 方案不是卖点罗列，是痛苦的解药 7. 后售 成交只是关系的开始 七步是流程，甄别是灵魂。\n四、全书最有价值的判断 敢于放弃，比坚持更重要。\n传统销售教人「坚持不放弃」，桑德拉反而教人「敢于放弃不匹配的客户」。克制比用力高级——尊重客户时间，也尊重自己时间。\n五、思考框架总结 核心观点：销售的核心动作是甄别，不是硬推。预算前置，决策流程可识别，敢拒绝不匹配客户。\n有效场景：\n复杂销售、顾问式销售、高客单价销售 客户有真实痛苦，决策流程可识别 销售人有甄别权，敢放弃 失效场景：\n垄断产品、客户无预算 销售无甄别权，不敢放弃 决策流程是黑箱，无法识别决策人 💡 老闫点评：这本书对顾问式销售（包括财税咨询）特别实用。关键一招：每次沟通前先约定议程和目的——不约定，不浪费双方时间。敢放弃比敢坚持更有价值。\n📖 原文来源：伍杰、大卫·马特森《桑德拉销售原则》，机械工业出版社，2024年\n","permalink":"https://cfo580.cn/article/sang-de-la-xiao-shou-yuan-ze-du-shu-bi-ji/","summary":"桑德拉体系颠覆传统销售逻辑：不是卖家说服买家，是让买家主动说服卖家值得被卖。七步签单法+成功金三角，核心是甄别与敢于放弃。克制比用力高级。","title":"📖 《桑德拉销售原则》读书笔记：七步签单法的底层逻辑"},{"content":"虑得先生的读书笔记\n一、全书框架：营销5.0的核心判断 科特勒在书中给出一个清晰的判断：营销版本在变，理解人、服务人的内核没变。\n营销5个版本迭代：\n1.0 产品时代：卖产品 2.0 消费者时代：研究消费者需求 3.0 价值时代：提供价值 4.0 数字化时代：数据驱动营销 5.0 变革性营销：技术与人性洞察结合 赚钱逻辑也在演进：\n信息差 → 靠信息不对称赚钱 流量差 → 靠注意力赚钱 信任差 → 靠长期一致的行为赚钱 越往后越难，也越稳。\n二、八大技术：器与魂 书里梳理了八种正在改变营销的技术： 人工智能、生成式AI、机器学习、元宇宙、物联网、机器人、无人机、区块链。\n核心判断：技术是放大器，不是方向盘。先洞察客户需求，再决定用什么技术。\nAIGC 热潮下，很多企业把「上了AI」当成目标本身，却忘了回答「客户到底需要什么」——这是本末倒置。\n三、资源—能力—战略三层框架 落地要靠三层，缺一层，技术就悬在空中：\n层级 内容 问题 资源 数据、算力、人才、渠道、内容 有数据不知道用来做什么 能力 把资源变成可落地的营销动作 判断力不足，资源空转 战略 把能力沉淀为长期打法 缺耐心，急功近利 四、全书最有价值的判断 信任是营销5.0的终极竞争力。\n技术会普及，信任不会自动普及。信任不是话术，是长期一致的行为。信息差靠不对称，流量差靠注意力，信任差靠行为一致性。\n五、思考框架总结 核心观点：技术为器，人性为魂。未来营销竞争的核心是信任差。\n有效场景：\n有数据能力、长期主义的企业 管理者有判断力，能把资源变成能力 客户信任可以积累的行业 失效场景：\n短期收割、无信任积累的企业 管理者判断力不足 客户对所有营销都不信任的行业 📖 原文来源：菲利普·科特勒、V.库马尔《未来营销：AI时代的营销技术、方法和模式》，机械工业出版社，2025年\n💡 老闫点评：这本书对财税顾问也很有启发——我们卖的也不是「服务」，是客户信任建立后的持续价值。信任差才是我们真正的护城河。\n","permalink":"https://cfo580.cn/article/wei-lai-ying-xiao-du-shu-bi-ji/","summary":"科特勒八十多岁仍在更新营销框架。这本书讲营销5.0——变革性营销：技术一直在变，理解人、服务人的内核没变。从信息差、流量差走向信任差，信任才是终极竞争力。","title":"📖 《未来营销》读书笔记：AI时代的营销技术、方法和模式"},{"content":"虑得先生的读书笔记\n一、全书框架：销售五阶段 这本书回答一个具体问题：销售人怎么一步步从基层走到高管？\n全书围绕五个发展阶段展开：\n销售小白 → 用 TASK 模型判断自己适不适合 销售冠军 → 用 FABE 产品呈现法证明价值 销售经理 → 从个人英雄变成教练 销售总监/大区总经理 → 从带团队到带系统 销售总裁 → 从卖货到经营组织能力 核心结论：每一次晋升都是身份重建。不会重建，就卡住。\n二、三个核心工具 TASK 模型：先问适不适合 销售培训普遍只教「怎么干」，不教「该不该干」。TASK 模型把自知放在技巧前面——不适合而硬干，害己害客。\nFABE 产品呈现法 Feature 特征 Advantage 优势 Benefit 利益 Evidence 证据 关键在 E。没有证据，前面三个都是自夸。《韩非子》讲「循名责实」——证据实，价值立。\n信任四维公式 信任 = 可靠性 + 资质能力 + 亲密程度 + 自我取向\n前两个靠积累（长期），后两个靠态度（可立即调整）。这是管理者建信任的可操作框架。\n三、从冠军到管理者的最大坑 优秀销售第一次晋升后受挫，根源在于：还在用冠军的心态做管理，而不是用教练的心态带团队。\n冠军思维：我自己做 经理思维：我帮别人做成 总监思维：我建系统，让团队可持续打 总裁思维：我经营组织能力，组织持续产生业绩 每一步的身份重建，都需要「放下」一些旧身份。\n四、全书最有价值的判断 成人达己，是销售底层逻辑，也是贯穿始终的不变之道。\n帮助客户成功，自己才能成功。这不是口号，是结构性因果——你帮客户解决问题，客户信任你，复购和转介绍自然来。\n五、思考框架总结 核心观点：销售职业发展是逐级身份重建。信任有结构，可以管理。成人达己是不变内核。\n有效场景：\n有层级销售组织、有培养体系的企业 销售人有成长意愿 管理者可训练、信任可积累 失效场景：\n扁平组织、个体销售、无管理岗位 无晋升通道或销售人无学习意愿 📖 原文来源：刘华《卓越销售：从销售小白到销售总裁的职业晋升指南》，机械工业出版社，2024年\n","permalink":"https://cfo580.cn/article/zhuo-yue-xiao-shou-du-shu-bi-ji/","summary":"刘华这本书把销售职业发展的五个阶段讲透了。从销售小白到销售冠军靠 TASK 模型和 FABE，从冠军到管理者靠信任四维公式，从总监到总裁靠经营思维。全书核心：成人达己，逐级重建身份。","title":"📖 《卓越销售》读书笔记：从销售小白到销售总裁的职业晋升指南"},{"content":"虑得先生的读书笔记\n序 楼仲平，义乌双童吸管创始人，热播剧《鸡毛飞上天》主角原型之一。他从\u0026quot;鸡毛换糖\u0026quot;的货郎担起步，把一根吸管做到全球行业冠军——国际市场占有率30%，国内市场占有率超过50%，连续20年保持全球行业冠军。2025年，双童凭借\u0026quot;自主创业裂变机制\u0026quot;入选首届\u0026quot;中国企业管理最佳实践榜\u0026quot;十大最佳实践，是唯一上榜的中小企业。\n这本书由楼仲平与李二桥、周上合著，2026年机械工业出版社出版。全书以双童从\u0026quot;一根吸管\u0026quot;到平台化生态组织的转型为主线，完整呈现了一套专为资源有限的中小企业设计的自主创业裂变机制。\n全书分四个部分，共十一章：第一部分\u0026quot;困局与觉醒\u0026quot;，第二部分\u0026quot;原理与内核\u0026quot;，第三部分\u0026quot;落地与实操\u0026quot;，第四部分\u0026quot;成功关键与成败验证\u0026quot;。\n下面，逐章说。\n第一部分 逐章笔记 第1章 增长魔咒：双童遭遇产业\u0026quot;天花板\u0026quot; 中心思想：双童的困局是\u0026quot;外患\u0026quot;与\u0026quot;内忧\u0026quot;同时爆发。外患是限塑令导致行业骤变，主业增长停滞；内忧是悉心培养的优秀员工不断离厂创业，变成了市场上的竞争对手。\n一句话总结本章：外面天花板压下来，里面人也在往外走。\n思考：楼仲平反思的时候说了一句话，切中要害：\u0026ldquo;双童这片\u0026rsquo;小池塘\u0026rsquo;已经容不下他们了。\u0026ldquo;这句话的背后是一个根本性的组织矛盾：员工的成长速度超过了组织能提供的空间。组织不裂变，人才就流失。而流失的人才，带走的不只是人，还有经验和客户关系。这不是双童独有的问题，是所有中小企业到了一定阶段都会撞上的墙。\n第2章 传统变革手段在双童失灵 中心思想：面对困局，双童先向外求索，试了阿米巴，试了股改，都不管用。\n一句话总结本章：别人的药，治不了自己的病。\n思考：这一章的价值在于\u0026quot;试错记录\u0026rdquo;。很多管理书籍只讲成功案例，不讲失败路径。楼仲平把阿米巴和股改的失灵过程写出来，是在告诉读者：不要迷信成熟模式。阿米巴的逻辑是\u0026quot;内部交易\u0026rdquo;，适合流程清晰、核算基础好的企业；股改的逻辑是\u0026quot;产权分配\u0026quot;，适合有明确资产边界的企业。但双童面对的问题是：存量业务本身利润微薄，增量业务还没出现，你把存量分了，也分不出多少东西来。你要解决的不是\u0026quot;分蛋糕\u0026quot;，是\u0026quot;做大蛋糕\u0026quot;。\n第3章 基于中小企业管理机制的思考 中心思想：中小企业的管理机制不能照搬大企业。大企业靠制度，中小企业靠机制。制度的本质是\u0026quot;管住\u0026quot;，机制的本质是\u0026quot;激发\u0026quot;。\n一句话总结本章：小企业需要的不是更严的管理，是更活的机制。\n思考：这一章是全书从\u0026quot;困局\u0026quot;到\u0026quot;原理\u0026quot;的过渡。楼仲平在这里做了一个关键判断：中小企业的问题不是\u0026quot;管理不到位\u0026quot;，是\u0026quot;机制不对路\u0026quot;。你用人盯人的方式管一个几十人的销售团队，盯得再紧，也盯不出积极性来。你需要的是一个让员工自己盯自己的机制。\n第4章 自主创业裂变机制的核心原理 中心思想：自主创业裂变机制的核心原理有五条：回归\u0026quot;自组织\u0026quot;，组织结构\u0026quot;扁平化\u0026quot;，\u0026ldquo;双轮驱动\u0026quot;的增量共享逻辑，冗余资源共享与\u0026quot;二次信息\u0026quot;挖掘，引进公司法。\n一句话总结本章：把公司从\u0026quot;一栋楼\u0026quot;变成\u0026quot;一个平台\u0026rdquo;，让每层楼自己盖自己。\n思考：这一章是全书的理论核心。五个原理中，最有颠覆性的是\u0026quot;冗余资源共享\u0026quot;。\n书中有一个数据：制造业平均有31.7%的闲置资源。大多数企业视之为成本，双童把财务部门从\u0026quot;成本中心\u0026quot;变为\u0026quot;盈利中心\u0026quot;，对外提供咨询服务年入数百万。这个逻辑背后是一个认知的翻转：你以为是\u0026quot;包袱\u0026quot;的东西，换一个视角就是\u0026quot;资源\u0026quot;。\n第二个关键原理是\u0026quot;引进公司法\u0026quot;。楼仲平把公司法的一套逻辑——独立法人、股权结构、有限责任——引入到组织内部。创业体是独立法人公司，平台输出品牌、基础设施和管理经验，创业体输出新业务增量。这套逻辑让\u0026quot;内部创业\u0026quot;不再是一个模糊的口号，而是一个有法律框架、有产权边界、有退出机制的\u0026quot;真创业\u0026quot;。\n第5章 启动引擎：从0到1，打造销售经营体 中心思想：销售经营体是裂变的第一步。将销售部门拆分为独立核算单元，设定\u0026quot;存量目标\u0026quot;和\u0026quot;增量阶梯\u0026quot;。存量目标之内按原有提成，超出部分提成递增。\n一句话总结本章：先让最前线的销售团队自己算账。\n思考：销售经营体的设计逻辑是\u0026quot;让听得见炮声的人做决策\u0026quot;。传统销售管理的核心矛盾是：公司定的价格、公司给的费用额度、公司批的折扣，销售只能在这个框架内跑。销售经营体打破了这一层：你就是一个小老板，你定价格、你控费用、你算利润。你赚的，是你自己算出来的。\n据书中数据，仅销售经营体这一项，当年便节省成本150万至200万元。这个数字说明了一个朴素的道理：当人开始为自己的钱操心时，效率会自然提高。\n第6章 深化内核：从生产部门向生产经营体转化 中心思想：销售端裂变之后，生产端也要裂变。生产部门从\u0026quot;成本中心\u0026quot;转化为\u0026quot;生产经营体\u0026quot;，每个生产单元有自己的核算表，有自己的利润目标。\n一句话总结本章：让生产的人也关心卖出去的价格。\n思考：生产端裂变比销售端裂变更难。销售天生有\u0026quot;业绩\u0026quot;这个抓手，生产天生是\u0026quot;完成订单\u0026quot;的逻辑。你要让生产的人关心利润，就必须把利润的账算到他们头上。双童的做法是\u0026quot;生产经营体\u0026quot;——每个生产单元有自己的收入、成本、利润核算，你省下来的成本，就是你的利润。\n第7章 裂变升华：孵化创业体第二曲线 中心思想：经营体激活的是存量业务，创业体创造的是增量业务。如果团队能将\u0026quot;非吸管产品\u0026quot;年营收做到1000万元以上，公司便全额出资成立新公司，团队可持股49%（其中一家持股51%）。\n一句话总结本章：你想当老板，公司给你出钱。\n思考：这一章是全书最有冲击力的部分。楼仲平设计的逻辑是：你不要离开双童去创业，你在双童里面创业。公司给你出钱、给你场地、给你供应链、给你品牌背书。你赌的是你的能力，公司赌的是你的判断。\n目前，双童已裂变出16个创业体和26个经营体，带动40余名员工转型为创业者，业务覆盖外贸进出口、文创产品、研学培训、财务咨询等多个赛道。短短5年，\u0026ldquo;再造了三个双童\u0026rdquo;。\n第8章 平台支撑：搭建创业共享平台，更好赋能创业体 中心思想：经营体和创业体要跑起来，需要一个平台来支撑。创业共享平台提供三大职能：品牌与基础设施输出、管理与经验赋能、资金与资源对接。\n一句话总结本章：老板从\u0026quot;管人的人\u0026quot;变成\u0026quot;给平台的人\u0026quot;。\n思考：这一章讲的是\u0026quot;赋能\u0026quot;的具体含义。传统公司里，老板是\u0026quot;上面的人\u0026quot;，平台型组织里，老板是\u0026quot;下面的人\u0026quot;——你托着所有人。楼仲平把双童的厂区变成了一个\u0026quot;创业共享空间\u0026quot;：绿化覆盖率70%的厂区、空中生态园、森林长廊，这些硬件设施不只是员工福利，也是创业体可以共享的资源。\n第9章 自主创业裂变机制成功的关键 中心思想：机制能不能落地，取决于四个关键：管理机制变革是\u0026quot;一把手工程\u0026quot;，打造\u0026quot;标杆\u0026quot;创业体，让创业体对平台产生黏性，循序渐进、持续优化。\n一句话总结本章：机制是设计出来的，落地是磨出来的。\n思考：第一条最关键——\u0026ldquo;一把手工程\u0026rdquo;。楼仲平说得很清楚，这套机制不是HR部门能推的，必须是创始人亲自推。为什么？因为它动的是权力结构。你把销售部门拆成经营体，意味着原来的销售总监失去了\u0026quot;管人\u0026quot;的权力，变成了\u0026quot;服务\u0026quot;的角色。这种变化，只有一把手才能扛住。\n第10章 双童实践：人人都可以成为经营者 中心思想：裂变机制让成本部门转化为价值创造部门，打破晋升\u0026quot;天花板\u0026quot;，激发创造活力。\n一句话总结本章：不是员工没有能力，是组织没有给能力一个出口。\n思考：这一章用双童内部的具体案例，回答了第7章留下的问题：创业体到底长什么样。财务部门对外提供咨询服务、商学院向吸管板块收场地租赁费、16家创业体合计返还的资金覆盖吸管板块11.56%的成本。这些案例的共同特征是：原来被定义为\u0026quot;后台支撑\u0026quot;的部门，变成了\u0026quot;前台经营\u0026quot;的主体。\n第11章 他山之石：双童学员企业成功经验 中心思想：裂变机制不只在双童跑通了。四川构库、山东金佰特、山东兄弟、展杭科技、盛品包装、宝梭科技、福友工具——七个来自不同行业、不同规模的企业，都在用这套机制实现了各自的突破。\n一句话总结本章：不挑行业，不拼规模，挑的是老板的决心。\n思考：这一章是全书可信度最高的部分。一本书如果只讲自己的案例，读者会怀疑\u0026quot;你是不是特例\u0026quot;。七个不同行业的学员企业案例，说明这套机制有可迁移性。但要注意：这些案例都是\u0026quot;成功案例\u0026quot;。那些学了这套机制但没有跑通的企业，不在书里。\n全书总结 十一章，读完了。\n这本书最核心的判断是：中小企业留住人才的方式，不是给更高的工资，是给更大的空间。\n传统雇佣关系的本质是\u0026quot;时间换金钱\u0026quot;——你干一天，我付一天。这套关系有一个隐含的天花板：员工能拿到的钱，在入职时就已经大致确定了。你可以加薪，可以发奖金，但那个\u0026quot;上限\u0026quot;始终在那里。一个有野心的人，到了一定阶段就会觉得\u0026quot;这里到头了\u0026quot;，然后离开。\n裂变式经营的解法是：不设上限。 你不只是员工，你是合伙人。你赚多少，取决于你做多大。公司不是你的天花板，公司是你的地板。\n楼仲平说，裂变的基石是承认人的智慧、热情与承诺本身就是资本。这句话翻译过来就是：你不只是来打工的，你是来投资的。你投的不是钱，是你的脑子、你的时间、你的判断力。公司投的是平台、资源、资金。双方对赌，各取所得。\n第二部分 思考框架总结 总体思路 楼仲平面对的问题是：中小企业如何在不增加管理成本的前提下，既留住核心人才，又实现业务增长？\n他的切入点不是\u0026quot;激励\u0026quot;，是\u0026quot;结构\u0026quot;。他要解决的不是\u0026quot;怎么让人更努力\u0026quot;，是\u0026quot;怎么让人不需要被管\u0026quot;。他的推导路径是：先承认传统管控模式的失效，再找到失效的根本原因——组织结构的\u0026quot;天花板\u0026quot;限制了人的成长空间，然后设计一套让组织\u0026quot;裂变\u0026quot;的机制，把员工从\u0026quot;组织里的一个零件\u0026quot;变成\u0026quot;平台上的一个主体\u0026quot;。全书四部分，从困局到原理，从实操到验证，是一条完整的\u0026quot;发现问题—找到原理—落地执行—验证效果\u0026quot;的链条。\n一、核心观点 中小企业的增长瓶颈，本质上是组织结构的瓶颈。解法不是优化管理，是改变结构——把公司从\u0026quot;管控型组织\u0026quot;变成\u0026quot;赋能型平台\u0026quot;，让员工从\u0026quot;打工者\u0026quot;变成\u0026quot;创业者\u0026quot;。\n楼仲平的核心判断是：传统雇佣关系有一个不可调和的矛盾——员工的成长诉求和组织提供的空间之间，存在一个\u0026quot;天花板\u0026quot;。员工能力到一定程度后，组织给不了更大的舞台，员工就会离开。双童的解法是：组织自己\u0026quot;裂变\u0026quot;，把\u0026quot;天花板\u0026quot;拆掉，让员工在公司内部找到创业的空间。经营体解决存量业务的效率问题，创业体解决增量业务的增长问题。两者合在一起，形成一个\u0026quot;人人可以成为经营者\u0026quot;的生态系统。\n二、前置条件 铺垫前提 第一，人才流失是中小企业增长瓶颈的核心表现。楼仲平在书里描述了一个场景：双童培养了三五年的优秀员工，只要有机会就选择离开，去义乌市场上自己创业。前员工年度聚餐规模达到三十多人。这不是个别现象，是中小企业在发展到一定阶段后的结构性问题。\n第二，传统管理手段在中小企业有天然的局限性。阿米巴需要成熟的核算体系，股改需要明确的资产边界和盈利预期。中小企业的管理基础往往不足以支撑这些成熟模式的落地。\n第三，组织\u0026quot;冗余资源\u0026quot;不是包袱。制造业平均有31.7%的闲置资源。这个数字意味着：大多数企业手里都有\u0026quot;没被充分利用的东西\u0026quot;。你的厂区、你的设备、你的人的能力、你的客户关系，都可能被重新定义为\u0026quot;可共享的资源\u0026quot;。\n第四，员工中有相当一部分人具备\u0026quot;创业意愿\u0026quot;和\u0026quot;创业能力\u0026quot;。楼仲平观察到，双童流失的员工绝大多数是\u0026quot;去创业\u0026quot;，而不是\u0026quot;去打工\u0026quot;。这说明，不是员工不愿意留下来，是组织没有提供\u0026quot;留下来也能创业\u0026quot;的选项。\n罗列事实 楼仲平罗列了几组关键事实：\n第一组：双童的裂变成果。 16家创业体，26个经营体，40余名员工转型为创业者，业务覆盖外贸、文创、生物科技、研学培训、财务咨询等多个赛道。五年时间，\u0026ldquo;再造了三个双童\u0026rdquo;。\n第二组：成本端的直接效果。 仅销售经营体一项，当年节省成本150万至200万元。16家创业体合计返还的资金，覆盖吸管板块11.56%的成本。\n第三组：行业验证。 裂变机制在四川构库（高端家居）、山东金佰特（商厨制造）、山东兄弟（传统食品）、展杭科技（科技服务）、盛品包装、宝梭科技（跨境电商）、福友工具等七个不同行业的企业中得到了应用。\n引用案例 书中最核心的案例是双童财务部门的转化。财务部门原本是典型的\u0026quot;成本中心\u0026quot;——你花钱养它，它不直接产生收入。双童把财务部门变成\u0026quot;盈利中心\u0026quot;，对外提供财务咨询服务，年入数百万。这个案例的说服力在于：它不是特例，它揭示了一个普遍的规律——任何具备专业能力的部门，都有\u0026quot;对外输出\u0026quot;的可能。\n第二个关键案例是创业体的股权设计。非吸管产品年营收做到1000万以上，公司全额出资成立新公司，团队持股49%。这个设计的精妙之处在于：公司不出让存量业务的股权，只出让增量业务的股权。你不分我的蛋糕，你去烤一个新的蛋糕，我们一起分。\n第三个案例是双童商学院的\u0026quot;内部市场化\u0026quot;。商学院向吸管板块支付场地租赁费，这意味着商学院的收入来自\u0026quot;教学服务\u0026quot;，支出包含\u0026quot;场地成本\u0026quot;。商学院独立核算，就有动力去开发更多课程、拓展更多客户，而不是等着公司拨款。\n逻辑推导 楼仲平的推导分五步：\n第一步：承认\u0026quot;管控失效\u0026quot;。 中小企业的问题不是管得不够严，是管得越严，人越跑。传统管控模式的底层假设是\u0026quot;员工不会主动做事，所以要盯着\u0026quot;。但这个假设在新生代员工身上不成立。楼仲平自己的话：这群生长在数字时代的新生代员工，已经不甘于扮演组织的\u0026quot;齿轮\u0026quot;或\u0026quot;螺钉\u0026quot;角色。\n第二步：改变组织的基本单元。 从\u0026quot;部门\u0026quot;变成\u0026quot;经营体\u0026quot;，从\u0026quot;团队\u0026quot;变成\u0026quot;创业体\u0026quot;。经营体是内部独立核算单元，创业体是独立法人公司。组织的基本单元从\u0026quot;职能\u0026quot;变成了\u0026quot;主体\u0026quot;——每一个单元都有自己的收入、成本、利润。\n第三步：设计\u0026quot;双轮驱动\u0026quot;的激励逻辑。 经营体解决存量效率。设定存量目标和增量阶梯，超出部分提成递增，让团队主动去\u0026quot;多赚\u0026quot;。创业体解决增量创造。达到营收门槛，公司出资成立新公司，团队持股，让团队从\u0026quot;打工者\u0026quot;变成\u0026quot;合伙人\u0026quot;。\n第四步：把\u0026quot;冗余\u0026quot;变成\u0026quot;资源\u0026quot;。 组织里那些\u0026quot;用不满\u0026quot;的东西——厂区、设备、专业能力、客户关系——不再被定义为\u0026quot;成本\u0026quot;，而被定义为\u0026quot;可共享的资源\u0026quot;。谁有能力把这些资源用起来，谁就可以成为经营体或创业体的负责人。\n第五步：平台化。 当经营体和创业体多到一定程度，公司本身就要变成\u0026quot;平台\u0026quot;。平台不直接经营业务，平台做三件事：输出品牌和基础设施、提供管理和经验赋能、对接资金和外部资源。\n这五步推导下来，楼仲平的核心观点就立住了：中小企业的增长瓶颈，本质是组织结构问题。解法是把公司变成平台，让员工变成创业者。\n三、理顺完整的逻辑链，验证条件与核心之间的关联 第一条验证：从\u0026quot;人才流失\u0026quot;到\u0026quot;组织裂变\u0026quot;，逻辑通不通？\n通。人才流失的原因是\u0026quot;组织容不下人\u0026quot;，裂变的前提是\u0026quot;组织拆开就能容下人\u0026quot;。这个推导是成立的。但这里有一个隐含假设：双童流失的人才有\u0026quot;创业能力\u0026quot;，但未必所有中小企业流失的人都有这个能力。 双童的员工能出去创业，是因为义乌本身是一个创业生态成熟的地区，员工在双童积累的经验和人脉可以直接转化为创业资本。换一个地方，员工离开公司可能只是去另一家公司打工。在这种情况下，\u0026ldquo;裂变\u0026quot;的前提——员工有创业意愿和能力——就不成立了。\n第二条验证：从\u0026quot;增量共享\u0026quot;到\u0026quot;员工自发努力\u0026rdquo;，逻辑通不通？\n通。\u0026ldquo;存量目标之内按原有提成，超出部分提成递增\u0026rdquo;，这个设计的激励逻辑是清晰的：你做得越多，你拿的比例越高。但这里有一个边界条件：增量必须是\u0026quot;真实的增量\u0026quot;，不能是\u0026quot;从存量里挪过来的增量\u0026quot;。 如果一个经营体把原本属于另一个经营体的业务\u0026quot;抢\u0026quot;过来，算作自己的增量，那这套机制就变成了内部内耗。楼仲平在书里提到了\u0026quot;让创业体对平台产生黏性\u0026quot;，但没有详细展开如何防止内部\u0026quot;抢单\u0026quot;。\n第三条验证：从\u0026quot;冗余资源共享\u0026quot;到\u0026quot;成本部门盈利化\u0026quot;，逻辑通不通？\n通。财务部门对外提供咨询服务、商学院向吸管板块收场地租赁费，这些案例证明：具备专业能力的部门确实有\u0026quot;对外输出\u0026quot;的可能。但这里有一个前提：这个部门的能力必须达到\u0026quot;可以对外收费\u0026quot;的水平。 大多数中小企业的财务部门，连自己公司的账都做不清楚，更不用说对外提供服务。楼仲平的书里没有讨论这个前提的普遍性。双童的财务部门能对外输出，是因为双童本身的管理水平在行业里是领先的。换一家管理基础薄弱的企业，这个案例无法复制。\n第四条验证：从\u0026quot;公司全额出资\u0026quot;到\u0026quot;团队持股创业\u0026quot;，逻辑通不通？\n通。\u0026ldquo;公司出钱，团队出力，股权共享\u0026rdquo;，这个设计在逻辑上是自洽的。但这里有一个关键的缺失：书里没有详细讨论\u0026quot;退出机制\u0026quot;。 如果创业体做失败了，团队要不要承担责任？如果创业体做成功了，团队要退出，股权怎么处理？如果创业体和平台之间产生利益冲突，怎么裁决？这些\u0026quot;边界条件\u0026quot;，在书里着墨不多。一套机制能不能长期跑下去，不取决于它在成功时有多好，取决于它在失败时有多稳。\n总结一下：楼仲平的逻辑链，整体上是通的。从\u0026quot;人才流失\u0026quot;到\u0026quot;组织裂变\u0026quot;，从\u0026quot;增量共享\u0026quot;到\u0026quot;自发努力\u0026quot;，每一步都有双童的实践数据支撑。但链条上有几个薄弱环节：第一，\u0026ldquo;创业能力\u0026quot;这个前提不是所有中小企业都具备；第二，\u0026ldquo;增量\u0026quot;的界定和\u0026quot;内部竞争\u0026quot;的防范需要更清晰的规则；第三，\u0026ldquo;冗余资源\u0026quot;的对外输出依赖于管理基础的水平；第四，退出机制和冲突解决机制在书里着墨不足。\n这些薄弱环节不影响楼仲平核心观点的成立，但它们提醒你：这是一套\u0026quot;有条件的机制\u0026rdquo;，不是一套\u0026quot;通用的配方\u0026rdquo;。\n四、拿掉前置条件，测试观点的边界 测试一：拿掉\u0026quot;员工有创业能力\u0026quot;这个前提。\n如果一家中小企业的员工不具备独立创业的能力——比如他们只会执行，不会决策；只会跟单，不会开发客户——裂变机制还能不能跑起来？\n很难。裂变机制的核心是\u0026quot;让员工自己算账、自己决策、自己负责\u0026rdquo;。如果员工没有这个能力，经营体会变成一个\u0026quot;没人管的摊子\u0026quot;。你给了他独立核算的权限，但他不知道怎么做核算。你给了他定价的自由，但他不知道定多少合适。\n这说明：裂变机制的有效性，高度依赖于员工的能力密度。 在人才密度高的企业——比如义乌的双童，员工具备创业经验和商业判断力——这套机制能跑通。在人才密度低的企业，你需要先解决\u0026quot;能力培养\u0026quot;的问题，才谈得上\u0026quot;裂变\u0026quot;。\n测试二：拿掉\u0026quot;增量空间存在\u0026quot;这个前提。\n如果一家企业的所在行业已经完全没有增量空间——市场在萎缩，客户在流失，产品没有新的需求——裂变机制还能不能创造增量？\n不能。创业体的设计逻辑是\u0026quot;孵化第二曲线\u0026quot;。如果你所在的行业本身没有第二曲线，或者第二曲线需要的资源和能力你完全不具备，创业体就无从谈起。你可以把财务部门变成盈利中心，但如果市场上没有人需要你的财务服务，这个\u0026quot;盈利中心\u0026quot;就是一个空壳。\n这说明：裂变机制依赖于\u0026quot;增量空间存在\u0026quot;这个前提。 双童的创业体能够覆盖外贸、文创、生物科技、研学培训等赛道，是因为义乌这个生态里存在这些需求。换一个生态，创业体的方向可能完全不同，甚至可能不存在。\n测试三：拿掉\u0026quot;创始人愿意放权\u0026quot;这个前提。\n楼仲平在书里反复强调：管理机制变革是\u0026quot;一把手工程\u0026quot;。如果创始人是一个强控制型的人——他习惯了下命令，习惯了每一件事都自己拍板——裂变机制还能不能落地？\n不能。裂变机制的本质是\u0026quot;分权\u0026quot;。你把销售部门拆成经营体，意味着销售总监失去了对销售的绝对控制权。你把生产部门拆成生产经营体，意味着生产经理失去了对生产的绝对控制权。你让创业体独立核算，意味着创始人不能再随便调用创业体的资源。\n这说明：裂变机制的第一道门槛，不是员工的能力，是创始人的意愿。 一个不愿意放权的创始人，可以把裂变机制设计得再漂亮，也跑不起来。因为机制是\u0026quot;分权\u0026quot;的机制，你人不分权，机制就是纸上的东西。\n测试四：最终测试——裂变机制在什么场景下有效，在什么情况下失效？\n有效场景：\n员工有一定商业判断力和创业意愿的中小企业 所在行业或区域存在增量空间（新客户、新品类、新市场） 创始人愿意放权，从\u0026quot;管控者\u0026quot;转变为\u0026quot;平台设计者\u0026quot; 企业有一定的基础设施和管理沉淀，可以\u0026quot;共享\u0026quot;给创业体 失效场景：\n员工能力单一，只能执行不能决策 行业完全萎缩，没有增量空间 创始人控制欲强，不愿意分权 企业没有可共享的\u0026quot;冗余资源\u0026quot;（场地、设备、专业能力） 结论：裂变式经营是一个强前提依赖的组织变革方案，不是万能解。它的力量在于，它把\u0026quot;人才流失\u0026quot;这个中小企业最头疼的问题，从一个\u0026quot;留不住人\u0026quot;的困境，转化成了一个\u0026quot;怎么让人留下来创业\u0026quot;的设计问题。它的局限在于，它的有效性依赖于四个前提的叠加：员工有创业能力、行业有增量空间、创始人愿意放权、企业有可共享的资源。这四个前提同时成立的中小企业，不是全部，但数量不少。\n读这本书，要学楼仲平的思维方式：从\u0026quot;问题\u0026quot;出发，不急着\u0026quot;解决\u0026quot;，先找到问题的\u0026quot;结构\u0026quot;。 人才流失不是\u0026quot;激励不够\u0026quot;的问题，是\u0026quot;组织天花板\u0026quot;的问题。你改变了结构，问题本身就不存在了。但也要知道，这种思维方式的边界在哪里。一个机制越精巧，它对前提条件的依赖就越深。 楼仲平的裂变机制，在四个前提同时成立的企业里，是一把利器；在前提不成立的企业里，你需要先修前提，再谈机制。\n","permalink":"https://cfo580.cn/article/ba-gong-si-zuo-cheng-ping-tai-rang-yuan-gong-zi-ji-dang-lao-ban-du-lou-zhong-ping-lie-bian-shi-jing-ying/","summary":"读完楼仲平《裂变式经营》，提炼双童吸管从\u0026rsquo;管控型组织\u0026rsquo;到\u0026rsquo;赋能型平台\u0026rsquo;的裂变机制。留人的最佳方式，不是加薪，是给空间。","title":"🏭 把公司做成平台，让员工自己当老板——读楼仲平《裂变式经营》"},{"content":"虑得先生的读书笔记\n序 陈文学，入微咨询创始人，销售管理成熟度（SMME）评估创始人，十余年企业营销高管经验，六年专业咨询顾问，十三家企业常年营销管理顾问。这本书是\u0026quot;入微咨询销售管理系列丛书\u0026quot;的第一本，2023年由东华大学出版社出版，全书八章，二百余页。\n书面对的是民营中小微企业的销售管理者。这些管理者有一堆共同的困惑：年度业绩目标很难顺利达成，业绩遇到瓶颈多年没有明显增长，费用越来越高利润却越来越薄，招不到满意的人，销售团队不可控，团队懒散疲惫没有狼性。\n陈文学的回答集中在一句话上：几乎一切销售问题的源头，最终都聚焦在\u0026quot;薪酬绩效\u0026quot;的不合理。\n全书围绕业绩达成逻辑、薪酬绩效设计总体准则、能力绩效设计、行为绩效设计、业绩考核设计、销售伴生岗位薪酬设计、晋升通道与股权激励等模块展开，提出销售管理成熟度评估（SMME）模型，配套七类附录工具模板。\n下面，逐章说。\n第一部分 逐章笔记 第一章 业绩达成的逻辑 中心思想：业绩不是靠\u0026quot;压任务\u0026quot;压出来的，而是靠一条完整的因果链推导出来的。销售人员的意愿、能力、行为、结果之间有一条逻辑链，薪酬绩效设计必须建立在这条逻辑链之上。\n一句话总结本章：不知道业绩从哪来，就没法设计薪酬。\n思考：这一章放在全书第一章，用意很深。大多数薪酬绩效的书一上来就讲方案、讲模板，陈文学不这么做。他先问你一个更根本的问题：你的业绩是怎么来的？这个问题答不上来，后面所有的设计都是空中楼阁。\n《孙子兵法》讲\u0026quot;知彼知己，百战不殆\u0026quot;，陈文学的逻辑更进一层——他讲的是\u0026quot;知己\u0026quot;。你得先知道自己的业绩逻辑是什么，才谈得上去激励。\n第二章 薪酬绩效设计的总体准则 中心思想：薪酬绩效设计有四条总体准则：公平性、稳定性、透明性、刺激性。公平性包括内部公平（同岗同酬）、外部公平（对标行业）、纵向公平（业绩提升薪酬增长）；稳定性要求薪酬制度不频繁变动，固定部分保障生活；透明性要求薪酬计算规则公开；刺激性要求超额业绩有额外奖励。\n一句话总结本章：薪酬设计不是设计数字，是设计规则。\n思考：这四条准则，每一条都对应着一个人性的基本需求。公平性对应的是\u0026quot;不患寡而患不均\u0026quot;，稳定性对应的是\u0026quot;安全感\u0026quot;，透明性对应的是\u0026quot;信任\u0026quot;，刺激性对应的是\u0026quot;进取心\u0026quot;。\n《管子·牧民》里说：\u0026ldquo;仓廪实则知礼节，衣食足则知荣辱。\u0026ldquo;薪酬的稳定性，就是\u0026quot;仓廪实\u0026rdquo;。你连固定部分都给不够，谈什么激励？陈文学把稳定性放在第二条，是有道理的——先让人安心，再让人拼命。\n第三章 能力绩效的设计与落地思路 中心思想：能力绩效考核的是销售人员的个人能力，不是短期的业绩结果。能力是可培养的，业绩是能力的产出。考核能力，是为了让销售人员知道：你不仅要出结果，还要长本事。\n一句话总结本章：考核能力，是为了让人长本事，不只是出业绩。\n思考：传统的销售考核只看业绩数字，陈文学的入微模式加上了\u0026quot;能力\u0026quot;这个维度。这背后有一个判断：如果一个销售人员这个月业绩好，是因为运气好，那不值得奖励；如果是因为能力强，那值得奖励，而且值得培养。\n《论语》里孔子说：\u0026ldquo;工欲善其事，必先利其器。\u0026ldquo;能力就是销售人员的\u0026quot;器\u0026rdquo;。你把器磨利了，事自然就善了。只盯着\u0026quot;事\u0026quot;不盯着\u0026quot;器\u0026rdquo;，是短视。\n第四章 行为绩效的设计与落地思路 中心思想：行为绩效考核的是销售工作过程中的关键行为。有效客户拜访数量、电话通话时长、是否按正规工作流程做事情、是否执行目标计划管理——这些过程指标，决定了最终结果的好坏。\n一句话总结本章：结果管不住的时候，先管过程。\n思考：这一章是全书最有\u0026quot;入微\u0026quot;色彩的部分。陈文学强调\u0026quot;过程管理\u0026quot;和\u0026quot;动态考核\u0026rdquo;，认为传统薪酬绩效设计最大的缺陷就是只考核结果、没有过程考核。\n这个思路跟曾国藩带兵很像。曾国藩打仗，不只看\u0026quot;打赢了没有\u0026quot;，他看扎营扎得怎么样、挖壕挖得怎么样、巡哨巡得怎么样。这些过程动作做好了，打仗大概率不会输。你只看结果，结果好的时候不知道好在哪，结果差的时候也不知道差在哪。\n陈文学把\u0026quot;行为绩效\u0026quot;单独列一章，是在说：过程不是结果的对立面，过程是结果的因。\n第五章 业绩考核的设计思路 中心思想：业绩考核是结果导向的，但它不应该只是\u0026quot;完成了多少\u0026quot;。业绩考核需要分解——把年度目标分解到季度、月度，把总目标分解为具体指标，如销售额、客户数量、转化率等。\n一句话总结本章：业绩考核不是算总账，是拆细账。\n思考：这一章讲的是\u0026quot;怎么考\u0026quot;而不是\u0026quot;考什么\u0026quot;。陈文学的思路是：目标要分解，指标要具体，考核要动态。你不能年底算一次总账，那叫秋后算账，不叫绩效考核。\n《史记·货殖列传》里讲白圭经商，\u0026ldquo;岁熟取谷，予之丝漆；茧出取帛絮，予之食\u0026rdquo;。白圭做的是\u0026quot;动态调整\u0026quot;——根据时令变化调整买卖策略。陈文学讲的动态考核，也是这个道理。\n第六章 销售伴生岗位的薪酬绩效设计 中心思想：销售团队里不光有销售员，还有销售助理、客服、技术支持等\u0026quot;伴生岗位\u0026quot;。这些岗位不直接产生业绩，但他们的工作直接影响销售效率。他们的薪酬绩效设计不能用销售员的逻辑。\n一句话总结本章：不直接卖货的人，也要用对的方式激励。\n思考：这一章是很多薪酬绩效书会漏掉的部分。陈文学专门用一章来讲\u0026quot;伴生岗位\u0026quot;，说明他看到了一个现实：销售不是一个人的事，是一个系统的事。你只激励前线的人，后方的人没动力，前线也打不好仗。\n《孙子兵法》讲\u0026quot;军无辎重则亡，无粮食则亡，无委积则亡\u0026quot;。辎重、粮食、委积，就是古代的\u0026quot;伴生岗位\u0026quot;。你不把这些人的利益跟前线挂钩，仗打不下去。\n第七章 晋升通道的设计 中心思想：销售人员的晋升，不能只有\u0026quot;当官\u0026quot;一条路。要走专业通道和管理通道双线并行。好的销售不一定要当管理者，他可以在专业通道上一直往上走，拿到跟管理者对等的待遇。\n一句话总结本章：不是所有好销售都适合当官，得给他们另一条路。\n思考：这一章解决的是销售团队里一个经典难题：一个顶级销售被提拔成管理者之后，变成了一流的管理者、三流的销售，两头不讨好。\n《庄子·逍遥游》里讲，大鹏飞九万里，斥鷃在蓬蒿之间跳跃，两者各有各的活法。你不必强求每一只鸟都飞九万里。好的销售不一定要当官，让他安心做销售，给他一条专业晋升的路，比把他塞进管理岗位要明智得多。\n第八章 销售团队的股权激励 中心思想：股权激励是薪酬绩效设计的最高层级。它解决的是长期激励的问题——让核心销售人员从\u0026quot;打工者\u0026quot;变成\u0026quot;合伙人\u0026quot;，从关注短期业绩到关注长期价值。\n一句话总结本章：让人为自己干，比让人为你干，管用得多。\n思考：这一章放在最后，是有讲究的。前面七章讲的是\u0026quot;怎么分钱\u0026quot;，这一章讲的是\u0026quot;怎么分权\u0026quot;。从薪酬到股权，是从\u0026quot;雇佣关系\u0026quot;到\u0026quot;合伙关系\u0026quot;的跃迁。\n《史记·淮阴侯列传》里蒯通劝韩信：\u0026ldquo;秦失其鹿，天下共逐之，于是高材疾足者先得焉。\u0026ldquo;股权激励的逻辑，就是让核心人才觉得\u0026quot;这头鹿也有我一份\u0026rdquo;。\n全书总结 八章，读完了。\n这本书最核心的判断是：薪酬绩效设计的关键不在\u0026quot;结果端\u0026rdquo;，在\u0026quot;过程端\u0026quot;和\u0026quot;能力端\u0026quot;。\n传统薪酬绩效设计盯的是\u0026quot;结果\u0026quot;：你完成了多少业绩，我就给你发多少钱。陈文学的入微模式盯的是\u0026quot;过程\u0026quot;和\u0026quot;能力\u0026quot;：你有没有按正确的方式做事，你有没有在成长，你有没有在正确的方向上积累能力。结果只是过程和水到渠成的产物。\n这个判断背后有一个隐含的假设：业绩是可以被\u0026quot;设计\u0026quot;出来的。 你把过程管好了，能力养好了，行为到位了，业绩自然会来。你要做的不是\u0026quot;压业绩\u0026quot;，是\u0026quot;设计系统\u0026quot;。\n一句话总结全书：管住了过程，结果就是水到渠成的事。\n第二部分 思考框架总结 总体思路 陈文学面对的问题是：民营中小微企业的销售团队，为什么业绩总是达不到预期？\n他的切入点不是\u0026quot;考核\u0026quot;，不是\u0026quot;激励\u0026quot;，是\u0026quot;逻辑\u0026quot;。他要先搞清楚一件事：业绩到底是怎么来的？销售人员的意愿、能力、行为、结果之间，存在一条什么样的因果链？搞清楚这条链，再谈怎么设计薪酬绩效。\n他的推导路径是：先理清业绩达成的逻辑，再确定薪酬绩效设计的总体准则，然后从能力绩效、行为绩效、业绩考核三个维度分别设计，最后延伸到伴生岗位、晋升通道和股权激励。全书八章，是一条完整的从\u0026quot;理解业绩\u0026quot;到\u0026quot;设计系统\u0026quot;的链条。\n一、核心观点 销售团队薪酬绩效设计的核心，不是\u0026quot;分钱\u0026quot;，是\u0026quot;设计\u0026quot;。设计的核心，不是盯结果，是管过程。\n陈文学的核心判断是：传统薪酬绩效设计只考核结果，忽略了过程管理和能力培养，导致三个问题：第一，业绩好的时候不知道为什么好，业绩差的时候不知道为什么差；第二，销售人员只关注短期业绩，不关注能力成长和过程规范；第三，激励手段单一，无法满足不同层级、不同岗位、不同阶段销售人员的需求。\n入微模式的解法是：把考核维度从\u0026quot;一维\u0026quot;（业绩）扩展到\u0026quot;三维\u0026quot;（能力、行为、业绩）。用能力绩效考核\u0026quot;会不会做\u0026quot;，用行为绩效考核\u0026quot;有没有做\u0026quot;，用业绩考核考核\u0026quot;做得好不好\u0026quot;。三个维度合在一起，形成一套完整的销售管理系统。\n二、前置条件 铺垫前提 第一，民营中小微企业的销售团队有其特殊性。它们不像大企业那样有完善的培训体系和成熟的管理制度，销售人员的流动性大，管理者的管理水平参差不齐。陈文学在书里反复强调，这本书是为\u0026quot;民营中小微企业\u0026quot;量身打造的，所有的设计都要贴合这个群体的实际现状。\n第二，销售业绩是可分解、可管理的。陈文学不认为业绩是\u0026quot;运气\u0026quot;或\u0026quot;个人英雄主义\u0026quot;的结果，他认为业绩是可以被设计、被管理、被预测的。前提是你得找到业绩达成的逻辑，并按照这个逻辑去设计系统。\n第三，销售人员的需求是多元的。有人看重钱，有人看重成长，有人看重晋升，有人看重稳定。薪酬绩效设计不能一刀切，要做差异化管理。\n罗列事实 陈文学罗列了民营中小微企业销售团队面临的核心问题：年度业绩目标难以达成、业绩多年没有明显增长、费用增长快于利润增长、招不到满意的人、团队不可控、团队缺乏狼性。这些问题不是孤立的，它们背后有一个共同的原因：薪酬绩效设计不合理。\n引用案例 陈文学在书中用了大量来自咨询实践的案例。书中案例显示，该模式在提升销售额和客户留存率方面具有实践效果。入微咨询在实践中通过精细分析销售人员职责、制定差异化薪酬政策、引入关键绩效考核指标、将薪酬与培训相结合、引入灵活激励机制等方式来落地这套模式。\n逻辑推导 陈文学的推导分五步：\n第一步：从业绩达成的逻辑出发。业绩不是凭空产生的，它是销售人员的能力通过正确的行为，转化为业务结果的过程。你要管业绩，先要管这个过程。\n第二步：确定薪酬绩效设计的总体准则。公平性、稳定性、透明性、刺激性——这四条准则是设计的\u0026quot;宪法\u0026quot;，后面的所有方案都在这个框架内运作。\n第三步：从三个维度设计考核体系。能力绩效管\u0026quot;会不会做\u0026quot;，行为绩效管\u0026quot;有没有做\u0026quot;，业绩考核管\u0026quot;做得好不好\u0026quot;。三个维度合在一起，覆盖了从投入到产出的完整链条。\n第四步：延伸到伴生岗位和晋升通道。销售不是一个人的事，是一群人的事。伴生岗位的薪酬绩效要设计，晋升通道要设计，不能让销售团队里只有一种成功路径。\n第五步：用股权激励解决长期问题。前三步解决的是短期和中期的激励，股权激励解决的是长期绑定。\n三、理顺完整的逻辑链，验证条件与核心之间的关联 第一条验证：从\u0026quot;过程管理\u0026quot;到\u0026quot;业绩提升\u0026quot;，逻辑通不通？\n通。陈文学的逻辑是：过程做好了，结果自然会好。能力提升了，业绩自然会提升。这个逻辑在大多数场景下成立。\n但这里有一个隐含假设：过程和结果之间的因果关系是确定的。 在销售这个领域，过程和结果之间的因果关系并不总是确定的。一个销售人员拜访了一百个客户，可能一个都没成交；另一个销售人员只拜访了十个客户，却成交了三个。你考核\u0026quot;拜访数量\u0026quot;，可能激励了\u0026quot;为了拜访而拜访\u0026quot;的行为，而不是\u0026quot;为了成交而拜访\u0026quot;的行为。\n陈文学不是不知道这个问题，他在书里提到了\u0026quot;工作有效性\u0026quot;的概念——不仅要看拜访数量，还要看拜访是否按正规工作流程做、是否执行目标计划管理。但\u0026quot;有效性\u0026quot;的判断本身就有主观性，它依赖于管理者的判断力。如果管理者的判断力不够，这套系统就会退化成\u0026quot;数数\u0026quot;。\n第二条验证：从\u0026quot;三维考核\u0026quot;到\u0026quot;全面评价\u0026quot;，逻辑通不通？\n通。能力、行为、业绩三个维度合在一起，确实比单一的业绩考核更全面。但三个维度的权重怎么分配，是一个难题。书中给出了框架，但具体的权重需要每个企业根据自己的情况来定。这意味着这套模式的可操作性依赖于管理者的判断力，而不是一套\u0026quot;拿来就能用\u0026quot;的标准答案。\n第三条验证：从\u0026quot;薪酬绩效设计\u0026quot;到\u0026quot;业绩提升\u0026quot;，逻辑通不通？\n通。合理的薪酬绩效设计确实能提升业绩，但这不是唯一的变量。市场环境、产品竞争力、品牌影响力、销售流程效率——这些因素同样影响业绩。陈文学把薪酬绩效设计放在了\u0026quot;源头\u0026quot;的位置，这个判断有它的道理，但也有它的局限。薪酬绩效设计是\u0026quot;必要条件\u0026quot;，但不是\u0026quot;充分条件\u0026quot;。\n总结一下：陈文学的逻辑链整体上是通的。从\u0026quot;业绩达成逻辑\u0026quot;到\u0026quot;三维考核\u0026quot;到\u0026quot;系统设计\u0026quot;，每一步都有实践支撑。但链条上有两个薄弱环节：第一，过程指标的有效性判断依赖于管理者的能力；第二，薪酬绩效设计被赋予了过高的解释权重，其他因素被相对低估了。\n四、拿掉前置条件，测试观点的边界 测试一：拿掉\u0026quot;过程可观测\u0026quot;这个前提。\n如果销售过程不可观测——比如大客户销售的周期很长，过程指标很难量化——入微模式的\u0026quot;行为绩效\u0026quot;维度还能不能用？\n会很困难。大客户销售的核心动作——建立关系、挖掘需求、方案呈现、商务谈判——每一个环节都很难用数字来衡量。你可以说\u0026quot;拜访了客户几次\u0026quot;，但你没法衡量\u0026quot;这次拜访的质量如何\u0026quot;。在这种情况下，行为绩效考核要么流于形式，要么退化成\u0026quot;数数\u0026quot;。\n这说明：入微模式在\u0026quot;过程可观测、可量化\u0026quot;的销售场景下最有效，在\u0026quot;过程不可观测\u0026quot;的场景下会失效。 快消品销售、电话销售、地推销售，这些场景下过程指标容易量化；大客户销售、解决方案销售、复杂项目销售，这些场景下过程指标很难量化。\n测试二：拿掉\u0026quot;管理者有能力判断\u0026quot;这个前提。\n入微模式的落地，依赖于管理者的判断力——判断能力绩效的标准、判断行为绩效的有效性、判断业绩目标的合理性。如果管理者没有这个判断力，再好的设计也落不了地。\n民营中小微企业的销售管理者，很多是从一线销售提拔上来的，他们没有受过系统的管理训练。陈文学在书里也提到了这个问题：从一线销售提拔的管理干部，做了管理工作不知道要干啥。\n这说明：入微模式的有效性，依赖于一个隐含的前提——管理者具备基本的判断力和执行力。 如果这个前提不成立，模式再好也是纸上谈兵。\n测试三：拿掉\u0026quot;业绩可分解\u0026quot;这个前提。\n如果企业的业绩本身就不稳定、不可预测——比如项目制企业，今年三个大项目，明年可能一个都没有——业绩考核的\u0026quot;目标分解\u0026quot;还怎么做？\n很难做。你没法把一个不可预测的业绩分解成月度目标，因为你不知道下个月有没有项目。在这种情况下，业绩考核要么变成\u0026quot;事后算账\u0026quot;，要么变成\u0026quot;拍脑袋定目标\u0026quot;。\n这说明：入微模式的业绩考核维度，依赖于\u0026quot;业绩可预测、可分解\u0026quot;这个前提。 在项目制、订单制等业绩波动大的企业里，这个前提不成立。\n测试四：最终测试——入微模式在什么场景下有效，在什么情况下失效？\n有效场景：\n销售过程可观测、可量化的场景（电话销售、地推、快消品销售） 管理者具备基本管理能力的场景 业绩可预测、可分解的场景 民营中小微企业的销售团队 失效场景：\n销售过程不可观测的场景（大客户销售、解决方案销售） 管理者判断力不足的场景 业绩波动大、不可预测的场景 大型企业的复杂销售组织（涉及多层级、多部门协作） 结论：入微模式是一个强场景依赖的实用框架，不是万能公式。它的力量在于，它把\u0026quot;过程管理\u0026quot;和\u0026quot;能力培养\u0026quot;带入了薪酬绩效设计的视野，打破了\u0026quot;只看结果\u0026quot;的单一维度。它的局限在于，它的有效性高度依赖于两个前提：过程可观测，管理者有能力。这两个前提在民营中小微企业的很多场景下是成立的，但不是所有场景下都成立。\n读这本书，要学陈文学的思维方式：从问题的源头出发，找到因果链条，然后沿着链条设计系统。 但也要知道，这套系统的边界在哪里。一个框架越实用，它的适用条件就越具体。 陈文学的入微模式，在它能覆盖的场景里，是一把利器；在它覆盖不了的场景里，你需要另一套工具。\n","permalink":"https://cfo580.cn/article/yong-guo-cheng-jia-yu-jie-guo-du-chen-wen-xue-xiao-shou-dui-xiang/","summary":"读完陈文学《销售团队薪酬绩效设计入微模式》，提炼销售管理从\u0026rsquo;压业绩\u0026rsquo;到\u0026rsquo;管过程\u0026rsquo;的核心转变。管住了过程，结果就是水到渠成的事。","title":"📊 用过程驾驭结果——读陈文学《销售团队薪酬绩效设计入微模式》"},{"content":"虑得先生的读书笔记\n记下来。以后读书笔记按这个结构来：\n读书笔记结构 第一部分 逐章笔记 按部分、章、全书逐层展开：\n部分：部分中心思想 + 部分总结 每章：中心思想 + 一句话总结本章 + 自己的思考 全书总结：不再用\u0026quot;一句话总结\u0026quot;格式，直接写心得与收获 第二部分 思考框架总结 从全书总结自然衔接，按以下结构展开：\n总体思路：作者面对什么问题，从何处切入，如何梳理，怎样推导，如何验证，最终形成观点的整套思考方式。\n一、核心观点：作者最终形成的核心结论。\n二、前置条件：\n铺垫前提 罗列事实 引用案例 逻辑推导 三、理顺完整的逻辑链，验证条件与核心之间的关联：作者列出的前提、证据、推导，是否真能支撑核心观点？前后逻辑是否通顺？有没有断层、牵强？\n四、拿掉前置条件，测试观点的边界：反向验证——拿掉关键前提、去掉核心案例、改变既定条件，观点还能否成立？在哪个环节崩塌？只在什么场景下有效，什么情况下失效？\n\u0026ldquo;书是别人的阅历与思想，而读懂思考的方法，才能把别人的智慧，真正变成自己的人生底气。\u0026rdquo;\n","permalink":"https://cfo580.cn/article/si-kao-xing-du-shu-bi-ji-mo-ban/","summary":"以后写读书笔记的标准化模板：逐章笔记 + 思考框架总结，四步验证法。","title":"📋 思考型读书笔记模版"},{"content":"虑得先生的读书笔记\n序 读赫拉利这本书，是在一个平常的下午。读完之后，看街上的人群，感觉全变了。\n你看到的每一个人，都在相信一些根本不存在的东西。钱不存在，国家不存在，公司不存在，人权不存在。它们都是想象的产物。但正是这些\u0026quot;不存在的东西\u0026quot;，让几十亿互不相识的人能够合作。\n赫拉利，1976年生，牛津大学历史学博士，耶路撒冷希伯来大学历史系教授。2011年，他把给本科生上的公开课整理成书，取名《人类简史》。在以色列沉寂了两年，后来扎克伯格推荐，比尔·盖茨力荐，一下子成了全球现象。在《纽约时报》畅销榜上连续出现182周。\n这本书讲了一件大事：智人是怎么从非洲角落一个不起眼的族群，变成地球主宰的。赫拉利的答案是——靠讲故事。\n全书四个部分，二十章。从认知革命说起，经农业革命、人类的融合统一，到科学革命收尾。\n下面，逐部分说。\n第一部分 逐章笔记 第一部分 认知革命 部分中心思想：七万年前，智人发生了一次基因突变，获得了一种其他动物没有的能力——相信虚构的故事。这个能力让智人突破了150人的合作上限，从部落走向帝国，从非洲走向全球。\n部分总结：这部分四章，是全书的地基。赫拉利不是在讲\u0026quot;人类变聪明了\u0026quot;，他讲的是\u0026quot;人类学会了集体自欺\u0026quot;。神、国家、金钱、公司，全是虚构的，但所有人相信，它们就成了真的。\n第一章 人类：一种也没什么特别的动物 中心思想：智人从来不是什么特别的物种。十万年前，地球上至少有六个人种，智人只是其中之一。赫拉利把\u0026quot;人类\u0026quot;从神坛上拉下来，放回生物界。\n一句话总结本章：人类没什么特别的，特别的是后来发生的事。\n思考：赫拉利说，庞大的大脑是个庞大的负担。大脑结构脆弱，消耗巨大，还让女人分娩困难。人类进化出这么大的脑子，代价是巨大的。这让人想起《庄子》里说的\u0026quot;巧者劳而知者忧\u0026quot;。聪明不是白来的，你得付出代价。\n第二章 知善恶树 中心思想：认知革命的核心，不是智人变得更聪明了，是智人获得了\u0026quot;讨论虚构事物\u0026quot;的能力。狮子、黑猩猩也能沟通，它们说\u0026quot;小心，有狮子\u0026quot;。智人说的是\u0026quot;狮子是我们部落的守护神\u0026quot;。\n一句话总结本章：智人最厉害的本事，不是描述真实，是编造不真实。\n思考：赫拉利说，就算是大批互不相识的人，只要同样相信某个故事，就能共同合作。这句话，把人类历史的底层逻辑说透了。\n孔子讲\u0026quot;名不正则言不顺，言不顺则事不成\u0026quot;。孔子说的是\u0026quot;名\u0026quot;，赫拉利说的是\u0026quot;故事\u0026quot;。名分、礼制、君臣父子——这些东西在自然界里根本不存在，但所有人都信了，它就成了一套运行几千年的秩序。\n《人类简史》里有一句话：人类和黑猩猩之间真正不同的地方就在于那些虚构的故事，它像胶水一样把千千万万的个人、家庭和群体结合在一起。这种胶水，让我们成了万物的主宰。\n胶水这个词，用得真好。\n第三章 亚当和夏娃的一天 中心思想：采集狩猎时代的生活，比我们想象的好得多。智人不是\u0026quot;可怜的野蛮人\u0026quot;，他们吃得杂、工作时间短、身体好。农业革命之前，人类过了几百万年相对舒服的日子。\n一句话总结本章：采集者吃得比农民好，干得比农民少。\n思考：赫拉利说，人到现代还有着远古狩猎采集者的心，以及远古农民的胃。你的身体是为采集狩猎设计的，但你现在过着农业革命以后的生活。这个错位，就是现代人各种慢性病的根源。\n第四章 毁天灭地的人类洪水 中心思想：智人走到哪里，大型动物就灭绝到哪里。智人是地球上最致命的物种，比任何天灾都厉害。\n一句话总结本章：智人到哪儿，哪儿的大动物就没了。\n思考：赫拉利说，智人迁徙到澳大利亚，澳大利亚所有体重超过五十公斤的动物都灭绝了。智人到达美洲，美洲的大多数大型动物也消失了。这不是巧合，是智人干的。人类的\u0026quot;成功\u0026quot;，从第一天起，就建立在其他物种的尸骨上。\n第二部分 农业革命 部分中心思想：农业革命是史上最大的骗局。它让食物总量增加了，但个体活得更差。人类以为自己驯化了小麦，其实是小麦驯化了人类。农业革命产生了一批养尊处优的精英，也产生了一套让所有人困在其中的虚构秩序——帝国、阶级、性别不平等。\n部分总结：这部分四章，是全书最扎心的部分。赫拉利把\u0026quot;进步\u0026quot;这个概念打碎了。你以为是你在选择进步，其实是进步在选择你。你以为你在过更好的生活，其实你被困在了更好的牢笼里。\n第五章 史上最大骗局 中心思想：农业革命不是人类主动选择的，是一连串\u0026quot;让生活更轻松\u0026quot;的小决定累积出来的陷阱。每一次小小的\u0026quot;进步\u0026quot;，都在给脖子上加一道新的枷锁。\n一句话总结本章：人类以为自己驯化了小麦，其实是小麦驯化了人类。\n思考：赫拉利讲了一个奢侈生活的陷阱。小麦本来只是食谱里的一种，后来变成了主食。人本来只待四个星期收麦子，后来待五个、六个、七个星期，最后定居了。定居了，女人就能每年生孩子了。孩子多了，粮食就不够了。粮食不够了，就得种更多麦子。\n一连串为了让生活更轻松的\u0026quot;进步\u0026quot;，最后却像是在这些农民的身上加了一道又一道沉重的枷锁。\n这让人想起《庄子·天地》里子贡见到的那个种菜老人。他不用机械，宁愿\u0026quot;抱瓮而出灌\u0026quot;，理由是\u0026quot;有机械者必有机事，有机事者必有机心\u0026quot;。子贡不懂，老人说：\u0026ldquo;吾非不知，羞而不为也。\u0026ldquo;庄子借这个故事说的是：技术让你方便，也让你失去别的东西。\n赫拉利说的农业革命，就是人类版的\u0026quot;抱瓮\u0026rdquo;。你放下了瓮，拿起了犁，从此再也放不下了。\n第六章 盖起金字塔 中心思想：农业革命之后，人类需要一套新的虚构秩序来维持大规模合作。这套秩序就是\u0026quot;想象的共同体\u0026rdquo;——神、国家、阶级、法律。所有人都活在这些想象里，以为它们天经地义。\n一句话总结本章：帝国不是用城墙围起来的，是用故事编出来的。\n思考：赫拉利说，想象所建构出来的秩序总是有一夕崩溃的风险，因为这些秩序背后靠的都是虚构的故事，只要人们不再相信，一切就风云变色。\n《史记》里陈胜说\u0026quot;王侯将相宁有种乎\u0026quot;，项羽说\u0026quot;彼可取而代也\u0026quot;。这两句话，就是把秦朝那套\u0026quot;想象的秩序\u0026quot;给撕碎了。秦始皇建了长城，建了郡县，建了\u0026quot;皇帝\u0026quot;这个名号——但陈胜和项羽不信。他们不信了，秦朝就完了。\n第七章 记忆过载 中心思想：农业社会太复杂了，人的大脑记不住那么多东西。于是人类发明了文字，发明了数字，发明了官僚系统。苏美尔人的楔形文字，最初的功能是记账。\n一句话总结本章：文字不是为了写诗，是为了记账。\n思考：赫拉利说，苏美尔人发明文字，是为了记录税收和债务。汉谟拉比法典刻在石头上，是为了让所有人都知道\u0026quot;欠债要还\u0026quot;。文字从诞生的第一天起，就是权力的工具。谁掌握了文字，谁就掌握了记忆，谁就掌握了秩序。\n第八章 历史从无正义 中心思想：阶级、性别、种族的不平等，不是自然存在的，是虚构秩序的一部分。它们没有生物学基础，只有历史偶然。\n一句话总结本章：不平等不是天生的，是被讲出来的。\n思考：赫拉利说，演化的基础是差异，而不是平等。但这不意味着\u0026quot;强者应该统治弱者\u0026quot;是天理。差异是生物学的，不平等是政治的。赫拉利把这两件事分得很清楚。\n\u0026ldquo;王侯将相宁有种乎\u0026rdquo;，不是一句情绪宣泄，是一句事实陈述。\n第三部分 人类的融合统一 部分中心思想：历史的大方向是\u0026quot;分久必合\u0026quot;。金钱、帝国、宗教，是三种让人类走向统一的力量。金钱是最普遍也最有效的互信系统，帝国用暴力打通了文化的边界，宗教用超人类的秩序赋予了社会架构合法性。\n部分总结：这部分五章，讲的是\u0026quot;人类是怎么变成一个整体的\u0026quot;。赫拉利说，合久必分只是一时，分久必合才是不变的大趋势。但\u0026quot;合\u0026quot;不一定是好事，也不一定是坏事。它只是一个方向。\n第九章 历史的方向 中心思想：历史没有\u0026quot;更好\u0026quot;的方向，只有\u0026quot;更大\u0026quot;的方向。从部落到帝国，从王国到全球市场，人类的组织单位一直在变大。\n一句话总结本章：历史的方向不是变好，是变大。\n思考：赫拉利说，我们之所以研究历史，不是为了要知道未来，而是要拓宽视野，要了解现在的种种绝非\u0026quot;自然\u0026quot;，也并非无可避免。研究历史的目的，不是预测，是解放。知道事情可能是另一个样子，你就有机会把它变成另一个样子。\n第十章 金钱的味道 中心思想：金钱是有史以来最普遍也最有效的互信系统。人们信任的不是人类，不是社群，不是神圣的价值观，只是金钱本身，以及背后那套没有人性的系统。\n一句话总结本章：钱不是金子，钱是所有人都相信的一个约定。\n思考：赫拉利说，如果没有信任，就不可能有贸易，而要相信陌生人又是件很困难的事。货币解决了这个问题。一个中国商人不需要相信一个阿拉伯商人是个好人，他只需要相信对方手里的第纳尔金币是真的。信任对象从人转移到了物，从具体转移到了抽象。\n《管子》里说\u0026quot;币重而万物轻，币轻而万物重\u0026quot;。管子讲的是货币和物价的关系，赫拉利讲的是货币和信任的关系。角度不同，说的都是同一件事：钱这个东西，本身没有价值，它的价值来自所有人都信。\n第十一章 帝国的愿景 中心思想：帝国不是一个贬义词。帝国用暴力征服，也用文化融合。帝国消灭了无数文化，也创造了新的文化。今天的\u0026quot;全球化\u0026quot;，本质上是帝国的遗产。\n一句话总结本章：帝国用刀剑开路，用文化留人。\n思考：赫拉利说，帝国统治众多不同民族，推动文化碰撞交融。这话听着像是在给帝国主义洗白。但赫拉利不是在洗白，他是在说事实。罗马灭了希腊，但罗马继承了希腊的哲学。英国殖民了印度，但印度的英语成了印度统一的语言。\n暴力是帝国的手段，融合是帝国的结果。这个结果，不一定是好事，也不一定是坏事。但它就在那里。\n第十二章 宗教的法则 中心思想：宗教是建立在超人类秩序上的人类规范及价值观系统。它赋予了社会架构超人类的合法性。你服从国王，不是因为国王比你强，是因为神让国王统治你。\n一句话总结本章：宗教做的事情，是让秩序变得不可质疑。\n思考：赫拉利区分了\u0026quot;泛神论\u0026quot;\u0026ldquo;多神论\u0026quot;\u0026ldquo;一神论\u0026rdquo;。泛神论里，人和动物是平等的。多神论里，神有分工，人有分工，等级出现了。一神论里，只有一个神，所有人都平等地面对这一个神。这个逻辑走到极致，就是\u0026quot;人权\u0026quot;和\u0026quot;自由\u0026rdquo;。\n但赫拉利也说了一句话：一切苦难并非来自厄运、社会不公或神祇的任性，而是出于每个人自己心中的思维模式。这话是佛教的逻辑。佛教不相信神，它相信的是：苦来自你自己的心。\n第十三章 成功的秘密 中心思想：历史没有\u0026quot;必然规律\u0026quot;。赫拉利说得很直白：历史的铁则就是：事后看来无可避免的事，在当时看来总是毫不明显。历史是\u0026quot;混沌系统\u0026quot;，不是\u0026quot;物理系统\u0026quot;。\n一句话总结本章：历史没有规律，只有故事。\n思考：赫拉利在书里反复强调一件事：他不是在讲\u0026quot;历史的规律\u0026quot;，他是在讲\u0026quot;历史的偶然\u0026quot;。基督教成为罗马国教，不是因为基督教\u0026quot;应该\u0026quot;赢，是因为一系列偶然的事件——保罗的传教、君士坦丁的梦、罗马的衰落。如果君士坦丁那天晚上做了另一个梦，今天的欧洲可能拜的是另一个神。\n这让人想起《史记》里刘邦斩白蛇的故事。刘邦斩了一条蛇，后来的人说\u0026quot;赤帝子斩白帝子\u0026quot;。这个故事是编的，但它编成了，就成了汉朝合法性的来源。历史就是这样一个故事接着一个故事。谁讲得好，谁就赢。\n第四部分 科学革命 部分中心思想：科学革命的本质是\u0026quot;无知的革命\u0026quot;。人类第一次承认：我们不知道。这个承认，打开了探索的大门。科学与帝国、资本主义结合在一起，形成了过去五百年最强大的力量组合。\n部分总结：这部分七章，是全书的收尾。赫拉利从\u0026quot;人类怎么走到今天\u0026quot;转向了\u0026quot;人类要走到哪里去\u0026quot;。科学让人类获得了前所未有的力量，但也把人类推向了\u0026quot;智人末日\u0026quot;的边缘。\n第十四章 发现自己的无知 中心思想：科学革命不是知识的革命，是无知的革命。真正让科学起步的，是发现\u0026quot;人类对于最重要的问题其实毫无所知\u0026quot;。\n一句话总结本章：科学的起点，是承认自己不知道。\n思考：赫拉利说，古代科学（比如中国的\u0026quot;天朝上国\u0026quot;观念）认为所有重要知识都已经知道了。欧洲人打破了这个观念。他们承认自己不知道美洲在哪里，不知道太平洋有多大，不知道地球是不是绕着太阳转。承认无知，才有求知。\n孔子说\u0026quot;知之为知之，不知为不知，是知也\u0026quot;。但孔子的\u0026quot;知\u0026quot;更多是道德层面的自知。赫拉利的\u0026quot;无知\u0026quot;是认识论层面的，是对未知世界的一种积极姿态。你承认不知道，你才会去探索。\n第十五章 科学与帝国的联姻 中心思想：科学和帝国不是两件事，是一件事的两面。帝国出钱，科学出知识。库克船长去太平洋，既是航海家，也是帝国的先行官。\n一句话总结本章：帝国给科学出钱，科学给帝国画地图。\n思考：赫拉利举了库克船长的例子。库克去了太平洋三次，带回了植物标本、地图和天文学数据。他也带回了帝国的旗帜。科学的\u0026quot;发现\u0026quot;和帝国的\u0026quot;占领\u0026quot;，用的是同一艘船。\n第十六章 资本主义教条 中心思想：资本主义的核心不是\u0026quot;赚钱\u0026quot;，是\u0026quot;信任未来\u0026quot;。信贷之所以存在，是因为人们相信明天会比今天更好。信任是世上绝大多数金钱的唯一后盾。\n一句话总结本章：资本主义的魔法，是相信明天比今天好。\n思考：赫拉利说，真正让银行得以存活甚至大发利市的，其实是我们对未来的信任。一个农民春天借钱买种子，他相信秋天会有收成。一个公司发行股票，投资者相信公司未来会赚钱。所有的金融活动，都建立在一个信念上：未来会比现在好。\n第十七章 工业的巨轮 中心思想：工业革命的核心是能源转换。人类学会了把一种能量转换成另一种能量。蒸汽机把煤变成动力，内燃机把石油变成速度。\n一句话总结本章：工业革命干的事，是把地底下的能量搬到地面上来。\n思考：赫拉利说，工业革命之前，人类的所有能量都来自植物和动物。工业革命之后，人类开始烧煤、烧油、烧气。能量不再受限于阳光和土地，人类的力量一下子增长了几个数量级。\n第十八章 一场永远的革命 中心思想：现代社会的特征，不是\u0026quot;稳定\u0026quot;，是\u0026quot;永远在变\u0026quot;。家庭在瓦解，社群在消失，国家在重组。一切坚固的东西都烟消云散了。\n一句话总结本章：现代人活在一个永远在拆了重盖的房子里。\n思考：赫拉利说，现代所兴起的两大想象社群，就是\u0026quot;民族\u0026quot;和\u0026quot;消费大众\u0026quot;。民族让你觉得自己属于一个几千万人的群体，消费大众让你觉得自己和几十亿人有共同的生活方式。这两种\u0026quot;想象\u0026quot;，替代了过去的家庭和村落。\n第十九章 从此过着幸福快乐的日子 中心思想：人类的能力增长了，但幸福感没有。赫拉利从生物学、心理学、佛教等多个角度追问：到底什么是幸福？他的结论是：幸福不在于你拥有什么，在于你期待什么。期待和现实之间的差距越小，你越幸福。\n一句话总结本章：能力增长了，快乐没增长。\n思考：赫拉利说，我们从农业革命能学到的最重要一课，很可能就是物种演化上的成功并不代表个体的幸福。\n这话放在今天一样成立。人类作为一个物种，从来没有这么成功过。但作为一个个体，你幸福吗？\n赫拉利引了佛教的观点：幸福不在于感受愉悦，而在于放下对愉悦的执念。这跟《庄子》里\u0026quot;至乐无乐\u0026quot;的说法，几乎是一样的。\n第二十章 智人末日 中心思想：生物工程、仿生工程、无机生命工程，正在改变\u0026quot;智人\u0026quot;这个物种的定义。人类可能正在走向\u0026quot;智人末日\u0026quot;——不是灭绝，是变成另一种东西。\n一句话总结本章：智人可能不是终点，是起点。\n思考：赫拉利在最后一章问了一个问题：如果人类可以设计自己的后代，那\u0026quot;人类\u0026quot;这个词还有意义吗？如果人可以活到五百岁，那\u0026quot;生命\u0026quot;这个词还有意义吗？\n\u0026ldquo;智人末日\u0026quot;不是说人类要灭亡了，是说\u0026quot;智人\u0026quot;这个物种要变成别的什么了。就像当年尼安德特人消失，不是因为他们都死了，是因为他们被智人同化了。\n全书总结 二十章，读完了。\n赫拉利给了什么？\n第一，一副眼镜。 \u0026ldquo;虚构故事\u0026quot;这个概念，让人重新理解了一切社会现象。金钱是故事，国家是故事，公司是故事，人权是故事。故事不是假的，故事是\u0026quot;主体间现实\u0026rdquo;——所有人都相信，它就真的存在了。\n第二，一个警示。 农业革命是史上最大的骗局。人类以为自己驯化了小麦，其实是小麦驯化了人类。你今天以为你在\u0026quot;选择\u0026quot;更好的生活，可能只是在给脖子上加一道新的枷锁。\n第三，一个视角。 历史的方向不是\u0026quot;更好\u0026rdquo;，是\u0026quot;更大\u0026quot;。从部落到帝国，从王国到全球市场，人类的组织单位一直在变大。但变大不一定是变好。赫拉利说得很清楚：研究历史不是为了预测未来，是为了知道现在的种种\u0026quot;绝非自然，也并非无可避免\u0026quot;。\n第四，一个问题。 人类的能力增长了，幸福感没有。我们比任何时候都更强大，也比任何时候都更焦虑。赫拉利把这个问题留在了书的结尾，也留给了每一个读这本书的人。\n读完这本书最大的收获，是一个想法：人类最厉害的本事，是\u0026quot;假装\u0026quot;。\n你假装纸币有价值，纸币就有了价值。你假装国家存在，国家就存在了。你假装人权不可侵犯，人权就不可侵犯了。\u0026ldquo;假装\u0026quot;不是坏事，它是文明的基石。但\u0026quot;假装\u0026quot;也有代价——你假装得越成功，你越忘记那是假的。\n赫拉利在书里说了一句让人不安的话：想象所建构出来的秩序总是有一夕崩溃的风险，因为这些秩序背后靠的都是虚构的故事，只要人们不再相信，一切就风云变色。\n人类活在故事里。故事是真的，也是假的。\n第二部分 思考框架总结 总体思路 赫拉利面对的问题是：智人凭什么统治地球？\n他的切入点不是生物学，不是考古学，是认知。他要找的不是\u0026quot;人类比其他物种强在哪里\u0026rdquo;，而是\u0026quot;人类和其他物种的根本区别在哪里\u0026quot;。他梳理了一条从七万年前到今天的完整链条，推导出一个核心答案，然后用历史、生物学、经济学的交叉证据来验证它。\n一、核心观点 智人统治地球的根本原因，不是个体更聪明，而是能够大规模、灵活地合作。而大规模合作的基础，是相信共同的虚构故事。\n狮子、黑猩猩也能合作，但它们只能在小群体内合作，靠的是面对面的熟悉。智人不一样。智人可以和几万个陌生人合作，靠的不是认识彼此，是相信同一个故事。\n金钱是故事，国家是故事，公司是故事，人权是故事。这些故事在自然界里不存在，但只要所有人都信，它们就真的能运转。\n二、前置条件 铺垫前提 第一，智人不是唯一的人类物种。十万年前，地球上至少有六个人种：智人、尼安德特人、丹尼索瓦人、直立人、梭罗人、佛罗勒斯人。智人只是其中之一，而且当时并不起眼。\n第二，大脑是个昂贵的器官。它占体重约2%，却消耗约25%的能量。大脑越大，分娩越困难，幼崽越需要长期照顾。\n第三，智人的基因突变发生在约七万年前。这次突变的结果是清楚的：智人获得了一种新的语言能力。这种语言能力的关键，不是能描述真实事物，是能描述虚构事物。\n第四，大规模合作是人类独有的。蚂蚁和蜜蜂也能大规模合作，但它们的合作是基因编码的，固定的，不能灵活调整。人类的大规模合作是灵活的，可以随时重组。\n这四个前提摆在一起，赫拉利的推导起点就清楚了：智人没什么特别，特别的是七万年前发生的一件事。\n罗列事实 赫拉利罗列了五组事实：\n第一组：其他人类物种的灭绝。 智人走到哪里，其他人种就灭绝到哪里。\n第二组：大型动物的灭绝。 智人到达澳大利亚，澳大利亚体重超过五十公斤的动物全部灭绝。智人到达美洲，美洲的大多数大型动物消失。\n第三组：农业革命的悖论。 农业革命让食物总量增加了，但个体活得更差。农民比采集者工作时间更长、饮食更单一、身体更差。\n第四组：虚构秩序的运行。 汉谟拉比法典、美国独立宣言、人权宣言——这些东西在自然界里找不到对应物，但所有人都在按它们行事。\n第五组：金钱、帝国、宗教的融合力量。 金钱让互不相识的人可以交易，帝国用暴力打通文化边界，宗教用超人类秩序赋予社会合法性。\n引用案例 赫拉利用的最关键的案例，是标致公司。\n他说，标致公司不是一个物理实体。你走进标致公司的工厂，看到的是机器、工人、办公楼。但这些东西加在一起，不叫标致公司。标致公司是一个法律实体，一个\u0026quot;法人\u0026quot;。它在法律上存在，在现实中不存在。它只存在于一个故事里——所有人都相信\u0026quot;标致公司\u0026quot;这个东西存在，所以它才能签合同、借钱、雇人、打官司。\n第二个关键案例是汉谟拉比法典与《独立宣言》的对比。两者都是\u0026quot;虚构秩序\u0026quot;的文本。汉谟拉比说\u0026quot;人分三六九等，这是神定的\u0026quot;，独立宣言说\u0026quot;人人生而平等，这是造物主赋予的\u0026quot;。两者都是\u0026quot;故事\u0026quot;，区别只在于，一个的故事在今天的语境里失效了，另一个的故事还在运行。\n第三个案例是库克船长的太平洋航行。库克去太平洋，既是航海家，也是帝国的先行官。他带回植物标本，也带回帝国的旗帜。科学给帝国画地图，帝国给科学出钱。\n逻辑推导 赫拉利的推导，分四步走。\n第一步：智人的优势不在个体，在集体。 单个智人打不过尼安德特人，但一百个智人可以打败一百个尼安德特人。\n第二步：虚构故事让合作规模突破150人上限。 靠面对面熟悉维持的群体，上限是150人。超过150人，就必须靠制度、规则、共同的信念来维持。\n第三步：大规模合作让智人成为生态系统的霸主。 智人用合作狩猎、合作采集、合作打仗，把其他人种和大型动物一个个清除掉。\n第四步：农业革命之后，虚构秩序变得更加复杂。 帝国、宗教、金钱、阶级、性别——这些都是\u0026quot;想象的共同体\u0026quot;。它们让几千万、几亿人能够在一个秩序下共存。\n这四步推导下来，赫拉利的核心观点就立住了：智人统治地球，靠的是讲故事的能力。\n三、理顺完整的逻辑链，验证条件与核心之间的关联 现在来看，赫拉利列出的这些前提、证据、推导，是不是真的能支撑起他的核心观点。\n第一条验证：从\u0026quot;虚构故事\u0026quot;到\u0026quot;大规模合作\u0026quot;，逻辑通不通？\n通。赫拉利举了金钱的例子。一个中国商人和一个阿拉伯商人互不认识，但他们可以做生意，因为他们都相信手里的金币有价值。信任对象从\u0026quot;人\u0026quot;转移到了\u0026quot;物\u0026quot;，从\u0026quot;具体\u0026quot;转移到了\u0026quot;抽象\u0026quot;。这个转移，就是\u0026quot;虚构故事\u0026quot;在起作用。\n但这里有一个断层：赫拉利没有充分解释，为什么智人获得了\u0026quot;虚构故事\u0026quot;的能力，而尼安德特人没有。他说是基因突变，但基因突变只是事实，不是解释。为什么这个突变发生在智人身上，而不是尼安德特人身上？赫拉利没有回答。这不是他的错，这是科学还没回答的问题。但作为读者，你要知道，这条链在这里有一个缺口。\n第二条验证：从\u0026quot;大规模合作\u0026quot;到\u0026quot;统治地球\u0026quot;，逻辑通不通？\n通。赫拉利举了澳大利亚和美洲大型动物灭绝的例子。智人到达之前，这些动物没有天敌。智人到达之后，它们迅速灭绝。这不是\u0026quot;自然选择\u0026quot;，这是\u0026quot;智人选择\u0026quot;。\n但这里有一个牵强的地方：赫拉利把智人的成功，几乎全部归功于\u0026quot;虚构故事\u0026quot;。他忽略了其他因素——工具的使用、火的掌握、迁徙的能力。这些因素在智人崛起的过程中，同样重要。赫拉利不是不知道这些，他只是把它们放在次要位置。这个侧重，有他的道理，但也有他的盲区。\n第三条验证：从\u0026quot;农业革命是骗局\u0026quot;到\u0026quot;虚构秩序更加复杂\u0026quot;，逻辑通不通？\n通。赫拉利说，农业革命让人类活得更好是个谎言。农民比采集者工作时间更长、饮食更单一、身体更差。但农业革命让食物总量增加了，人口增长了，于是所有人都被困在了这个系统里。\n但这里有一个问题：赫拉利把\u0026quot;个体幸福\u0026quot;和\u0026quot;物种成功\u0026quot;对立起来了。他说，农业革命在物种层面是成功的，在个体层面是失败的。这个对立，有它的洞见，但也有它的局限。如果个体幸福是唯一的尺度，那人类今天应该回到采集狩猎时代。但没人愿意回去。这说明，除了\u0026quot;幸福\u0026quot;，还有别的尺度——文明、创造、超越。赫拉利没有讨论这些尺度。\n第四条验证：从\u0026quot;金钱、帝国、宗教\u0026quot;到\u0026quot;全球统一\u0026quot;，逻辑通不通？\n通。赫拉利说，金钱是最普遍也最有效的互信系统。帝国用暴力打通了文化边界。宗教用超人类秩序赋予了社会合法性。\n但这里有一个断层：赫拉利没有解释，为什么是这三样东西，而不是别的什么东西。为什么不是语言、文字、技术？赫拉利的回答是：金钱、帝国、宗教，恰好都是\u0026quot;虚构故事\u0026quot;的最高形式。但这个回答是循环论证——因为它们都是虚构故事，所以它们让人类统一；因为它们让人类统一，所以它们是虚构故事。这个循环，赫拉利没有打破。\n总结一下：赫拉利的逻辑链，整体上是通的。从\u0026quot;虚构故事\u0026quot;到\u0026quot;大规模合作\u0026quot;，从\u0026quot;大规模合作\u0026quot;到\u0026quot;统治地球\u0026quot;，每一步都有证据支撑。但链条上有三个缺口：第一，基因突变的成因没有解释；第二，其他因素被低估了；第三，\u0026ldquo;金钱、帝国、宗教\u0026quot;的选择标准不够清晰。\n这些缺口不影响赫拉利核心观点的成立，但它们提醒你：赫拉利是在讲一个故事，不是在讲一个定律。 故事有故事的力量，也有故事的边界。\n四、拿掉前置条件，测试观点的边界 现在做反向验证。如果拿掉其中一个关键前提，赫拉利的核心观点还能不能成立。\n测试一：拿掉\u0026quot;基因突变\u0026quot;这个前提。\n如果七万年前智人没有发生那次基因突变，智人还能不能获得\u0026quot;虚构故事\u0026quot;的能力？赫拉利的答案是不能。他把\u0026quot;虚构故事\u0026quot;的能力，完全归功于这次基因突变。但如果这次突变没有发生，智人可能永远不会获得这个能力。\n这个测试说明：赫拉利的核心观点，建立在一个偶然事件上。智人统治地球，不是\u0026quot;必然\u0026rdquo;，是\u0026quot;偶然\u0026quot;。如果那次基因突变没有发生，地球今天可能由尼安德特人统治——如果尼安德特人也发生了类似的突变的话。\n赫拉利自己在书里也承认了这一点。他说，历史没有必然规律，历史是\u0026quot;混沌系统\u0026quot;。但他没有把这个逻辑推到极致。如果他推到底，他会说：智人的成功，可能只是一连串偶然事件的叠加。\n测试二：拿掉\u0026quot;农业革命\u0026quot;这个案例。\n如果农业革命没有发生，人类停留在采集狩猎阶段，赫拉利的\u0026quot;虚构故事\u0026quot;观点还能不能成立？\n能，但会弱很多。采集狩猎时代，人类也有\u0026quot;虚构故事\u0026quot;——部落的图腾、祖先的传说、巫术的仪式。但这些故事只在小群体内有效，不能支撑大规模合作。农业革命之后，人类才需要\u0026quot;帝国\u0026quot;\u0026ldquo;宗教\u0026quot;\u0026ldquo;金钱\u0026quot;这些大故事。\n这说明：\u0026ldquo;虚构故事\u0026quot;的能力，在不同阶段有不同的表现形式。 采集狩猎时代，它是小故事；农业革命之后，它是大故事。赫拉利的核心观点，在大故事层面最强，在小故事层面最弱。\n测试三：拿掉\u0026quot;金钱、帝国、宗教\u0026quot;这三个案例。\n如果人类没有发明金钱、帝国、宗教，赫拉利的\u0026quot;全球统一\u0026quot;论点还能不能成立？\n不能。赫拉利说，金钱、帝国、宗教是让人类走向统一的三种力量。如果这三种力量不存在，人类可能永远停留在部落阶段，或者以完全不同的方式统一。\n这说明：赫拉利的核心观点，在\u0026quot;全球统一\u0026quot;这个层面，依赖于特定的历史条件。 不是所有\u0026quot;虚构故事\u0026quot;都能导致全球统一。只有那些具有普遍性的故事——金钱、帝国、宗教——才能做到这一点。\n测试四：改变一个既定条件——如果智人没有遇到尼安德特人。\n赫拉利说，智人走到哪里，其他人种就灭绝到哪里。但如果智人没有遇到尼安德特人——比如尼安德特人生活在另一个大陆，智人永远没有到达——智人还能不能成为地球主宰？\n能，但\u0026quot;主宰\u0026quot;的含义会不同。智人会成为非洲和亚洲的主宰，但欧洲可能由尼安德特人统治。地球会有两个智慧物种，各自发展自己的文明。\n这说明：赫拉利的\u0026quot;智人统治地球\u0026quot;论点，依赖于智人的全球迁徙。 如果智人没有迁徙到全球，这个论点就不成立。\n测试五：最终测试——赫拉利的核心观点，在什么场景下有效，在什么情况下失效？\n有效场景：\n解释大规模人类合作（帝国、宗教、市场、国家） 解释人类与其他人种、其他物种的区别 解释\u0026quot;想象的共同体\u0026quot;的运作机制 失效场景：\n解释个体行为（为什么一个人会做某件事，不能只用\u0026quot;虚构故事\u0026quot;来解释） 解释非人类的社会行为（蚂蚁、蜜蜂也有大规模合作，但它们没有\u0026quot;虚构故事\u0026rdquo;） 解释人类与自然的关系（赫拉利把人类中心主义推到了极致，但他没有讨论人类对自然的责任） 结论：赫拉利的核心观点，是一个强解释框架，但不是万能解释框架。它能解释很多事，但不能解释所有事。它的力量在于，它把\u0026quot;虚构故事\u0026quot;这个被忽视的因素，放在了历史解释的中心。它的局限在于，它把\u0026quot;虚构故事\u0026quot;当成了唯一重要的因素，忽略了其他因素——基因、环境、技术、偶然。\n读赫拉利，要学他的思维方式：从最不起眼的地方切入，找到最根本的驱动力，然后用它来解释一切。 但也要知道，这种思维方式的边界在哪里。一个解释框架越强，它的盲区就越深。 赫拉利的盲区，就是他把\u0026quot;虚构故事\u0026quot;推到了极致，以至于其他因素都退到了阴影里。\n作者：尤瓦尔·赫拉利《人类简史》读书笔记\n","permalink":"https://cfo580.cn/article/ren-lei-kao-shen-ma-huo-zhe-dao-jin-tian-du-he-la-li-ren-lei-jian-shi/","summary":"读完赫拉利《人类简史》，提炼核心观点：虚构故事是智人统治地球的关键。金钱、国家、公司是故事，所有人都信，它就真的存在了。","title":"🌍 人类靠什么活到今天——读赫拉利《人类简史》"},{"content":"虑得先生的读书笔记\n序 周岭写这本书的时候，36岁。在此之前，他像大多数人一样，上班、下班、刷手机、焦虑、然后继续刷手机。直到有一天，他身边的朋友因为意外，命运轨迹彻底改变。他被击中了。\n他开始追问一个问题：人与人之间的根本差异，到底在哪里？\n这本书就是他的答案。2020年出版，三年发行超百万册，被\u0026quot;人民日报\u0026quot;官方微博等多家媒体转载。书不厚，12.7万字，但它讲的是一件很厚的事：人有两次生命，一次是出生，一次是觉醒。\n全书分上下两篇，上篇\u0026quot;内观自己，摆脱焦虑\u0026quot;，下篇\u0026quot;外观世界，借力前行\u0026quot;，共八章。七大部分，二十个成长关键词。\n下面，逐章说。\n上篇 内观自己，摆脱焦虑 部分中心思想：你得先看清自己，才谈得上改变自己。看清什么？看清你的大脑是一台什么样的机器——它天生避难趋易、急于求成；看清你的潜意识在替你做什么决定；看清你有一种能力叫\u0026quot;元认知\u0026quot;，能让你从自己身上跳出来看自己。\n部分总结：这三章是全书的地基。周岭不是在教你\u0026quot;怎么努力\u0026quot;，他在教你\u0026quot;为什么你努力了却没效果\u0026quot;。答案不在意志力，在你对大脑运作规律的无知。\n第一章 大脑——一切问题的起源 中心思想：人类有三重大脑——本能脑、情绪脑、理智脑。本能脑最古老，情绪脑次之，理智脑最年轻。理智脑虽然高级，但力量最弱。你以为你在理性决策，其实大多数时候，是本能和情绪在替你做主。\n一句话总结本章：你以为你在思考，其实你在给本能和情绪找理由。\n我的思考：周岭把人脑比作一个公司。本能脑和情绪脑是公司里的老员工，一个资历很老，一个年富力强，但都没什么文化，只在乎眼前的舒适与安逸；理智脑是个年轻的经理，有文化、有远见，但没威信，说不动老员工。\n这个比喻让我想起《论语》里孔子说的一句话：\u0026ldquo;君子有三戒：少之时，血气未定，戒之在色；及其壮也，血气方刚，戒之在斗；及其老也，血气既衰，戒之在得。\u0026ldquo;孔子没学过脑科学，但他说的是同一件事——人这辈子，一辈子都在跟自己的本能和情绪较劲。\n焦虑的根源是什么？周岭说得很直白：想同时做很多事，又想立刻看到结果。欲望大于能力，又缺乏耐心。这不是什么心理问题，这是本能脑和情绪脑的出厂设置。你越跟自己较劲，越焦虑。\n第二章 潜意识——生命留给我们的彩蛋 中心思想：人的意识是分层的。潜意识负责生理系统，速度极快，能察觉意识察觉不到的信息。意识负责社会系统，速度慢，耗能高。人生困扰的根源，就是\u0026quot;模糊\u0026rdquo;。消除认知模糊、情绪模糊、行动模糊，是一辈子的功课。\n一句话总结本章：人生就是一场消除模糊的比赛，谁先看清，谁先赢。\n我的思考：周岭说，人们拖延、纠结、畏惧、害怕的根本原因，往往不是事情本身有多难，而是内心的想法变得模糊。就像3000米跑步考核开始前，那种不知名的恐惧会让人紧张得全身发抖，但一旦开跑，不得不与这种恐惧正面交锋时，就会发现3000米也不过如此。\n《庄子·养生主》里讲庖丁解牛，庖丁说：\u0026ldquo;臣以神遇而不以目视，官知止而神欲行。\u0026ldquo;这就是潜意识和意识的高度配合——意识退后，潜意识接管，动作如流水。周岭说的\u0026quot;凭感觉\u0026rdquo;，说白了就是让潜意识帮你判断，让意识帮你思考。先用感性能力帮助自己选择，再用理性能力帮助自己思考。\n第三章 元认知——人类的终极能力 中心思想：元认知就是\u0026quot;对思考的思考\u0026rdquo;，是一种从自己身上跳出来、从高处远处审视自己的能力。它是认知觉醒的核心，能让你从被念头和情绪牵着走的被动状态，转变为观察、审视、调控自己思维的主动状态。\n一句话总结本章：能看见自己在想什么，你就自由了。\n我的思考：周岭引了一个细节。他说，遇到选择时先停留几秒，问自己一句：\u0026ldquo;我现在在想什么？\u0026ldquo;这个动作看着简单，做起来极难。因为你一停下来问自己，本能脑和情绪脑就不干了。它们不喜欢被审视。\n老子说：\u0026ldquo;知人者智，自知者明。\u0026ldquo;你把别人看透了，叫聪明。把自己看透了，叫清醒。元认知就是这种清醒——不是不犯错，是犯错的时候知道自己正在犯错。\n下篇 外观世界，借力前行 部分中心思想：看清自己之后，还要学会跟世界相处。专注力、学习力、行动力、情绪力，四力合一，构成一个人的成长系统。每一力的背后，都有底层的认知规律在支撑。\n部分总结：这五章是方法论。但周岭的方法论跟别人不一样——他不给你\u0026quot;怎么做\u0026rdquo;，他先告诉你\u0026quot;为什么该这么做\u0026rdquo;。你得先想通了，才做得下去。\n第四章 专注力——情绪和智慧的交叉地带 中心思想：专注力分两种：情绪专注和学习专注。情绪专注是让你的感受回到当下，学习专注是深度沉浸。专注力是连接情绪和智慧的桥梁，缺了它，再有智慧也落不了地。\n一句话总结本章：感受不到当下的人，也学不进当下的事。\n我的思考：周岭讲\u0026quot;情绪专注\u0026quot;的时候，说的是一个特别朴素的道理：吃饭的时候吃饭，走路的时候走路。听起来像废话，但你回想一下，你多久没有专心吃过一顿饭了？你每次吃饭的时候，是不是手机就放在旁边？\n《庄子·达生》里讲了一个故事。孔子见一位老人捕蝉，老人说：\u0026ldquo;虽天地之大，万物之多，而唯蜩翼之知。\u0026ldquo;天地再大，万物再多，我只知道蝉的翅膀。这就是专注。\n学习专注更狠。周岭说，深度沉浸是进化双刃剑的安全剑柄。人类进化出了一种\u0026quot;随时关注新信息\u0026quot;的本能，这个本能在远古救了命，但在现代社会，它是专注力的头号杀手。你没有沉浸在书里，你在沉浸在外面的消息里。\n第五章 学习力——学习不是一味地努力 中心思想：学习有方法。核心方法是三条：匹配——在舒适区边缘练习；深度——深度学习，而不是浅层输入；关联——把新知识跟旧知识缝接起来，形成体系。\n一句话总结本章：学习不是比别人更努力，是比别人更会\u0026quot;匹配\u0026rdquo;。\n我的思考：这一章是全书最实在的部分。\n先说\u0026quot;匹配\u0026rdquo;。周岭说，好的成长是始终游走在\u0026quot;舒适区边缘\u0026rdquo;。太简单的不叫学习，太难的不叫学习，只有刚好在你\u0026quot;会做但容易错，不会做但稍微努力就能懂\u0026quot;的那个区域，才是真正的学习区。\n孔子说：\u0026ldquo;知之者不如好之者，好之者不如乐之者。\u0026ldquo;这话人人都懂，但周岭给它加了一个新的解释：你在舒适区边缘做事的时候，最容易体验到\u0026quot;乐\u0026rdquo;。太简单，无聊；太难，挫败。刚好有挑战，你才会觉得有意思。\n再说\u0026quot;深度\u0026rdquo;。周岭说，深度学习分三步：获取高质量知识、深度缝接新知识、输出成果去教授。说白了就是：读原著，想清楚，讲出来。这跟孔子的\u0026quot;学而不思则罔，思而不学则殆\u0026quot;是一个理。只学不想，迷惘；只想不学，危险。\n最后说\u0026quot;关联\u0026rdquo;。周岭有一个特别好的说法：触动点是学习最宝贵的东西。一本书读完了，你不需要记住所有内容，你只需要抓住那个\u0026quot;击中了你\u0026quot;的点，然后去关联、去实践。读书如此，做人亦如此。你在乎什么，什么就会在你心里发芽。\n第六章 行动力——没有行动，世界只是个概念 中心思想：行动力的第一障碍不是懒，是模糊。认知越清晰，行动越坚定。第二障碍是过度追求确定性——想先看到结果再行动的人，往往永远看不到结果。不计得失地先做起来，世界才会给你反馈。\n一句话总结本章：行动力不足的真正原因，是选择模糊，不是意志薄弱。\n我的思考：周岭说，行动力不足的真正原因是选择模糊。当你心中有很多欲望、脑中有很多头绪，或者拥有可自由支配的时间时，你就会进入\u0026quot;既想做这个，又想做那个\u0026quot;的状态，然后在反复纠结中消耗殆尽。\n解决的办法是什么？在诸多可能性中建立一条单行通道，让自己始终处于\u0026quot;没得选\u0026quot;的状态。\n这话听着极端，但我想起了一个人——曾国藩。曾国藩打仗，从来不给自己留后路。他打安庆，打南京，都是先扎营，再挖壕，一步一步往前推，退无可退。这就是\u0026quot;没得选\u0026rdquo;。\n周岭还说了一句话，我特别喜欢：\u0026ldquo;想先看到结果再行动的人，往往无法看到结果。\u0026ldquo;这话反过来说也对：你不动手，就永远看不到结果。行动本身就是获取信息的方式。\n第七章 情绪力——情绪是多角度看问题的智慧 中心思想：情绪不好，往往不是事的问题，是\u0026quot;心智带宽\u0026quot;被占满了。心智带宽越窄，视角越单一，情绪越糟糕。解决的办法不是压制情绪，是拓宽视角、松绑心智。\n一句话总结本章：坏情绪不是因为你不够坚强，是因为你的心智带宽被占满了。\n我的思考：周岭讲\u0026quot;心智带宽\u0026quot;这个概念，我读了之后想了很久。他说，每个人的心智容量都是有限的。外债压力、贫穷、焦虑，都会在后台运行一个看不见的\u0026quot;隐藏程序\u0026rdquo;，消耗大量的心智资源。所以有外债压力的人更容易在辅导孩子写作业时发脾气——不是他修养不好，是他的带宽已经被占满了。\n这让我想起《孟子》里说的\u0026quot;有恒产者有恒心\u0026rdquo;。孟子说的是经济基础决定心态，周岭说的是心智带宽决定心态。角度不同，道理相通。\n怎么拓宽带宽？周岭给了三个办法：第一，保持环境觉知，知道自己被什么消耗了；第二，保持目标觉知，少即是多；第三，保持欲望觉知，别让杂念占满内存。说到底就一个字：减。你少想一件事，带宽就多一分。\n第八章 早冥读写跑——成本最低的成长之道 中心思想：早起、冥想、阅读、写作、运动，五件事，每一件都有脑科学依据，每一件都不需要花钱。五件事做齐了，一个人不可能不成长。\n一句话总结本章：最便宜的成长方式，往往是最有效的。\n我的思考：这一章是全书最\u0026quot;操作化\u0026quot;的部分，也是争议最大的部分。早起、冥想、阅读、写作、运动，这五件事听起来太普通了，普通到没人愿意认真做。\n但周岭的逻辑是：正是因为它们普通，所以它们底层。早起给你一段不被打扰的时间，冥想训练你的元认知，阅读输入高质量信息，写作倒逼你深度缝接，运动改善大脑的物理基础。\n我想起曾国藩的日课。他每天早起、读史、写日记、静坐、练字。没有一件是新鲜的，没有一件是复杂的。但他就靠这\u0026quot;笨功夫\u0026quot;，把自己从一个湖南乡下的小地主，变成了晚清最重要的人物之一。他在家书里写：\u0026ldquo;天下古今之庸人，皆以一\u0026rsquo;惰\u0026rsquo;字致败。\u0026ldquo;早起，治的就是这个\u0026quot;惰\u0026quot;字。\n全书总结 八章，读完了。\n一句话总结全书：认知越清晰，行动越坚定。\n周岭给了我什么？\n第一，一种自我理解。 三重大脑、潜意识、元认知——这三个概念不是学术名词，是看清自己的三把钥匙。你以为你在理性思考，其实你在给本能找理由；你以为你在做选择，其实你的潜意识已经替你选了。看清这些，你才有机会改变。\n第二，一种成长方法。 舒适区边缘、深度学习、关联、反馈、心智带宽——每一个概念都对应一个具体的动作。不是\u0026quot;要努力\u0026rdquo;，是\u0026quot;在哪儿努力、怎么努力、努力完之后怎么办\u0026rdquo;。周岭不喊口号，他给路线图。\n第三，一种姿态。 这本书最打动我的地方，不是它说了什么，是它没说什么。它没有说\u0026quot;你不够努力\u0026quot;，它说的是\u0026quot;你不了解自己\u0026quot;。了解自己之后，改变是自然发生的。不是靠意志力去拧自己，是靠认知去松绑自己。\n读完这本书最大的收获，是一个想法：读书的意义不在于读了多少本，在于有多少本书真正触动过你。\n周岭说，深度学习的本质不是输入，是关联和输出。你读了一百本书，一本都没记住，那叫消遣。你读了一本书，有一段话让你想了一个月，然后你去做了，那才叫学习。\n一本书只记住一句话，就够了。\n这句话，大概就是周岭想说的全部。\n作者：周岭《认知觉醒》读书笔记\n","permalink":"https://cfo580.cn/article/ren-you-liang-ci-sheng-ming-du-zhou-ling-ren-xing-jue-xing/","summary":"读完周岭《认知觉醒》，提炼三大核心：三重大脑、潜意识与元认知、心智带宽。认知越清晰，行动越坚定。","title":"🌱 人有两次生命——读周岭《认知觉醒》"},{"content":"虑得先生的读书笔记\n序 读塔勒布这本书，读得很慢。不是因为它难读，是因为它让人不舒服。它像一根刺，扎在你对世界所有确定的认知里。你每翻一页，它就问一句：你凭什么觉得你懂？\n塔勒布，黎巴嫩出身，家族显赫，祖父做过内政部长。少年时赶上了黎巴嫩内战，一夜之间从天堂掉到地狱。后来去沃顿商学院念书，做了二十一年交易员，在\u0026quot;9·11\u0026quot;和金融危机里赚了大钱。他这一辈子，就是被黑天鹅反复击打，然后学会跟它共处。\n这本书出版于2007年，正是金融危机爆发的前夜。这个时间点本身就是一只黑天鹅——一本说\u0026quot;我们无法预测\u0026quot;的书，恰好赶在了所有人都没预测到的事发生之前出版。\n全书分三部分，十八章。加上序言和结语，是一本关于\u0026quot;不知道\u0026quot;的书。\n下面，逐部分说。\n第一部分 极端斯坦与黑天鹅现象 部分中心思想：我们生活在一个自己以为懂、其实不懂的世界里。平均斯坦里，个体无足轻重；极端斯坦里，一只黑天鹅就能改写一切。而我们的大脑，天生是用平均斯坦的逻辑去理解极端斯坦的世界。\n部分总结：这一部分是全书的地基。塔勒布不跟你谈投资，他谈的是认知。他要你承认一件事：你用来理解世界的那些工具——归纳法、故事、经验——在真正的重大事件面前，不堪一击。\n第一章 自我欺骗的人类 中心思想：黑天鹅事件的三个特征——意外性、极端影响、事后可解释性。人类最大的本事，不是预测，是事后编故事。\n塔勒布讲了一个故事。黎巴嫩内战爆发前，所有人都在过正常日子。战争来了，谁也没料到。但战争结束后，所有人都在说\u0026quot;我早就知道会这样\u0026quot;。\n这就是后见之明。人是一种自我欺骗的动物。我们以为自己从历史里学到了教训，其实我们只是从历史里学会了编更合理的故事。\n一句话总结本章：人不是从历史里学教训，是从历史里学编故事。\n我的思考：这让我想起《史记》里项羽在垓下说的那句\u0026quot;天亡我，非战之罪也\u0026quot;。败了就是败了，但人要给自己找理由。后见之明不是什么新东西，司马迁两千年前就写透了。塔勒布不过是换了一套语言来说。\n第二章 出版业的黑天鹅 中心思想：畅销书是黑天鹅。谁也不知道哪本书会火。出版业是一个极端斯坦：少数书赚走几乎所有钱，大多数书亏得血本无归。\n一句话总结本章：你无法预测哪本书会火，你只能决定要不要继续出书。\n我的思考：做预算的逻辑是\u0026quot;去年多少，今年加个百分之几\u0026quot;。这就是平均斯坦的思维。但真正的增长从来不是这么来的。一个爆款、一个大客户、一次政策变动——这些才是决定命运的东西。预算做得再精细，也管不住黑天鹅。\n第三章 极端斯坦与平均斯坦 中心思想：平均斯坦里，样本足够大，极端值无足轻重。极端斯坦里，单个事件就可以改写全局。人的身高在平均斯坦，人的财富在极端斯坦。\n塔勒布有一句话，我记了很久：在理想的平均斯坦，特定事件的单独影响很小，只有群体影响才大；在极端斯坦，个体能够对整体产生不成比例的影响。\n一句话总结本章：有些地方个体无足轻重，有些地方个体能改写一切。你活在哪个世界里，决定了你该用什么策略。\n我的思考：中国历史的本质，就是极端斯坦。太平年间的一切数据都在平均斯坦里运行，但改朝换代、外族入侵、天灾人祸，这些事件把整个系统一脚踢进极端斯坦。你拿平均斯坦的统计去预测极端斯坦的命运，就是缘木求鱼。司马光写《资治通鉴》，写的不是\u0026quot;平均年景\u0026quot;，写的是那些改变一切的时刻。\n第四章 1001天——如何避免成为失败者 中心思想：火鸡问题。一只火鸡被喂养了1000天，每一天都确认了\u0026quot;人类是友善的\u0026quot;这个信念。第1001天是感恩节。1000天的证据，抵不过1天的颠覆。\n一句话总结本章：你喂了1000天，第1001天可能是感恩节。经验越丰富，越容易变成火鸡。\n我的思考：这个故事，比什么都狠。它不是在说\u0026quot;你要小心\u0026quot;，它说的是：经验本身可能是陷阱。你越有经验，越自信，越可能成为那只火鸡。审计这行有个规矩，叫\u0026quot;职业怀疑\u0026quot;。什么叫职业怀疑？就是你知道你喂了1000天，但你不知道明天是不是感恩节。\n第五章 不能只靠过去的经验判断 中心思想：证实谬误。你看到一百只白天鹅，不能证明\u0026quot;所有天鹅都是白的\u0026quot;。你看到一只黑天鹅，就足以推翻这个结论。我们倾向于寻找能证实自己已有信念的证据，而不是寻找能证伪它的证据。\n一句话总结本章：看到一百只白天鹅，不能证明所有天鹅都是白的。看到一只黑天鹅，就够了。\n我的思考：孔子说\u0026quot;毋意，毋必，毋固，毋我\u0026quot;。不要凭空猜测，不要绝对肯定，不要固执己见，不要自以为是。这四条，每一条都是在对抗证实谬误。但孔子没说\u0026quot;怎么做\u0026quot;。塔勒布说了：去找那只黑天鹅。主动去找反例，而不是坐等反例来找你。\n第六章 叙述谬误 中心思想：叙述谬误——我们把零散的事实编成连贯的故事，然后把这个故事当成真相。故事让人理解，也让人误解。\n塔勒布说，叙述谬误让我们把过去的事件看得比实际更可预测、更可期待、更不随机。\n一句话总结本章：故事让人理解，也让人误解。你把事实编成了故事，然后把故事当成了真相。\n我的思考：中国史书就是最伟大的叙述。司马迁的《史记》是文学，也是历史。他给了你一个因果分明的故事，但这个故事的因果分明，是他编的。真实的秦末乱世，比《项羽本纪》混乱一万倍。你读了《史记》，你以为你懂了秦末，其实你懂了司马迁想让你懂的秦末。\n第七章 活在希望的小屋里 中心思想：情绪妨碍逻辑。希望是一种情绪，恐惧也是一种情绪。两者都会让你对概率视而不见。\n一句话总结本章：希望和恐惧，都会让你对概率视而不见。\n我的思考：这一章讲的是人为什么明知有风险还要下注。赌徒心理不是愚蠢，是情绪压倒了计算。做审计的人最怕什么？最怕客户说\u0026quot;这个项目我们很有信心\u0026quot;。信心不是证据。信心是情绪。\n第八章 永不消失的运气——沉默的证据 中心思想：沉默的证据——那些没有发声的人、没有留下来的记录、没有活下来的失败者，才是历史最大的秘密。历史既向我们隐藏了黑天鹅现象，又隐藏了它制造黑天鹅现象的能力。\n一句话总结本章：你看到的成功者，是幸存者。那些同样努力但运气不好的人，你听不到他们的声音。\n我的思考：这一章是我读得最慢的一章。因为它讲的是一件特别朴素、又特别容易被忽略的事：你看到的成功者，是幸存者。那些同样努力、同样聪明、但运气不好的人，你听不到他们的声音。你拿幸存者的故事当规律，就是在拿沉默的证据当真理。\n这让我想起《庄子》里那棵\u0026quot;无用之木\u0026quot;。匠人说它\u0026quot;散木也，以为舟则沉，以为棺椁则速腐，以为器则速毁\u0026quot;。但正是因为它\u0026quot;无用\u0026quot;，它才活了下来。那些\u0026quot;有用\u0026quot;的树，早就被砍了。你看到的森林，是幸存者的森林。\n第九章 游戏谬误——愚人的不确定性 中心思想：游戏谬误——我们把赌场里的概率模型套到现实世界上。赌场里，概率是已知的、封闭的、可计算的。现实世界里，概率是未知的、开放的、不可计算的。\n一句话总结本章：赌场的骰子是公平的，市场的骰子是上帝在掷。你算得出骰子的概率，算不出上帝的心情。\n我的思考：金融模型最大的问题，就是用赌场的逻辑去理解市场。赌场里的骰子是公平的，市场里的骰子是上帝在掷。你算得出骰子的概率，你算不出上帝的心情。\n第二部分 我们就是无法预测 部分中心思想：预测是一件可笑的事。专家预测的准确率，不比随机好到哪里去。而我们对预测的迷信，比预测本身的失败更危险。\n部分总结：这一部分讲的是\u0026quot;预测的耻辱\u0026quot;。塔勒布不是要你放弃思考，他是要你在知道自己无法预测的前提下，依然能行动。\n第十章 预测之耻 中心思想：专家的预测记录惨不忍睹。政治预测、经济预测、股市预测，长期来看，和抛硬币没有本质区别。但我们依然听专家的，因为我们需要确定性。\n一句话总结本章：专家的预测记录，和抛硬币没有本质区别。但我们依然听专家的，因为我们太想要一个答案了。\n我的思考：孔子说\u0026quot;知之为知之，不知为不知，是知也\u0026quot;。塔勒布会说，大多数专家不知道\u0026quot;自己不知道\u0026quot;。他们的知识越多，越自信；越自信，越不知道自己不知道。\n第十一章 怎样寻找鸟粪 中心思想：不要问\u0026quot;会发生什么\u0026quot;，要问\u0026quot;如果发生了，我能不能活下来\u0026quot;。这是从预测思维到韧性思维的转变。\n一句话总结本章：不要问\u0026quot;会不会发生\u0026quot;，要问\u0026quot;发生了我能不能活下来\u0026quot;。\n我的思考：这一章的名字来自一个故事。有人问\u0026quot;怎样才能找到鸟粪\u0026quot;，答案不是\u0026quot;去预测鸟在哪里拉\u0026quot;，而是\u0026quot;站在鸟多的地方等\u0026quot;。你不能预测黑天鹅，但你可以站在黑天鹅会出现的地方。\n第十二章 认知斯坦——一个梦 中心思想：认知斯坦是一个想象中的地方，那里的人承认自己的无知，尊重不确定性。它是对极端斯坦的一种\u0026quot;反向命名\u0026quot;。\n一句话总结本章：承认不知道，比假装知道要安全得多。\n我的思考：这一章比较短，但意思很深。塔勒布在说：我们需要的不是更好的预测，而是更好的认知姿态。承认不知道，比假装知道要安全得多。\n第十三章 假如你不会预测怎么办 中心思想：如果你不能预测，那就做两手准备。在正面黑天鹅上下小注、赌大赢，在负面黑天鹅上保守、留足余地。这就是杠铃策略的雏形。\n一句话总结本章：你不能控制黑天鹅来不来，你能控制的是黑天鹅来的时候，你站在哪一边。\n我的思考：这一章给了我很大的启发。你不能控制黑天鹅来不来，你能控制的是黑天鹅来的时候，你站在哪一边。审计这行有一句话：永远不要让自己的签字成为唯一的防线。你要设计系统，让系统里有冗余、有备份、有回旋余地。\n第三部分 极端斯坦的灰天鹅 部分中心思想：我们无法完全避免黑天鹅，但我们可以改变自己与黑天鹅的关系。承认无知，调整姿态，在不确定中找到生存之道。\n部分总结：这一部分是收尾，从\u0026quot;认知\u0026quot;落到\u0026quot;行动\u0026quot;。塔勒布没有给你一个公式，他给你的是一种姿态。\n第十四章 从平均斯坦到极端斯坦，再回到平均斯坦 中心思想：同一个系统，可以在平均斯坦和极端斯坦之间切换。全球化、网络化让极端斯坦的特征越来越明显。\n一句话总结本章：全球化、网络化让极端斯坦的特征越来越明显。我们习以为常的\u0026quot;稳定\u0026quot;，可能只是幻觉。\n我的思考：中国过去四十年的经济，从平均斯坦（农业社会、地方市场）加速跑进了极端斯坦（全球化、互联网、金融化）。这意味着：我们习以为常的\u0026quot;稳定增长\u0026quot;，可能只是平均斯坦的幻觉。\n第十五章 钟形曲线——智力大骗局 中心思想：高斯钟形曲线在极端斯坦里是失效的。用钟形曲线去建模金融市场，等于用尺子去量风。\n一句话总结本章：用钟形曲线去建模金融市场，等于用尺子去量风。\n我的思考：这一章是对整个金融工程学的批判。风险管理的根基建立在正态分布上，但真正的风险恰恰在正态分布的尾巴里。尾巴才是故事发生的地方。\n第十六章 随机审美 中心思想：美是随机的。审美没有规律，只有偶然。不要把美学当成因果。\n一句话总结本章：我们倾向于给随机事件赋予意义。\n我的思考：这一章比较散，像是塔勒布在书末的\u0026quot;杂感\u0026quot;。但有一个点很实在：我们倾向于给随机事件赋予意义。一个作家火了，评论家说\u0026quot;因为他的文笔好\u0026quot;。其实可能只是因为他恰好被一个关键的人读到了。\n第十七章 洛克的疯子——在错误的地方出现的钟形曲线 中心思想：把钟形曲线用错了地方，比不用更危险。洛克是塔勒布虚构的一个\u0026quot;在错误的地方应用正态分布\u0026quot;的典型。\n一句话总结本章：工具没有错，错的是把工具用在它不该用的地方。\n我的思考：这章核心就一句话：工具没有错，错的是把工具用在它不该用的地方。\n第十八章 骗子的不确定性 中心思想：骗子用不确定性来行骗。他们让你相信\u0026quot;一切都在掌控中\u0026quot;，然后在你最放心的时候收网。\n一句话总结本章：黑天鹅是自然现象，骗局是人为的黑天鹅。\n我的思考：这一章收得很妙。全书都在说\u0026quot;我们不知道\u0026quot;，这一章说\u0026quot;有人利用你不知道来骗你\u0026quot;。黑天鹅是自然现象，骗局是人为的黑天鹅。\n全书总结 十八章，读完了。\n一句话总结本书：你最大的风险，是你不知道自己不知道。\n塔勒布给了我什么？\n第一，一副眼镜。 平均斯坦和极端斯坦，这两个概念不是学术名词，是看世界的两副镜片。戴上它们，你会看见：有些地方个体无足轻重，有些地方个体能改写一切。你活在哪一个里面，决定了你应该用什么样的策略。\n第二，一个警告。 火鸡问题。你喂了1000天，第1001天是感恩节。经验越丰富，越容易变成火鸡。你以为你在积累知识，其实你在积累风险。\n第三，一种姿态。 塔勒布不让你预测。他让你承认自己不能预测，然后依然行动。在正面黑天鹅上赌一把，在负面黑天鹅上留后路。杠铃策略——一头极端保守，一头极端冒险，中间什么都不放。\n第四，一个提醒。 沉默的证据。你看到的成功者，是幸存者。那些同样努力但运气不好的人，你听不到他们的声音。拿幸存者的故事当规律，就是在拿沉默的证据当真理。\n这本书让我最不安的地方，不是它说\u0026quot;你不能预测\u0026quot;。是它说\u0026quot;你以为你能预测\u0026quot;。你做风险评估，你做内控测试，你做抽样审计——你做的一切，都建立在\u0026quot;过去可以预测未来\u0026quot;的假设上。但这个假设，在黑天鹅面前一文不值。\n塔勒布在结语里写了一句话，大意是：一半对一半——如何与黑天鹅打成平手。他不是让你赢。他是让你活着。\n活到黑天鹅飞过的时候，你还在牌桌上。\n一句话总结本书：在黑天鹅面前，活着比赢重要。\n作者：纳西姆·尼古拉斯·塔勒布《黑天鹅》读书笔记\n","permalink":"https://cfo580.cn/article/yi-zhi-hei-tian-e-fei-guo-du-ta-le-bu-hei-e-luo/","summary":"读完塔勒布《黑天鹅》，提炼三个核心洞察：火鸡问题、极端斯坦与平均斯坦、杠铃策略。活着比赢重要。","title":"🦢 一只黑天鹅飞过——读塔勒布《黑天鹅》"},{"content":"虑得先生的读书笔记\n序 德内拉·梅多斯，系统动力学创始人杰伊·福瑞斯特的学生，也是《增长的极限》的第一作者。她一辈子干的事，就是把系统思考从计算机和方程式里解放出来，变成普通人能懂的道理。\n这本书是她的遗作。初稿完成于1993年，她2001年去世后，书稿被整理出版。彼得·圣吉说她是自己的老师。\n全书分三部分，七章。从系统的基础说起，讲到系统思考的障碍与陷阱，最后落到怎么改变系统、怎么跟系统共舞。\n梅多斯有一句话，贯穿全书：系统思考将有助于我们发现问题的根本原因，看到多种可能性，从而让我们更好地管理、适应复杂性挑战。\n我把这本书当一面照妖镜来读。照的不是妖，是我们自己看世界的方式。\n下面，逐章说。\n第一部分 系统的结构和行为 部分中心思想：系统由三样东西构成——要素、连接、目标。大多数人只看见要素，少数人能看见连接，极少数人能看见目标。看见什么，决定了你能改变什么。\n部分总结：这一部分两章，是全书的地基。梅多斯要你先承认一件事：你一直在用\u0026quot;拆解\u0026quot;的方式理解世界，而系统的行为恰恰藏在\u0026quot;连接\u0026quot;里。拆开一个系统，你就杀死了它。\n第1章 系统之基础 中心思想：系统的核心不是要素，是要素之间的连接和目标。存量是系统的\u0026quot;记忆\u0026quot;，流量是系统的\u0026quot;呼吸\u0026quot;，反馈回路是系统的\u0026quot;神经\u0026quot;。理解这三样，就理解了系统运作的底层逻辑。\n梅多斯说，系统是一组相互连接的要素，它们以某种方式组合在一起，共同实现某个目标。要素可以换，连接和目标不能随便换。\n先说存量。存量是系统里某个量的积累，比如浴缸里的水、银行里的钱、你脑子里的知识。存量是系统的\u0026quot;记忆\u0026quot;，它记录了过去所有流量的净效果。存量变化慢，流量变化快。\n再说反馈回路。当某一个存量的变化影响到与其相关的流入量或流出量时，反馈回路就形成了。反馈回路有两种：调节回路让系统趋于稳定，增强回路让系统加速变化。\n梅多斯用鱼的例子讲调节回路：鱼的数量少了，繁殖率上升；鱼的数量多了，繁殖率下降。系统自己会找平衡。用银行利息讲增强回路：利息越多，本金越大，下一轮利息更多。脱缰的野马，越跑越快。\n总结：这一章教的是\u0026quot;看见\u0026quot;。你看见的是一片树叶，还是一个生态系统？看见树叶的人去摘树叶，看见生态系统的人去改土壤。\n第2章 系统大观园 中心思想：从最简单的单存量系统开始，一步一步加上时间延迟、双存量互动，让你看见系统行为的复杂性是怎么从简单的结构中\u0026quot;长\u0026quot;出来的。\n单存量系统只有一个存量，它的行为由调节回路和增强回路决定。梅多斯拿 thermostat（恒温器）做例子——温度低了，加热器开；温度高了，加热器关。简单，但已经包含了系统最基本的运作逻辑。\n然后她加了时间延迟。含时间延迟的系统最有意思的地方在于：你踩了刹车，车不会立刻停。你加了投资，产能不会立刻上来。延迟让系统变得\u0026quot;不听话\u0026quot;，让你的直觉判断一次次落空。\n双存量系统，两个存量相互作用。梅多斯用石油经济做例子：资本存量决定开采能力，石油存量决定资本能维持多久。两个存量互相制约，系统的行为就变得复杂起来。\n总结：这一章是\u0026quot;从简单到复杂\u0026quot;的阶梯。所有复杂系统的行为，都是简单结构反复叠加的结果。你不需要发明新的物理定律来理解商业系统，你只需要看见同样的结构在更大的尺度上重复。\n第二部分 系统思考与我们 部分中心思想：系统有三个\u0026quot;好品质\u0026quot;——适应力、自组织、层次性。也有六个\u0026quot;认知障碍\u0026quot;——表象迷惑、线性思维、边界误判、忽视限制、无视延迟、有限理性。还有八个\u0026quot;系统陷阱\u0026quot;——从政策阻力到目标错位，每一个都是系统自己给自己下的套。\n部分总结：这一部分三章，是全书最有\u0026quot;人性\u0026quot;的部分。梅多斯不是在讲系统，她是在讲人——人怎么被系统骗，人怎么骗自己，人怎么跟系统较劲。读完之后，你对\u0026quot;为什么好心办坏事\u0026quot;会有全新的理解。\n第3章 系统之美：系统的3大特征 中心思想：适应力是系统的\u0026quot;免疫力\u0026quot;，自组织是系统的\u0026quot;创造力\u0026quot;，层次性是系统的\u0026quot;分工术\u0026quot;。三个特征让系统既稳定又灵活，既能守又能变。\n适应力是系统在扰动中维持自身的能力。它不是\u0026quot;不出事\u0026quot;，是\u0026quot;出了事能恢复\u0026quot;。森林被砍了还能再长，身体病了还能痊愈，组织受了冲击还能重振。梅多斯说，适应力不是被设计出来的，是系统自带的。你越想精确控制，越容易把适应力掐死。\n自组织是系统创造新结构、学习、进化的能力。它意味着系统不只会\u0026quot;运行\u0026quot;，还会\u0026quot;变成另一种样子\u0026quot;。梅多斯说，自组织是系统最重要的\u0026quot;本事\u0026quot;，因为它让系统有了\u0026quot;创造\u0026quot;的可能。\n层次性是系统在层级上的组织方式。每个层次都有自己的功能，层次之间有协调。梅多斯引用了一句精彩的话：层次性是系统在\u0026quot;效率\u0026quot;和\u0026quot;适应力\u0026quot;之间的平衡术。层次太多，系统笨重；层次太少，系统脆弱。\n总结：这一章的关键词是\u0026quot;敬畏\u0026quot;。系统比我们想象的更有能力。你自以为在\u0026quot;管理\u0026quot;系统，很多时候系统只是在\u0026quot;容忍\u0026quot;你。\n第4章 系统之奇：系统的6大障碍 中心思想：我们理解系统时，有六道坎。每一道坎，都是人类认知习惯和系统本质之间的冲突。\n第一道坎，别被表象所迷惑。系统的事件是冰山一角，行为模式在水面之下，结构在最深处。你在事件层面解决问题，问题会反复出现。\n第二道坎，在非线性的世界里，不要用线性的思维模式。投入翻倍，产出可能翻四倍，也可能减半。线性思维让你以为\u0026quot;等比例\u0026quot;，系统给你的是\u0026quot;不成比例\u0026quot;。\n第三道坎，恰当地划定边界。系统的边界不是客观存在的，是你划的。你划在哪里，决定了你能看见什么，也决定了你会忽略什么。\n第四道坎，看清各种限制因素。系统的成长一定有限制，限制可能来自内部，也可能来自外部。你不知道限制在哪里，你的努力就是在撞墙。\n第五道坎，无所不在的延迟。延迟是系统最反直觉的部分。你今天的决策，结果是明天的。你在今天解读明天的结果，必然误读。\n第六道坎，有限理性。每个人都在自己的信息范围内做最合理的决策，但这些\u0026quot;最合理的决策\u0026quot;加在一起，可能是一个巨大的错误。\n总结：这六道坎，前五道是\u0026quot;系统的脾气\u0026quot;，第六道是\u0026quot;人的宿命\u0026quot;。有限理性是系统中最深刻的悖论：每个人都对，整体却错了。\n第5章 系统之危与机：系统的8大陷阱与对策 中心思想：系统有八种常见的\u0026quot;病\u0026quot;：政策阻力、公地悲剧、目标侵蚀、竞争升级、富者愈富、转嫁负担、规避规则、目标错位。每一种病都有它自己的逻辑，每一种都有对应的药。\n政策阻力：系统里有多个参与者，目标不同，方向不同。你推你的，我拉我的，系统原地不动。对策不是加大力气，是找到让所有人\u0026quot;共同受益\u0026quot;的平衡点。\n公地悲剧：每个使用者都可以从公共资源中直接获利，用得越多收益越大，但过度使用的成本由所有人分担。渔业崩溃、环境污染、团队里的搭便车，都是这个结构。对策是私有化或有效监管。\n目标侵蚀：绩效标准受过去绩效的影响，绩效差，标准跟着降。今天考60分，标准降到60；明天考50，标准降到50。对策是不管绩效如何，保持绝对的标准。\n竞争升级：双方都为了\u0026quot;不输\u0026quot;而加码，结果越加越多，谁都停不下来。军备竞赛、价格战、职场内卷，都是这个结构。对策是单方面裁军，或者谈判建立规则。\n富者愈富：增强回路让强者越强，弱者越弱。对策是给弱者一点\u0026quot;反制力量\u0026quot;，比如反垄断法、累进税制。\n转嫁负担：短期解决方案缓解症状，但削弱了系统自身的\u0026quot;自愈能力\u0026quot;。农民喷杀虫剂灭了虫，但也灭了虫的天敌，下次虫害更严重。对策是把\u0026quot;干预\u0026quot;转向\u0026quot;增强系统自身的调节能力\u0026quot;。\n规避规则：上有政策，下有对策。系统里有规则，就有人绕规则。对策不是加更多规则，是让规则本身\u0026quot;没有漏洞\u0026quot;——或者，让遵守规则的人得到好处。\n目标错位：系统的目标偏离了它本来应该追求的东西。GDP本来是个工具，变成了目的。分数本来是手段，变成了目的。对策是重新校准目标。\n总结：八个陷阱，八个坑。梅多斯没有给你\u0026quot;万能药\u0026quot;，她给你的是识别能力——先认出你掉进了哪个坑，再谈怎么爬出来。\n第三部分 改变系统 部分中心思想：改变系统，不在力气，在杠杆。系统有十二个杠杆点，从最无效的参数调整，到最有效的范式改变。跟系统共舞，有十五条法则，核心只有一条：谦卑。\n部分总结：这一部分是全书的收口。梅多斯从\u0026quot;看懂系统\u0026quot;走到了\u0026quot;跟系统相处\u0026quot;。她没有给你\u0026quot;操作手册\u0026quot;，她给你的是一种\u0026quot;姿态\u0026quot;——观察、尊重、参与、不较劲。\n第6章 系统之杠杆点：系统的12大变革方式 中心思想：系统的杠杆点从低到高排了十二个。越往下，越有效，也越难动。大多数人只在最底层的参数上使劲，所以费力不讨好。\n梅多斯按\u0026quot;干预效力从低到高\u0026quot;排了十二个杠杆点：12. 数字（税率、补贴、标准），11. 缓冲器（稳定存量的大小），10. 存量-流量结构（实体系统及其交叉节点），9. 延迟（系统对变化做出反应的速度），8. 调节回路（试图修正外界影响的反馈力量），7. 增强回路（驱动收益增长的反馈力量），6. 信息流（谁能获得信息的结构），5. 系统规则（激励、惩罚和限制条件），4. 自组织（增加、变化或改进系统结构的力量），3. 目标（系统的目的或功能），2. 社会范式（生成系统的心智模式），1. 超越范式（进入谦卑的\u0026quot;空\u0026quot;）。\n这套排序最反直觉的地方在于：越\u0026quot;有力\u0026quot;的干预，越不在数字上。调整税率、修改参数，是所有人都能想到的做法，也是效果最差的做法。真正有效的地方，在规则、目标、范式。但你也动不了——规则背后是权力，目标背后是共识，范式背后是文化。\n总结：杠杆点的排序，本质上是一个谦卑的排序。你最想动的地方，往往最没用；你最不敢动的地方，才是真正的杠杆。\n第7章 与系统共舞：系统的15大生存法则 中心思想：跟系统相处的最高智慧，不是控制它，是跟它跳舞。十五条法则，从观察开始，到谦卑结束。\n这十五条法则，梅多斯列得很具体：1. 跟上系统的节拍，2. 把你的心智模式展现在阳光下，3. 相信、尊重并分享信息，4. 谨慎地使用语言，并用系统的概念去丰富语言，5. 关注重要的，而不只是容易量化的，6. 为反馈系统制定带有反馈功能的政策，7. 追求整体利益，8. 聆听系统的智慧，9. 界定系统的职责，10. 保持谦逊，做一名学习者，11. 庆祝复杂性，12. 扩展时间的范围，13. 打破各种清规戒律，14. 扩大关切的范围，15. 不要降低\u0026quot;善\u0026quot;的标准。\n我最想说的是第十条：保持谦逊，做一名学习者。梅多斯说得很直白，系统比你复杂，你的模型永远比系统简单。你唯一能做的，是承认自己不知道，然后继续观察。\n总结：十五条法则，说到底是一句话：别跟系统较劲。你跟它较劲，输的永远是你。你跟它共舞，它给你惊喜。\n全书总结 七章，读完了。\n如果只让我用一句话概括这本书，我会说：你看见的世界，不是世界的全部，是系统让你看见的部分。\n梅多斯给了我们什么？\n第一，一副眼镜。 存量、流量、反馈回路——这三个概念不是学术名词，是看世界的新器官。戴上这副眼镜，你会看见别人看不见的东西。存量的积累、流量的变化、反馈回路里的延迟和放大效应。看见它们，你才真正\u0026quot;看见\u0026quot;了一个系统。\n第二，一张地图。 系统的八大陷阱，是一张\u0026quot;坑地图\u0026quot;。政策阻力、公地悲剧、目标侵蚀、竞争升级、富者愈富、转嫁负担、规避规则、目标错位。你掉进哪个坑，不是运气问题，是结构问题。你看清了结构，就看清了出路。\n第三，一个梯子。 十二个杠杆点，是一个\u0026quot;干预效力从低到高\u0026quot;的梯子。数字在最下面，范式在最上面。大多数人站在最底下使劲，很少人往上爬。往上爬一步，效果翻十倍。\n第四，一种姿态。 十五条生存法则，核心是四个字：跟系统共舞。不是征服，不是对抗，是观察、尊重、参与。梅多斯说得很清楚，系统思考有助于我们发现问题的根本原因，看到多种可能性。但\u0026quot;看到\u0026quot;不等于\u0026quot;做到\u0026quot;。真正的功夫，在\u0026quot;看到\u0026quot;和\u0026quot;做到\u0026quot;之间的那段路。\n梅多斯在书的最后写了一句话，大意是：我们永远无法完全理解一个系统，我们只能与它共舞。\n跟系统共舞，就是承认自己不知道。承认自己不知道，才有机会知道更多。\n这大概就是一个系统思考者，留给我们最谦卑、也最深刻的话。\n作者：德内拉·梅多斯《系统之美》读书笔记\n","permalink":"https://cfo580.cn/article/xi-tong-zhi-mei-yi-bu-ji-zi-wan-wu-xiang-lian-de-xing-shi-tong-yan/","summary":"读完梅多斯《系统之美》，提炼系统思维的三大特征、六道认知障碍、八大陷阱与十二杠杆点。跟系统共舞，而非征服。","title":"🕸️ 系统之美——一部关于万物相连的醒世通言"},{"content":"虑得先生的读书笔记\n序 丹尼尔·卡尼曼，以色列裔美国心理学家，2002年诺贝尔经济学奖得主。他本行是心理学，却拿了经济学奖，因为他和阿莫斯·特沃斯基一起，用实验证明了人不是理性的经济人。\n这本书是他一辈子研究的集大成之作。出版于2011年，那年他77岁。\n全书五部分，三十八章。第一部分讲两个系统，第二部分讲启发法与偏见，第三部分讲过度自信，第四部分讲选择，第五部分讲两个自我。\n三十八章，章章都是实验，章章都是陷阱。\n下面，逐章说。\n第一部分 系统1，系统2 部分中心思想：人脑有两套操作系统。系统1快、自动、不费力，靠直觉和联想运作。系统2慢、受控、费力，靠逻辑和分析运作。系统1是主角，系统2是配角。大多数判断和决策由系统1完成，系统2只是偶尔审核，而且审核得很潦草。\n部分总结：这一部分五章，是全书的地基。卡尼曼不是让你记住\u0026quot;系统1\u0026quot;和\u0026quot;系统2\u0026quot;这两个名字，是让你知道：你的思维默认模式是快的、直觉的、不费力的，而这种默认模式经常出错。理解这一点，是理解后面所有偏见的起点。\n第1章：一张愤怒的脸和一道乘法题 中心思想：系统1和系统2的分工，可以用两个任务来演示。\u0026ldquo;看一张愤怒的脸\u0026rdquo;，你立刻就知道对方生气了，不需要努力。\u0026ldquo;算17×24\u0026rdquo;，你需要集中注意力，一步一步算。前者是系统1，后者是系统2。\n系统1自动运作，产生印象、感觉和倾向。系统2通常处于放松状态，只在系统1遇到麻烦时才介入。但系统2很懒，经常直接采纳系统1的直觉答案，不做验证。系统1能毫不费力地产生印象和感受，这些印象和感受是系统2明确的信念和审慎选择的主要来源。\n总结：系统1是自动驾驶，系统2是手动驾驶。问题是，大多数人大部分时间都在自动驾驶。\n第2章：电影的主角与配角 中心思想：瞳孔是人类思维活动的灵敏指示器。当你集中注意力做一道难题时，瞳孔会放大。这说明系统2的工作需要消耗资源，而资源是有限的。为什么我们看不见那只大猩猩？ 因为注意力是有选择性的。你专注于一件事，就会忽略另一件明明在眼前的事。\n总结：注意力是稀缺资源。系统2的工作需要\u0026quot;心力\u0026quot;，而心力会被消耗。\n第3章：惰性思维与延迟满足的矛盾 中心思想：系统2很懒。它不愿意主动工作，除非系统1遇到了它处理不了的问题。又累又饿的保释官司更可能否定保释申请，因为法官的系统2已经被消耗殆尽，只能依赖系统1的直觉做判断。自我控制是需要消耗心力的，而心力是有限的。\n总结：系统2的懒惰不是道德缺陷，是生理事实。你不能强迫自己一直理性，就像你不能强迫自己一直跑马拉松。\n第4章：联想机器人 中心思想：系统1的核心是联想记忆。它不断对世界上发生的事情作出连贯的解释。启动效应：当你看到\u0026quot;喝\u0026quot;这个字，你会更快地认出\u0026quot;汤\u0026quot;这个字。一个念头会激活相关的念头，形成一张联想网络。你的行为也会被启动——拿着热咖啡的人比拿着冰咖啡的人更倾向于认为陌生人友善。\n总结：你以为你在\u0026quot;想\u0026quot;，其实你的大脑在自动联想。联想是系统1的默认工作方式。\n第5章：认知放松 中心思想：认知放松和认知紧张是系统1的两个基本状态。放松是事情进展顺利的标志——没有障碍、没有新情况、没必要转移注意力或投入更多精力。紧张说明存在问题。放松让人感到熟悉、真实、轻松、不费力。紧张让人感到陌生、虚假、困难、费力。\n什么样的信息更容易让人信服？ 重复的、清晰的、押韵的、好读的。因为这些信息让人认知放松。放松，情绪和直觉：当你处于认知放松状态时，你更相信自己的直觉。\n总结：认知放松是系统1的\u0026quot;绿灯\u0026quot;，认知紧张是\u0026quot;红灯\u0026quot;。广告商、政客、骗子都在利用这一点。\n第二部分 启发法与偏见 部分中心思想：系统1在面对复杂问题时，不会老老实实地解决它，而是用一个简单的问题替代它。这个替代的过程就是\u0026quot;启发法\u0026quot;。启发法有用，但会导致系统性的偏见。这一部分讲的就是启发法的运作规律，以及由此产生的偏见。\n部分总结：这一部分九章，是全书最实用的一部分。它告诉你：你的判断是怎么被扭曲的，以及为什么统计数据在你的大脑里总是打不过故事。\n第9章：回答一个更简单的问题 中心思想：启发式问题是你回答的更简单的问题。 当你被问到\u0026quot;这个候选人能当选吗\u0026quot;，你的系统1不会去分析民调数据、竞选资金、选区结构，它会问一个更简单的问题：\u0026ldquo;这个候选人看起来像个赢家吗？\u0026ldquo;然后把这个问题的答案当作原问题的答案。\n启发式的专业性定义是：它是一个简单的过程，有助于找到难题的答案，这个答案往往说得过去，却并不完美。\n总结：你不是在回答问题，你是在回答另一个问题，然后假装那就是答案。\n第10章：大数法则与小数定律 中心思想：小数定律是普遍性偏见的一种表现，即对事物的信任多于质疑。 人们错误地相信小样本能反映总体。相比于大样本，极端的结果更容易出现在小样本中。小样本的出错风险可能达到50%。 如果一个村里连续出了几个癌症病人，人们会去找污染源，而不是意识到这只是小样本中的随机波动。\n总结：大数法则说样本越大越准，小数定律说人偏偏相信小样本。急于下结论的机制一旦启动，统计思维就退场了。\n第11章：锚定效应 中心思想：人们对某一未知量的特殊价值进行评估之前，总会事先对这个量进行一番考量，此时锚定效应就会发生。 不同的数字会激发相关的联想，而这个联想体系会主导接下来的判断。系统2会对锚定值进行调整，但通常调整不足。锚定指数通常为55%，意味着锚定值的一半以上会\u0026quot;粘\u0026quot;在最终判断上。\n总结：第一个数字，不管它有没有道理，都会把你钉住。谈判、定价、估值，锚定无处不在。\n第12章：科学地利用可得性启发性 中心思想：可得性启发法：你根据一件事在脑海中浮现的容易程度来判断它的频率或概率。飞机失事上新闻，你就觉得坐飞机危险。实际上开车比坐飞机危险得多。可得性偏见会影响我们对自己或他人的看法。\n总结：容易想起来的，你就觉得常见。媒体的报道频率，被你当成了世界的真实频率。\n第13章：焦虑情绪与风险政策的设计 中心思想：人们对风险的感知不是由统计数据决定的，是由情绪和可得性决定的。情绪启发法：你根据自己对一件事的感受来判断它的风险。你害怕的东西，你就觉得它危险。风险政策的设计必须考虑到这一点，否则政策制定者的理性计算会被公众的情绪反应淹没。\n总结：恐惧不是算出来的，是感觉出来的。风险管理如果不管理情绪，就是纸上谈兵。\n第14章：汤姆的专业 中心思想：基础比率忽视。卡尼曼给受试者描述了一个叫汤姆的人：聪明、爱读书、性格内向。然后问：汤姆更可能是图书馆员，还是农民？大多数人选图书馆员，因为汤姆\u0026quot;像\u0026quot;图书馆员。但农民的数量是图书馆员的几十倍，从基础比率看，汤姆更可能是农民。\n总结：你判断一个人属于哪个类别，靠的是\u0026quot;像不像\u0026rdquo;，不是\u0026quot;概率大不大\u0026rdquo;。\n第15章：琳达——少就是多 中心思想：合取谬误。卡尼曼给受试者描述了一个叫琳达的人：31岁，单身，直率，聪明，大学时主修哲学，关注歧视和社会公正，参加过反核示威。然后问：琳达更可能是\u0026quot;银行出纳员\u0026quot;，还是\u0026quot;银行出纳员并且是女权主义者\u0026quot;？大多数人选了后者。但\u0026quot;银行出纳员\u0026quot;包含了\u0026quot;银行出纳员并且是女权主义者\u0026quot;，前者概率更大。\n结论的至高无上并不意味着你的思维完全停止运转了。 一个连贯的故事比统计数据更有说服力，哪怕这个故事在逻辑上不可能。\n总结：一个具体的故事，哪怕逻辑上不可能，也比一个抽象的统计更让人信服。\n第16章：因果概率胜于统计概率 中心思想：系统1寻找因果关系，系统2处理统计信息。当两者冲突时，系统1赢。因果机率胜过统计机率。你看到\u0026quot;一个孩子在学校表现不好\u0026quot;，你会去找原因（父母离异？老师不好？），而不是想\u0026quot;这可能只是回归平均值\u0026quot;。\n总结：你的大脑是一部因果机器。它不接受\u0026quot;没有原因\u0026quot;，它只接受\u0026quot;我还没找到原因\u0026quot;。\n第17章：所有表现都会回归平均值 中心思想：只要两个数值之间的相关度不高，就会出现回归平均值的情况。 第一次表现极端好或极端差，第二次大概率会回归到平均值附近。飞行教练发现，表扬之后飞行员表现变差，批评之后表现变好。他们以为批评有用，其实是回归平均值。\n回归平均值现象再一次论证了我们的思维常常会对带有因果关系的解释带有很强的偏见，而不善于处理统计数据。\n总结：极端之后是回归。这不是因果，是统计。对良好表现的嘉奖比对错误的惩罚更有效，因为惩罚之后表现变好是回归，不是惩罚起了作用。\n第18章：驯服直觉的预测 中心思想：直觉预测是可以被\u0026quot;驯服\u0026quot;的。方法是：先找到与预测目标相关的基础比率，以此作为锚点，再根据具体信息逐步调整。不要从直觉开始，要从基础比率开始。 直觉预测的错误往往在于：从具体信息出发，完全忽略基础比率。\n总结：驯服直觉，靠的不是压抑直觉，是给直觉一个正确的起点。\n第三部分 过度自信与决策错误 部分中心思想：我们对自己认为熟知的事物确信不疑，但我们显然无法了解自己的无知程度。我们高估自己对世界的了解，低估偶然性的作用。后见之明让我们产生虚幻的确定感，规划谬误让我们低估时间和成本，乐观偏见让我们相信自己比别人更不容易倒霉。\n部分总结：这一部分六章，讲的是\u0026quot;自信\u0026quot;的代价。自信本身不是坏事，但过度的自信是决策错误的头号来源。这一部分最有价值的不是告诉你\u0026quot;你很自负\u0026quot;，是告诉你\u0026quot;你怎么知道自己很自负\u0026quot;。\n第19章：\u0026ldquo;知道\u0026quot;的错觉 中心思想：后见之明效应。事情发生后，你觉得\u0026quot;我早就知道了\u0026rdquo;。将从前的事编成叙事故事的大脑区域是构建意义的器官。 事情发生后，你的系统1会自动编一个因果故事，让你觉得结果是必然的。\n总结：后见之明让你学不到教训。因为你觉得你早就知道了，所以你不需要反思。\n第20章：效度错觉 中心思想：效度错觉：你对自己的判断有信心，但你的判断和结果之间没有相关性。卡尼曼在军队做士兵领导力评估，精心设计的评估工具预测未来表现，结果发现预测和现实重合度基本为0，还不如随机判断的准确。效度错觉和技能错觉得到了强大的专业文化的支持，在金融界、政界、商界，以预测为生的人利用了预测无效但这个事实。\n总结：最有信心的人，往往是最不可靠的人。知识越多，过度自信越严重。\n第21章：直觉vs.公式 中心思想：简单的统计公式，在很多场景下比专家的直觉判断更准确。不要问专家\u0026quot;你怎么看\u0026quot;，问公式\u0026quot;数据怎么说\u0026quot;。 公式的优势不在于它更聪明，在于它不情绪化、不疲劳、不找借口。\n总结：公式不完美，但公式不会因为昨晚没睡好而判断失误。\n第22章：专家的直觉——我们什么时候可以信任它？ 中心思想：专家的直觉在特定条件下是可信的。条件是：环境有规律可循，专家有足够多的练习机会，并且能获得及时反馈。象棋大师、消防员指挥官的直觉是可信的。股市预测者、政治评论员的直觉是不可信的。 关键区别在于：前者的环境是有规律的，后者的环境是随机的。\n总结：信任专家直觉，先问三个问题：环境有规律吗？专家练过吗？反馈及时吗？\n第23章：外头看到法 中心思想：内部意见是你对自己项目的判断，外部意见是参考类似项目的统计数据。比起外部意见，我们更偏向于内部意见。 卡尼曼参与编写以色列高中教材时，团队成员估计需要两年半完成，但参考类似教材的统计数据，平均需要七到十年。结果他们花了八年。\n总结：你的项目不是特例。看看别人做类似的事花了多久。\n第24章：资本主义的引擎 中心思想：乐观偏见是资本主义的引擎。创业者普遍相信自己会成功，但大多数创业会失败。大部分人相信自己比别人有着更为理想的特质。 乐观偏见让人敢于冒险，也让人低估风险。\n总结：乐观偏见是好事，也是坏事。它推动创新，也导致毁灭。\n第四部分 选择 部分中心思想：人们面对得失时的决策，不能用传统经济学的理性模型来解释。前景理论修正了伯努利模型：价值不是由财富的绝对水平决定的，而是由相对于参照点的变化决定的。损失比收益更让人敏感，确定性的结果比概率性的结果更有吸引力。\n部分总结：这一部分十章，是卡尼曼最核心的学术贡献。前景理论挑战了经济学两百年的理性假设，用实验证据证明：人对得失的判断是非线性的、不对称的、参照点依赖的。\n第25章：伯努利的错误 中心思想：伯努利认为，财富的效用是财富的对数函数。100万给穷人带来的快乐，比给富人带来的快乐大得多。这个模型有道理，但遗漏了一个关键变量：参照点。效用不是由绝对财富决定的，是由财富相对于参照点的变化决定的。\n总结：你赚了10万，如果周围人都赚了20万，你觉得自己亏了。伯努利没算到这一点。\n第26章：前景理论 中心思想：前景理论有三个核心特征：评估与一个中性参照点相关；降低敏感度原则适用于感觉维度和财富变化评估；损失厌恶——将各种威胁当成\u0026quot;危\u0026quot;而不是\u0026quot;机\u0026quot;的有机体存活和繁殖的概率更大。在没有理想的选择时，人们更愿意碰运气。 面对收益时，人是风险厌恶的；面对损失时，人是风险寻求的。\n总结：你不是在算钱，你是在算\u0026quot;相对于我本来应该拿到的，我现在亏了还是赚了\u0026quot;。\n第27章：禀赋效应 中心思想：你拥有一样东西，就觉得它更值钱。 一个杯子，让你买，你出价5块；让你卖，你要价10块。对于已获得的物品，且没有交易属性、会抬高其价值。 禀赋效应是损失厌恶的直接后果：卖东西意味着\u0026quot;失去\u0026quot;，失去让你痛苦。\n总结：你不是在评估东西的价值，你是在评估\u0026quot;失去它\u0026quot;的痛苦。\n第28章：坏的事件 中心思想：损失厌恶是前景理论中最核心的概念。损失的痛苦大约是同等收益的快乐的两倍。这个不对称性解释了为什么人们不愿意改变现状，为什么沉没成本会影响决策，为什么谈判中让步如此困难。\n总结：失去100块的痛苦，比得到100块的快乐大一倍。这是刻在基因里的。\n第29章：四重模式 中心思想：前景理论把决策情境分成四种：高概率收益（风险厌恶）、高概率损失（风险寻求）、低概率收益（风险寻求）、低概率损失（风险厌恶）。四种模式组合起来，解释了几乎所有常见的风险决策行为。\n总结：人面对风险的态度不是统一的，是情境依赖的。同一笔钱，在不同的框架下，你会做完全不同的选择。\n第30章：罕见事件 中心思想：人们对罕见事件的概率有两种相反的偏见。一种是高估：买彩票（极低概率中奖）和买保险（极低概率灾难）。另一种是低估：对真正危险但罕见的事件（如大地震）不做准备。对于低数值敏感度低，比如0.01%、0.00001%无法分辨差别。 关键因素是画面感和情绪。\n总结：能想起来的罕见事件，你就高估它的概率。想不起来的，你就忽略它。\n第31章：风险政策 中心思想：风险政策的设计要考虑人们对风险的心理反应。公众对风险的感知不是由统计数据决定的，是由情绪和可得性决定的。政策制定者如果用纯理性模型来设计风险政策，就会在公众情绪面前碰壁。\n总结：风险管理不只是算概率，还要管理感受。\n第32章：计分 中心思想：人有一种心理账户的倾向。同样是钱，工资、奖金、彩票中奖、退税，在你的心里放在不同的\u0026quot;账户\u0026quot;里。价值受心理账户影响，会根据喜好给物品归纳应在的价值位置。 心理账户导致人在不同账户之间的决策不一致——工资省着花，奖金却大手大脚。\n总结：钱就是钱，但你的大脑不这么认为。\n第33章：逆转 中心思想：偏好逆转。单独评估两个选项时，你偏好A；联合评估时，你偏好B。卡尼曼讲了一个实验：单独看，人们愿意为\u0026quot;诗歌朗诵\u0026quot;付更多钱；联合看，人们愿意为\u0026quot;现金奖励\u0026quot;付更多钱。联合评估时，人们更容易比较两个选项的\u0026quot;重要属性\u0026quot;，而单独评估时，容易受\u0026quot;容易评估的属性\u0026quot;影响。\n总结：你问\u0026quot;哪个更好\u0026quot;，和问\u0026quot;你更喜欢哪个\u0026quot;，可能得到完全相反的答案。\n第34章：框架和真实界 中心思想：框架效应。同一件事，用不同的方式描述，会导致不同的决策。\u0026ldquo;手术存活率90%\u0026ldquo;比\u0026quot;手术死亡率10%\u0026ldquo;更让人愿意接受。\u0026ldquo;90%心理权重可能是85%、100%的心理权重是100%。会更趋向于肯定的、保守的。\u0026rdquo;\n可悲的是，人们总是孤立地看待问题，表现出框架效应，即决策的制定往往因为对所回答问题不合逻辑的选择而受到影响。系统1的特征完全能解释这些观察结果，这对标准经济学所倾向的理性假设发起了很大的挑战。\n总结：说什么不重要，怎么说才重要。框架变了，选择就变了。\n第五部分 两个自我 部分中心思想：人有两个自我。经验自我活在当下，感受每一刻的体验。记忆自我记录过去，讲故事，做决策。两个自我之间没有共性，而且记忆自我经常出错。经验自我是回答\u0026quot;现在疼吗\u0026quot;这种问题的，记忆自我是回答\u0026quot;总体如何\u0026quot;这种问题的。我们只有通过记忆才能保存生活体验，因此，在我们思考生命时，唯一能采取的观点来自于记忆自我。\n部分总结：这一部分四章，是全书的收尾。卡尼曼从认知偏见的讨论，转向了一个更根本的问题：什么是幸福？ 如果记忆自我和经验自我对幸福的判断不一致，那么\u0026quot;幸福\u0026quot;到底是谁的幸福？\n第35章：体验效用与决策效用的不一致 中心思想：峰终定律：整体的回顾性评级可通过将过程中最糟糕（完美）感受和最后时刻的糟糕（完美）感受程度进行平均加权而得到。过程忽视：过程中持续的体验对评估没有任何影响。一段体验的长度，不影响你对它的记忆评价。一个短的痛苦体验，如果结尾很糟，可能比一个长但结尾温和的体验更让你痛苦。\n总结：你记住的不是全过程，是最高点和结尾。过程被忽略了。\n第36章：人生如戏 中心思想：比起整个人生，我们更在意人生的结局。 当我们用直觉来评估这些事件时，真正起作用的是现有体验的不断恶化或改善，以及这个人的最终感受。记忆自我是一个讲故事的人，它把碎片化的经验编辑成一个有开头、有高潮、有结尾的故事。\n总结：人生如戏，不在于你演了多久，在于你记得哪个片段。\n第37章：你有多幸福？ 中心思想：钱可以买到快乐吗？结论是贫穷使人悲惨，富有可能会提升某个人的生活满意度，但总体来说却不能提高经验自我的幸福感。 极度的贫穷会增强经验对生活中其他不幸经验的感受。增加幸福感的最简单方法是分配好你的时间。你能抽出更多时间做自己喜欢做的事情吗？\n总结：钱能减少痛苦，但不一定能增加快乐。幸福的关键不是赚更多，是花更少时间在你不喜欢的事上。\n第38章：思考生活 中心思想：聚焦错觉：聚集错觉的本质是眼见即为事实，即是对某方面给予过多的权重，却忽略了其他影响幸福的因素。 记忆自我似乎是受到了聚焦错觉的支配，而聚焦错觉则将焦点放在了经验自我忍受的痛苦上。 当你被问到\u0026quot;你幸福吗\u0026rdquo;，你的系统1会聚焦在当下最突出的一个因素上，然后以偏概全。\n总结：你觉得自己不幸福，可能只是因为你刚好在想那件让你不开心的事。\u0026ldquo;你有多幸福\u0026quot;这个问题本身，就在扭曲你对幸福的判断。\n全书总结 三十八章，读完了。\n如果只让我用一句话概括这本书，我会说：你的大脑是一部高效但不精确的机器，高效是因为它快，不精确也是因为它快。\n卡尼曼给了我们什么？\n第一，一个诊断。 人类不是理性的，而且不是偶尔不理性，是系统性地、可预测地、有规律地不理性。 系统1的快，不是为了精确，是为了效率。它用联想代替分析，用故事代替统计，用直觉代替计算。在远古时代，这种策略救了命。在现代社会，这种策略在坑人。\n第二，一套词汇。 系统1、系统2、锚定效应、可得性启发法、损失厌恶、前景理论、峰终定律、经验自我、记忆自我。这些不是学术概念，是你每天做决策时正在使用的工具。知道它们的名字，你就能在你被它们操控的时候，认出它们。\n第三，一种态度。 卡尼曼不是让你消灭直觉。他说得很清楚，直觉在很多场景下是正确的——象棋大师的棋感、消防员对危险的第六感。他让你做的是：知道直觉在什么时候可信，在什么时候不可信。 可信的条件是：环境有规律，练习足够多，反馈及时。不可信的条件是：环境随机，没有反馈，或者反馈延迟太久。\n第四，一个提醒。 后见之明让你觉得你早就知道了，规划谬误让你觉得你的项目会和别人不一样，乐观偏见让你觉得倒霉的不会是你。这些不是缺陷，是人性的出厂设置。 你不能关掉它们，你只能知道它们在那里。\n最后一句话，留给卡尼曼本人。他在书里说，他的研究让他对人类的判断产生了\u0026quot;一种更加宽容的态度\u0026rdquo;。**\n宽容，是理解之后的产物。 你不理解人性的时候，你会愤怒。你理解了人性，你会宽容。宽容不是纵容，是知道了\u0026quot;他为什么会这样\u0026quot;之后，不再要求他\u0026quot;不应该这样\u0026rdquo;。\n这大概就是一个心理学家，研究了一辈子人性之后，留给世人的话。\n作者：丹尼尔·卡尼曼《思考，快与慢》读书笔记\n","permalink":"https://cfo580.cn/article/kuai-yu-man-zhi-jian-du-ka-ni-man-si-kao-kuai-yu-man/","summary":"读完卡尼曼《思考，快与慢》，提炼系统1/系统2的核心洞察。你的大脑是一部高效但不精确的机器。","title":"🧠 快与慢之间——读卡尼曼《思考，快与慢》"},{"content":"虑得先生的读书笔记\n序 贾姆希德·格哈拉杰达基，伊朗裔美国人，在宾夕法尼亚大学沃顿商学院教过系统科学，后来做了三十多年的管理咨询。他不是书斋里的学者，是真正在商业战场上拆解过乱局的人。\n这本书的副标题比主标题更诚实：\u0026ldquo;管理混沌与复杂性\u0026rdquo;。主标题叫\u0026quot;系统思维\u0026quot;，副标题叫\u0026quot;设计之道\u0026quot;。格哈拉杰达基的意思是：光看是不够的，看完要动手。\n全书分四部分，十四章。从哲学到理论，从方法论到实战，一路走下来。\n我把它当一本\u0026quot;商业建筑学\u0026quot;来读。不是教你盖房子，是教你在看不清的地基上，把房子盖稳。\n下面，逐部分、逐章说。\n第一部分 系统哲学：恶魔之名 部分中心思想：管理的\u0026quot;游戏规则\u0026quot;已经变了。旧范式在局部优化中走向僵化，系统思维是范式转变的起点——不是多一个工具，是多一双眼睛。\n部分总结：这一部分只有一章，但它承担的是\u0026quot;破题\u0026quot;的任务。格哈拉杰达基要让你先承认一件事：你一直用来理解商业的那套框架，可能正是问题本身。他不急着给你答案，先让你怀疑问题。\n第1章：\u0026ldquo;游戏\u0026quot;是如何演进的 中心思想：管理者一直在玩几种固定的\u0026quot;游戏\u0026rdquo;——大规模生产、事业部制、参与管理、运筹学、精益生产。每一种游戏都有它的黄金时代，也都有它的失效时刻。系统思维不是第六种游戏，而是改变游戏本身的能力。\n格哈拉杰达基回顾了六种竞争性的管理\u0026quot;游戏\u0026quot;。大规模生产追求零部件与工人的互换，事业部制解决增长和多样性的矛盾，参与管理试图调动人的主动性，运筹学做联合优化，精益生产平衡灵活性和控制。每一种都有效，每一种都最终撞上了天花板。\n模仿、惰性、局部优化——这是旧游戏走向死胡同的三条路。你模仿别人成功的做法，做着做着就僵化了；你在自己的部门里优化，优化着优化着，整个系统就失调了。\n总结：这一章不是知识，是诊断。如果你读完之后觉得自己\u0026quot;什么都不知道了\u0026quot;，那就对了。格哈拉杰达基要的就是这个效果——先让你承认旧地图不管用了，再给你新地图。\n第二部分 系统理论：野兽的本性 部分中心思想：系统有它自己的\u0026quot;脾气\u0026quot;。你不能用管理机器的办法管理一个社会文化系统。五种原理——开放性、目的性、多维度、突现性、反直觉行为——是理解这个\u0026quot;野兽\u0026quot;的骨架。\n部分总结：这三章是全书的理论地基。格哈拉杰达基不跟你谈\u0026quot;最佳实践\u0026quot;，他先跟你谈\u0026quot;系统是什么\u0026quot;。你连系统是什么都不知道，谈什么设计。这一部分的核心命题是：商业组织不是机器，是有目的的社会文化系统。 机器可以拆了重装，社会文化系统不能。\n第2章：系统原理 中心思想：系统不是零件的总和，而是零件之间关系的总和。五种原理中，最容易被忽视、也最致命的是最后一条：反直觉行为。\n开放性意味着系统与环境之间有物质、能量和信息的交换。目的性意味着系统有它自己追求的目标，而不是被动响应。多维度意味着同一个系统可以从功能、结构、流程多个角度去看，你看到的取决于你站在哪里。突现性意味着整体有部分不具备的性质——你把每个部门都做到最优，整体可能更差。\n而反直觉行为是格哈拉杰达基最看重的一条。系统的行为往往和你的直觉相反。你越用力推，它越不动。你越是短期救火，长期火越大。理解不同于信息和知识。信息回答\u0026quot;做什么\u0026quot;，知识回答\u0026quot;怎样做\u0026quot;，理解回答\u0026quot;为什么\u0026quot;。 大多数人停在信息层，少数人到了知识层，真正能设计系统的人，必须到理解层。\n总结：这一章教的是\u0026quot;敬畏\u0026quot;。系统有它自己的逻辑，你的逻辑再好，系统不认就是不认。做咨询的人最容易犯的错，就是拿着一个漂亮的方案，以为系统会乖乖配合。\n第3章：社会文化系统 中心思想：社会文化系统不是机械系统。它靠信息关联运转，靠自组织演化，靠文化维系。你不能\u0026quot;控制\u0026quot;它，你只能影响它。\n格哈拉杰达基讲了一个关键概念：自组织——朝着预定的秩序发展。这不是说系统会自动走向你想要的方向，而是说系统会自己形成某种秩序。你不管它，它会形成一种秩序；你管它，它会形成另一种秩序。但一定会形成。\n社会文化系统是信息关联系统，不是能量守恒系统。它的连接靠的是共享的意义、共同的价值观、相互的理解。这些东西不像齿轮那样咬合，但它们比齿轮更牢固，也更脆弱。\n文化在这里不是\u0026quot;软\u0026quot;的东西，它是运营系统。文化决定了什么信息被传递，什么信息被忽略，什么行为被奖励，什么行为被惩罚。\n总结：这一章的核心是一个比喻：组织不是钟表，是花园。你不能拧发条，你只能松土、浇水、剪枝，然后等它自己长。\n第4章：发展 中心思想：发展不是增长。增长是变大，发展是变得更有能力选择。发展的障碍有四种：疏离、极端、腐败、恐怖主义。\n格哈拉杰达基对\u0026quot;发展\u0026quot;的定义很特别。他说，选择是人类发展的核心，发展为选择提供能力，而设计是增强选择和思维的工具。一个组织发展得好不好，不看它多大，看它有多少选择余地。选择越多的组织，越自由，越有生命力。\n四种发展障碍，每一种都是一种选择能力的丧失。疏离是人跟系统脱了钩，不再认同。极端是系统失去了平衡，走向一个方向的极致。腐败是系统用短期利益腐蚀了长期能力。恐怖主义是系统内部产生了以摧毁系统为目标的子力量。恐怖主义不一定是政治概念，任何一个组织里都可能长出恐怖主义的种子。\n总结：这一章最有价值的是一个判断标准：一个系统是在发展，还是在膨胀？ 发展是选择变多，膨胀是体积变大。很多公司死的时候，体积比任何时候都大。\n第三部分 系统方法论：疯狂的逻辑 部分中心思想：理论讲完了，开始动手。系统方法论有三把刀：整体思维（怎么看）、运筹思维（怎么算）、设计思维（怎么改）。三把刀合起来，加上\u0026quot;规划混乱\u0026quot;和\u0026quot;业务架构设计\u0026quot;，构成一套完整的干预工具。\n部分总结：这是全书最核心的部分。格哈拉杰达基在这里从\u0026quot;理解系统\u0026quot;跨到了\u0026quot;改变系统\u0026quot;。五个章节的递进逻辑是：先学会整体地看，再学会动态地算，再学会从零设计，最后学会在混乱中规划，最终落在一张业务架构的图纸上。\n第5章：整体思维 中心思想：整体思维不是\u0026quot;什么都看\u0026quot;，而是知道该看什么维度。格哈拉杰达基给出五个维度：财富、权力、美（社会融合）、知识、价值观。\n传统分析思维是拆解——把整体拆成部分，研究部分，再拼回去。格哈拉杰达基说，拆解有用，但不够。整体思维从结构、功能和过程三个面向同时切入，看的是一个系统怎么生成、怎么分配、怎么维持这五种东西。\n财富的产生和分配是经济维度。权力的产生和分配是政治维度，核心是集权和分权的共存。美的产生和分配是社会融合维度。知识的产生和分配是认知维度。价值观的产生和分配是冲突管理维度。\n这五个维度不是可以分开处理的。你动了一个，其他四个都会变。迭代式探究就是承认这一点：你不能一次想清楚所有事，你只能走一步、看一步、调一步。\n总结：整体思维的精髓不在于\u0026quot;全面\u0026quot;，而在于多维同步。做业务架构的人，如果只在财富维度上做文章，最后一定会在权力维度上翻车。\n第6章：运筹思维（动态系统：处理混沌和复杂性） 中心思想：运筹思维处理的是动态变化。开环和闭环的区别、线性和非线性的区别，决定了你能不能看懂一个系统的行为。\n格哈拉杰达基讲运筹思维，用的是\u0026quot;iThink\u0026quot;语言——一种系统动力学的建模方式。连接器、相关性建模、过程模型。核心是理解产出系统的动态性：输入怎么变成输出，中间经过了什么，什么在反馈，什么在延迟。\n开环系统是你给一个输入，它给一个输出，中间没有反馈。闭环系统有反馈——输出会影响输入。线性系统是投入翻倍、产出翻倍。非线性系统是投入翻倍、产出可能翻四倍，也可能只翻半倍。\n总结：运筹思维的价值在于让你看见看不见的回路。大部分管理决策失败，不是因为方向错了，是因为没看见反馈回路里的延迟和放大效应。\n第7章：设计思维 中心思想：设计思维是系统方法论的核心操作方式。它不预测未来，它选择未来。核心原则是：理想化、逐次逼近、消除二阶机制。\n格哈拉杰达基对设计的定义很干脆：设计师选择未来，而非预测未来。预测是算命，设计是建房。你算不准明天会下雨，但你可以把屋顶设计得能防雨。\n理想化是设计的起点：先抛开所有约束，问\u0026quot;如果一切皆有可能，我们要设计成什么样\u0026quot;。逐次逼近是设计的路径：从理想状态出发，一步步逼近现实，每一步都问\u0026quot;什么在阻止我们\u0026quot;。消除二阶机制是设计的关键：很多时候你设计了一个好方案，但系统里有一个你没注意到的机制会把它抵消掉。那个机制就是二阶机制。\n模块化设计是落地的抓手。把复杂的系统拆成相对独立的模块，每个模块有清晰的接口。这样你改一个模块，不会把整个系统推倒重来。垂直兼容性、水平相容、前后相容，三个维度都要对得上。\n总结：这一章是全书的\u0026quot;心法\u0026quot;。格哈拉杰达基不是教你做设计，是教你用设计的方式思考。设计思维的本质是：不问\u0026quot;过去发生了什么\u0026quot;，问\u0026quot;我们想要什么，以及怎样才可能\u0026quot;。\n第8章：规划混乱 中心思想：混乱不是要被消除的，是要被规划的。探索、映射、讲故事——三步走。\n\u0026ldquo;规划混乱\u0026quot;这个标题本身就是一个宣言。格哈拉杰达基说，你的商业模式里一定存在混乱，假装它不存在是最愚蠢的策略。探索是搜集混乱中的碎片，映射是把碎片拼成一张可理解的图，讲故事是把这张图变成别人能听懂、能行动的东西。\n他用电力行业的案例讲了这个过程。垄断环境下的成本加成和监管文化，让这个行业失去了应对变化的能力。问题不在于他们不知道变化来了，问题在于他们的整个认知框架是为一个不变化的时代设计的。\n总结：规划混乱的核心不是\u0026quot;解决混乱\u0026rdquo;，而是承认混乱是常态，然后设计一套在混乱中保持方向的方法。你不可能控制所有变量，但你可以控制自己看变量的方式。\n第9章：业务架构设计 中心思想：把前面所有的思维工具，落在一张业务架构的图纸上。这是从\u0026quot;想\u0026quot;到\u0026quot;做\u0026quot;的最后一跃。\n这一章是第三部分的方法论收口。格哈拉杰达基把整体思维、运筹思维、设计思维和规划混乱的方法，整合成一个业务架构设计的流程。\n业务架构不是一个组织结构图，不是一张流程图，也不是一个IT系统图。它是组织作为一个系统，在结构、功能、过程三个面向上的整体设计。你设计的不是\u0026quot;谁向谁汇报\u0026quot;，你设计的是\u0026quot;价值如何被创造、传递和捕获\u0026quot;。\n总结：这一章是\u0026quot;毕业设计\u0026quot;。前四章给了你思维，这一章让你动手。格哈拉杰达基的意思是：系统思维如果不动手，就只是哲学。\n第四部分 系统实践：勇敢的少数人 部分中心思想：理论和方法论说完了，看看真正做过的人是怎么做的。五个案例——印第安部落、医疗系统、酒店集团、能源公司、制造企业——覆盖了截然不同的行业和规模，但底层逻辑是同一个：用系统思维重新定义问题，用设计思维重新设计方案。\n部分总结：格哈拉杰达基把这一部分叫做\u0026quot;勇敢的少数人\u0026quot;。他说得很清楚，大多数组织不会做系统设计。做的人，是少数。但这少数人做的事，改变的是整个系统的走向。五个案例不是\u0026quot;成功故事\u0026quot;，是\u0026quot;如何做\u0026quot;的实操记录。每一个案例里，你都能看到前三部分的方法论在具体情境中的变形和落地。\n第10章：奥奈达族 中心思想：一个印第安部落用系统设计重建了自己的经济和文化。从不到2%的土地控制权，到45%，靠的不是运气，是制度韧性。\n奥奈达族的案例最让人震撼的地方在于它的起点。1910年代，这个部落几乎失去了一切——土地、经济基础、文化连续性。但他们没有把问题定义成\u0026quot;我们失去了什么\u0026quot;，而是定义成\u0026quot;我们想成为什么\u0026quot;。\n他们做的不是恢复，是重新设计。农业系统、食品主权、社区治理、文化传承，每一个模块都被重新设计，而且模块之间是咬合的。从\u0026quot;三姐妹\u0026quot;种植法到综合食品系统，到食品主权战略计划，一步一步，几十年。\n总结：这个案例教的是耐心。系统设计不是一年两年的事。奥奈达族花了一百多年。但你每一步都在设计下一步的条件，这就是逐次逼近。\n第11章：巴特沃斯医疗系统 中心思想：一个医疗系统面对成本不可持续的压力，选择了一条\u0026quot;非传统\u0026quot;的路：重新配置整个系统，建立相互关联的模块，而不是在现有框架里修修补补。\n巴特沃斯的做法是模块化的典型。他们设计的不是一个\u0026quot;更好的医院\u0026quot;，而是一个社区化的健康系统。预防保健、按人头付费、去中心化的区域初级保健中心——每个模块都是为了降低对急诊室的依赖。\n关键在于，这些模块不是孤立的。一个模块的变化会触发另一个模块的响应。垂直兼容性让战略和运营对得上，水平相容让部门之间不打架，前后相容让今天的设计不成为明天的负担。\n总结：这个案例教的是系统设计的杠杆点。巴特沃斯没有在\u0026quot;如何让急诊室更快\u0026quot;上做文章，他们把急诊室的压力重新定义为一个系统设计问题。\n第12章：万豪集团 中心思想：万豪面对的是增长和一致性之间的张力。收购越多，品牌越多，系统越复杂。他们的解法是架构先行：用一套灵活的IT和运营架构，让收购来的资产快速接入。\n万豪的案例是\u0026quot;平台思维\u0026quot;在业务架构上的体现。万豪有一个激进的收购策略，每次收购都意味着新的物业、新的系统、新的流程要整合进来。如果每一次整合都要重做一遍，万豪早就被自己的增长压垮了。\n他们的做法是建一个平台，而不是建一栋楼。统一的采购系统、统一的客户关系管理系统、统一的网络基础设施。收购来的物业接入平台，而不是改造平台去适应每一栋楼。\n总结：这个案例教的是架构的弹性。好的业务架构不是最完美的架构，是最容易接入新东西的架构。\n第13章：联邦能源公司 中心思想：能源行业面对的是监管、竞争和技术的三重冲击。联邦能源的案例展示了如何在高度管制的行业中，用系统设计找到\u0026quot;游戏改变\u0026quot;的空间。\n能源行业的特殊性在于，它的\u0026quot;游戏规则\u0026quot;很大程度上不是自己定的。监管机构定规则，市场定价格，技术在底层改变一切。在这样的行业里做设计，你必须同时理解三个系统：监管系统、市场系统、技术系统。\n格哈拉杰达基在这里展示的是多维度整体思维的实战。你不能只在财富维度上做优化，因为权力维度（监管）可能随时把你的优化变成违规。\n总结：这个案例教的是在约束中设计。理想化设计不是无视约束，是先把约束放在一边，设计出理想状态，再逐次逼近，看哪些约束是真的硬的，哪些是可以绕的。\n第14章：开利公司 中心思想：开利面对的是制造企业的经典困境：全球化、成本压力、技术迭代。他们的系统设计方法聚焦在运营系统和业务架构的重新对齐上。\n开利是五个案例中\u0026quot;最传统\u0026quot;的一个：制造业，产品线清晰，竞争格局明确。但正是这种\u0026quot;传统\u0026quot;，让这个案例最有普遍性。\n格哈拉杰达基用开利展示了运筹思维和设计思维的结合。运筹思维让你看见运营系统中的反馈回路和延迟——为什么降本措施三个月后反而推高了成本。设计思维让你跳出运营层面，问一个更大的问题：这个业务架构本身是不是该重新设计了。\n总结：这个案例教的是不要把运营问题和设计问题混为一谈。有些问题你在运营层面怎么调都调不好，因为问题出在架构层面。\n全书总结 十四章读完了。\n如果只让我用一句话概括这本书，我会说：系统思维不是让你看得更多，是让你看得更准。\n格哈拉杰达基给了我们什么？\n第一，一个诊断。 旧的管理范式——拆解、优化、控制——在复杂系统面前失效了。不是因为它们不够好，是因为它们处理的是一个不存在的世界。那个世界里的系统是封闭的、线性的、可预测的。真实的商业系统是开放的、非线性的、反直觉的。\n第二，一套原理。 开放性、目的性、多维度、突现性、反直觉行为。这五条原理不是知识，是看世界的镜片。戴上这副镜片，同样的商业场景，你会看到不同的东西。\n第三，一把工具。 整体思维让你看见该看什么，运筹思维让你看见变化中的结构，设计思维让你从\u0026quot;分析问题\u0026quot;转向\u0026quot;选择未来\u0026quot;。三把刀合起来，是一套完整的干预工具。\n第四，一种态度。 设计思维的态度是：不预测，只选择。 格哈拉杰达基反复说，设计师不预测未来。预测是承认自己被动，设计是承认自己有选择的余地。哪怕选择很少，哪怕约束很多，你总是在选择。\n这本书最难的地方，也是最有价值的地方，是它不给你\u0026quot;最佳实践\u0026quot;。它不告诉你\u0026quot;这样做就对了\u0026quot;。它告诉你的是怎样去想，而不是该想什么。\n格哈拉杰达基在最后说，做系统设计的人是\u0026quot;勇敢的少数人\u0026quot;。勇敢不在于不怕，在于在看不清楚的时候，仍然选择动手。\n看不透的，就设计它。\n这是这本书留给我最重的一句话。\n作者：格哈拉杰达基《系统思维：复杂商业系统的设计之道》读书笔记\n","permalink":"https://cfo580.cn/article/kan-bu-tou-de-jiu-she-ji-ta-du-xi-tong-si-wei-fu-za-shang-ye-xi-tong-de-she-ji-zhi-dao/","summary":"读完格哈拉杰达基《系统思维》，提炼系统方法论：整体思维、运筹思维、设计思维三把刀。看不透的，就设计它。","title":"🔭 看不透的，就设计它——读《系统思维：复杂商业系统的设计之道》"},{"content":"我读罗伯特·格林的《人性的法则》，读到一半，脑子里翻来覆去的就是一句话：人这个东西，说复杂也复杂，说简单也简单。\n复杂，是因为每个人都是一团乱麻，情绪、欲望、恐惧、伪装，层层叠叠，看不透。简单，是因为格林把这团乱麻拆开，拎出了十八条法则。每一条，都像一把钥匙，插进人心的锁眼。\n格林花了六年写这本书。他研究伯里克利、伊丽莎白一世、马丁·路德·金，也研究那些毁于自身的人——膨胀的、嫉妒的、自毁的。他把这些人的生死成败，提炼成十八条法则。\n他的野心，是给你一本\u0026quot;破译人类行为的密码本\u0026quot;。\n我把它当一面镜子来读。每读一章，照见的不是别人，是自己。\n下面，逐章说。\n虑得先生的读书笔记\n第一章：非理性法则——你不像你以为的那么理性 中心思想：人自以为是理性的动物，实则情绪才是真正的掌舵者。你以为你在思考，其实你在感觉，然后给感觉编了一套说辞。\n人的大脑有三层。最底层是爬虫脑，管本能反应。中间是情绪脑，管喜怒哀惧。最上面才是理性脑，管理性思考。问题是，情绪脑比理性脑早进化了数百万年。它更快，更猛，更直接。等你的理性脑反应过来，情绪早已经把车开出去三公里了。\n格林讲了三种层次的非理性。低度的，是日常的小偏见，悄悄扭曲你的判断。高度的，是情绪爆发时，整个人被劫持。还有一种，是构建理性习惯，让自己慢下来。\n我的体会：\u0026ldquo;知行合一\u0026quot;这四个字，从来就不容易。王阳明说\u0026quot;破山中贼易，破心中贼难\u0026rdquo;。心中贼是什么？就是那些你察觉不到的情绪，在替你做了决定。\n第二章：自恋法则——爱自己，然后走出自己 中心思想：所有人都是自恋的，区别只在程度。健康的自恋是根基，病态的自恋是牢笼。从自恋走向同理心，是成熟的第一步。\n格林说，我们的自尊依赖于自己怎么看自己，也依赖于别人给我们什么样的注意力。1970年代以来，自恋水平一直在攀升，2000年之后更是加速，因为技术让真正的社交互动变少了。\n但自恋不等于坏。它有一个光谱：一端是健康的自我价值感，另一端是深度的自恋人格。关键不在于消灭自恋，在于把自恋转化为同理心。\n说到同理心，我想到孔子对子贡说的话。子贡问：\u0026ldquo;有一言而可以终身行之者乎？\u0026ldquo;子曰：\u0026ldquo;其恕乎！己所不欲，勿施于人。\u0026ldquo;\u0026ldquo;恕\u0026quot;字，上\u0026quot;如\u0026quot;下\u0026quot;心\u0026rdquo;，就是将心比心。孔子没有让你去爱所有人，他只让你把人当人看。\n格林的同理心，就是现代的\u0026quot;恕\u0026rdquo;。\n第三章：角色扮演法则——每个人都在演戏 中心思想：人活在面具后面。社交面具是文明的代价，也是人性的谎言。看穿面具，不靠聪明，靠安静的观察。\n格林说了一句扎心的话：人们几乎不惜一切代价来隐藏真实情绪。但如果你保持静止和观察，你就能看到面具上的裂缝——也包括你自己的面具上的裂缝。\n人为什么要戴面具？因为真实太危险了。面具不是恶，是生存本能。问题是，戴久了，就摘不下来了。很多人最后分不清面具和自己的脸。\n这让我想起《笑傲江湖》里的岳不群。他戴了一辈子的\u0026quot;君子剑\u0026quot;面具，最后把自己活成了一个最大的伪君子。他不是没有机会摘下来。是有一次摘下来的机会，他选了不摘。从此就再也没有机会了。\n面具不可怕。可怕的是你以为那就是你的脸。\n第四章：强迫行为法则——性格就是命运 中心思想：人由性格驱动，而性格由过往塑造。你想知道一个人下一步会做什么，就看他以前反复做过什么。\n格林引用了一句古老的话：\u0026ldquo;控制我们的，不是神灵，不是上帝，而是我们自己的性格。\u0026ldquo;性格不是一朝一夕形成的，是童年的经历、反复的选择、长期的习惯，一层一层垒起来的。一旦垒成，就像铁轨一样，把你导向固定的方向。\n赫拉克利特说过：\u0026ldquo;人的性格就是他的命运。\u0026rdquo; 这句话两千年后还被反复引用，因为它说得太准了。\n读这一章，要多问自己一个问题：我现在做的选择，是因为我真的想这么做，还是因为我的性格在替我选？\n第五章：贪婪法则——越够不着的东西越想要 中心思想：人的欲望有一个悖论：唾手可得的不稀罕，若即若离的最上瘾。成为\u0026quot;不可捉摸的欲望对象\u0026rdquo;，是高级的社交智慧。\n格林的第五章讲的是如何成为\u0026quot;难以捉摸的欲望对象\u0026rdquo;。这不是教你耍心机，是让你理解一条人性规律：人渴望的从来不是得到，而是得不到。\n老子在《道德经》里说：\u0026ldquo;将欲歙之，必固张之；将欲弱之，必固强之。\u0026ldquo;意思是，想收拢它，先张开它；想削弱它，先强化它。这话听着像阴谋，其实是讲规律。\n欲望的本质是什么？是距离。距离产生渴望，得到产生厌倦。懂了这一点，你就懂了人性中一个巨大的秘密。\n第六章：短视法则——眼前的比远处的重要 中心思想：人天然短视。远古时代，盯着眼前才能活命；现代社会，只看眼前就会掉坑。短视有四种陷阱，每一种都在悄悄吞噬你的未来。\n格林指出，短视是刻在基因里的本能。它来自远古时代生存的需要——你首先要关注的是下一顿饭在哪里，而不是明年的收成。\n短视有四种陷阱：意外后果、战术地狱、时间压力、权力傲慢。\n\u0026ldquo;人无远虑，必有近忧。\u0026rdquo; 这话反过来说也对：人若只有远虑，没有近忧，也活不下去。真正的智慧，是在短视的本能和长远的视角之间，找到一个平衡点。\n第七章：防御法则——先承认对方，再化解抵抗 中心思想：人的防御本能极强。想说服一个人，越用力推，他越往后缩。真正的高手，先肯定对方的自我评价，再慢慢引导。\n格林说，这可能是所有法则中最重要的一条。我们内心深处，都在拼命抓住三个基本信念：我是独立的，我是重要的，我总体上是个好人。任何人、任何话，只要触犯了这三条，防御机制就会全面启动。\n所以说服的关键，不是讲道理，是先卸下对方的防御。\n这一章的核心策略可以用五个字概括：欲取之，先予之。老子讲得更透彻：\u0026ldquo;将欲取之，必固与之。\u0026ldquo;你想要什么，先给他什么。你给他的是承认，你得到的是合作。\n第八章：自毁法则——态度变了，环境就变了 中心思想：人的自毁行为，根源不在环境，在态度。改变不了环境，先改变自己看环境的方式。\n格林用安东·契诃夫做例子。契诃夫出身贫寒，家境困顿，父亲专制。按一般人的轨迹，他很可能会变成一个愤世嫉俗、自暴自弃的人。但他选择了改变态度。\n态度是什么？态度是你给世界投的那一票。你投给悲观，世界就是灰暗的；你投给积极，世界就会多出一线光。\n\u0026ldquo;境随心转\u0026rdquo; 这四个字，说起来轻飘飘，做起来千钧重。但一个人一旦真正做到，命运就会转。\n第九章：压抑法则——面对自己的阴暗面 中心思想：每个人心里都有不愿承认的东西：愤怒、嫉妒、羞耻、暴力。压抑它们，只会让它们更强大。面对它们，才能驾驭它们。\n格林讲了一个核心概念：\u0026ldquo;阴影\u0026rdquo;。荣格说，阴影是被自我压抑的那部分人格。你不承认它，不代表它不存在。它会在你最没防备的时候跳出来，替你做决定。\n一个人如果从来不发怒，你得小心。他的怒不是消失了，是沉到地下去了。哪天地下的东西喷出来，能把整栋楼掀翻。\n儒家讲\u0026quot;慎独\u0026rdquo;。一个人在没人看见的时候做什么，才是真实的他。慎独就是面对自己的阴影——不假装它不在，也不被它吞没。\n第十章：嫉妒法则——当心脆弱的自我 中心思想：嫉妒不是恶，是自卑的信号。别人比你强，你觉得自己被贬低了。看清楚这一点，嫉妒就能变成动力。\n人为什么嫉妒？格林说得很直接：嫉妒往往不是对陌生人的，是对身边人的。朋友圈里谁升了职，谁买了房，谁的孩子考了第一名，你心里微微一紧——那就是嫉妒。\n但嫉妒不是洪水猛兽。它是一种信息。它在告诉你：你在意什么，你缺什么，你觉得自己哪里不够。\n\u0026ldquo;见贤思齐焉，见不贤而内自省也。\u0026rdquo; 孔子这句话，是化解嫉妒最好的药方。把它变成燃料，而不是毒药。\n第十一章：膨胀法则——了解自己的极限 中心思想：成功容易让人膨胀，膨胀容易让人毁灭。越是在高处，越要看清自己的边界。\n格林用霍华德·休斯做例子。休斯年轻时是天才、是英雄，到了后来，他成了一个被困在自己妄想里的人。膨胀的代价，是他自己。\n膨胀的本质，是把运气当能力，把平台当本事。 你在台上风光，不一定是你的光，也可能是灯的功劳。灯一灭，人就黑了。\n老子说\u0026quot;知人者智，自知者明。胜人者有力，自胜者强。\u0026ldquo;膨胀的人，智够了，明不够；力够了，强不够。\n第十二章：性别僵化法则——回归完整的自己 中心思想：社会给男女分别贴了标签，逼着人活成半个自己。男性被要求刚强、不许哭；女性被要求温柔、不许争。完整的自己，是既能刚也能柔。\n格林把这个叫做\u0026quot;性别僵化\u0026rdquo;。它不是讲性别平等那么简单，是讲每个人都被困在性别角色里。男人失去了表达脆弱的能力，女人失去了表达野心的权利。两边都缺了一半。\n一个真正成熟的人，是能把两个方向都打通的人。男人可以温柔，女人可以刚强。该进则进，该退则退。\n完整，胜过完美。\n第十三章：无目标法则——向着使命感前进 中心思想：人生的空虚感，多半源于目标的缺失。不是你没有能力，是你没有方向。使命感不是找到的，是做出来的。\n格林说，每个人都有两种活法：一种是反应式的——别人推一下，你动一下；另一种是使命感驱动的——你知道自己要去哪里，每天都在往那个方向走。前者的人生活成了碎片，后者的人生活成了故事。\n王阳明说：\u0026ldquo;志不立，天下无可成之事。\u0026rdquo; 立志不是喊口号，是给自己的人生找一个锚点。有了锚，再大的风浪也翻不了船。\n第十四章：合群法则——抵抗群体向下的拉力 中心思想：人在群体中会变傻。群体越大，智商越低。抵抗合群的压力，保持独立判断，是少数人才能做到的事。\n格林说，一大群人聚在一起，会产生一种\u0026quot;情绪电流\u0026rdquo;。它可以被操纵，让人在毫无察觉中陷入仇恨和暴民思维。而且这是最危险的——因为你周围的人都在那么想，你就以为那是对的。\n乌合之众这四个字，勒庞一百多年前就写了。到今天，社交媒体把乌合之众的规模放大了千百倍。\n独立判断的能力，是这个世界最稀缺的能力之一。 它比聪明重要，比知识重要。因为知识和聪明都可能被群体裹挟，独立判断不会。\n第十五章：善变法则——让人追随你 中心思想：人的注意力善变，昨天的英雄今天就被遗忘。想让人追随你，靠的不是权力，是说服力和感染力。\n格林用伊丽莎白一世做例子。她面对的是一个分裂的国家，男人不服女人，贵族不服王室。但她用语言、仪式和行动，把一盘散沙凝聚成了一个黄金时代。\n领导人最重要的能力，不是决策，是让人心甘情愿地追随。\n林肯说过一句话：\u0026ldquo;你可以在所有时间骗一部分人，也可以在一段时间骗所有人，但你不能在所有时间骗所有人。\u0026rdquo; 追随是长期的信任。信任靠的不是聪明，是真诚。\n第十六章：攻击法则——看清友好背后的敌意 中心思想：攻击不只以暴力的形式出现。微笑背后的嫉妒、赞美背后的贬低、合作背后的算计，都是攻击。看清它，不是为了报复，是为了自保。\n格林说，人要时刻保持觉察。攻击往往披着友好的外衣。一个过度赞美你的人，可能在给你设陷阱。一个突然过分热情的人，可能在盘算什么。\n害人之心不可有，防人之心不可无。 这十个字流传了几千年，不是没有道理的。不是教你多疑，是教你别天真。\n第十七章：代际局限性法则——把握历史机遇 中心思想：每一代人都有认知盲区。你以为你看得很远，其实你站在这个时代的地平线以内。能看到历史机遇的人，都是先意识到自己局限的人。\n格林讲\u0026quot;代际近视\u0026rdquo;。每一代人都活在自己时代的框架里，以为那就是世界的全部。上一代人看不懂互联网，这一代人看不懂人工智能。不是智力问题，是时代问题。\n\u0026ldquo;不识庐山真面目，只缘身在此山中。\u0026rdquo; 你站在这个时代里，就注定看不清这个时代。唯一能做的，是尽量站高一点，往外看一看。\n历史机遇从来不是给准备好的人的，是给看得见的人的。而看得见的前提，是先承认自己看不见。\n第十八章：拒绝死亡法则——思考我们共同的死亡 中心思想：人最大的逃避，是对死亡的逃避。我们假装死亡不存在，用忙碌、消费、短视频填满每一秒钟。但正是对死亡的思考，让人真正地活着。\n格林把这条法则放在最后，是有深意的。前面十七条讲的是怎么理解人性、驾驭人性。第十八条讲的是：所有的理解，最终要落到一个问题上——你知道自己会死吗？\n知道死亡的人，和不知道死亡的人，活法是不同的。前者珍惜时间，后者挥霍时间。前者知道什么重要，后者什么都觉得重要，又什么都觉得不重要。\n\u0026ldquo;朝闻道，夕死可矣。\u0026rdquo; 孔子这句话，不是教你去死，是教你好好活。活到每一天都值得，死到每一刻都不亏。\n总结 十八条法则，读完了。\n如果只让我用一句话来概括这本书，我会说：人最大的敌人是自己，最大的盟友也是自己。\n格林写这本书，不是为了教你操控别人。至少，不全是。他真正想让你做的，是看清自己。你非理性、你自恋、你戴面具、你有阴影、你嫉妒、你膨胀、你逃避死亡——这些不是缺陷，是人性的出厂设置。\n你看清了这些设置，你就自由了。不是因为它们消失了，是因为你知道它们在那里。你知道它们什么时候会跳出来，什么时候会替你做决定。知道，就有了选择的余地。\n格林在引言里说了一句话，大意是：这本书是对我们物种的一种冷酷的、现实的评估。它不是让人绝望的评估，是让人清醒的评估。\n我在文章开头说，人这个东西，复杂，但也可以简单。现在我要补一句：简单的不是人性本身，是你面对人性的态度。 你越想逃，它越复杂。你越敢看，它越清楚。\n最后一句话，留给格林：\u0026rdquo;通往理性的路，不是消灭情绪，是理解情绪。\u0026rdquo;\n理解，是自由的开始。\n作者：罗伯特·格林《人性的法则》读书笔记\n","permalink":"https://cfo580.cn/article/ren-xing-de-fa-ze-yi-bu-ji-zi-ji-yu-shi-ren-de-xing-shi-heng-yan/","summary":"读完罗伯特·格林《人性的法则》，提炼十八条人性规律。每读一章，照见的不是别人，是自己。","title":"👁️ 读懂人性的18条法则"},{"content":"虑得先生的读书笔记\n稻盛和夫，技术员出身，学的是理工科，一辈子发明新材料、开发新产品，按说跟会计八竿子打不着。可就是这么一个人，在财务会计领域独树一帜，创造出一整套精细而实用的会计原则，让人由衷敬佩。\n他二十七岁创办京瓷，五十二岁创办第二电电，两家公司都进了世界五百强。七十八岁那年，日本政府请他出山救日航。他进了日航一看，大为吃惊：这么一个巨型公司，人才济济，经营层居然不懂会计，也不重视会计。会计报表要迟三个月才出来，出来的也只是些笼统数据。稻盛说，这样的经营者，连一家蔬菜铺也经营不好。\n于是他做了两件事：一是向日航注入经营哲学，二是让干部学习经营的实学——简明的会计原则。不到半年，日航就开始大幅度扭亏为盈。十个月，创造了日航历史上空前的巨额利润。\n这就是《经营与会计》这本书的分量。它不是会计教科书，是一个经营者从战场上悟出来的实学。\n核心：会计七原则 这本书的核心，是\u0026quot;会计七原则\u0026quot;。\n稻盛在序言里写了一句话，像一声断喝：\u0026ldquo;不懂会计怎能经营企业！\u0026ldquo;这话听着刺耳，但他说得恳切。在这混迷的时代，他发自内心大声疾呼。\n七条原则，条条精辟，字字珠玑。它们不是从会计教科书上抄来的，是稻盛在京瓷创业过程中，跟财务部长反复争论、刨根问底，一条一条悟出来的。他经常追问：\u0026ldquo;从经营的立场上应该这么做才对，为什么在财务上却不这样处理？\u0026ldquo;\u0026ldquo;为什么使用这样的票据？\u0026ldquo;直逼会计的本质。\n跟财务部长争论交锋，在规程开头，他把在争论中学到的会计本质称为\u0026quot;从京瓷哲学中诞生的会计思想\u0026rdquo;。\n会计不是记账。会计是经营本身。\n一、现金流经营原则 会计为企业经营服务，就必须以现金为基础。应该回归会计的原点，关注原本最重要的\u0026quot;现金\u0026rdquo;，以此为基础进行正确的经营判断。\n这一点，我在审计行当干了二十多年，体会太深。多少公司账面利润漂亮，现金却干涸了。利润是算出来的，现金是摸得着的。稻盛说得直白：不要等待通过各种会计程序计算出的纸上的\u0026quot;利润\u0026rdquo;，而是根据手上确凿无疑的现金来执掌经营之舵。\n这让我想起明代的晋商。晋商票号遍布天下，靠的是什么？不是账本上的银子，是手里能调动的现银。账本可以做得好看，但挤兑来了，拿不出现银，票号就倒了。现金流是命，其余的，都是故事。\n二、一一对应原则 所谓一一对应，就是物品和金钱流动必须开票，票据随物品和金钱一起流动。钱、物的流动与票据相对应，销售与进货对应，收款与付款对应，账账账证账实要对应。\n这条原则，稻盛说，不仅作为会计处理的方法必须严格遵守，而且它规范了企业及其员工们的行为，在实现玻璃般透明的经营上发挥着重要作用。\n一一对应，说到底是一个\u0026quot;诚\u0026quot;字。一就是一，二就是二。卖了货，就有票据；收了钱，就有记录。中间不能有含糊，不能有暧昧。含糊和暧昧，就是舞弊的温床。\n《中庸》讲\u0026quot;诚者，天之道也；诚之者，人之道也\u0026rdquo;。一一对应，就是诚在会计上的落地。\n三、筋肉坚实的经营原则 稻盛说，企业的发展必须长期坚持，如果要塑造一个本质上强壮的企业，经营者就必须具备坚强的意志，借以克服诱惑：把自己和企业打扮得比实际情况更好看。\n什么叫\u0026quot;筋肉坚实\u0026rdquo;？就是没有赘肉。资产要实，利润要实，家底要实。他讲了几个做法：使用二手设备降低生产成本，坚持健全会计，警惕固定费用的增加，不投机——额头流汗换取的利润才有价值，不做预算制度、即用即买。\n\u0026ldquo;额头流汗换取的利润才有价值\u0026rdquo;，这句话值得刻在每一个经营者的桌上。投机来的钱，来得快，去得也快。靠运气赚的，靠实力亏回去。筋肉坚实的经营，赚的是慢钱，是笨钱，是踏踏实实的钱。\n这让我想起曾国藩。他打仗讲究\u0026quot;结硬寨，打呆仗\u0026rdquo;，不贪快，不取巧，一步一步把营盘扎结实。稻盛的筋肉坚实，就是这个道理在会计上的说法。\n四、完美主义原则 所谓完美主义，是指不允许暧昧和妥协，所有工作都要追求完美，达至每个细节。\n有人会说，人非圣贤，孰能无过？百分之九十九正确不就行了吗？稻盛不同意。即便以完美为目标也做不到差错为零，但绝不能因此认可百分之九十九正确就行。\n在会计上，一分钱对不上，整张报表就有问题。完美主义不是苛求，是会计这个行当的底线。你签了字，就是要对每一个数字负责。\n五、双重确认原则 \u0026ldquo;双重确认\u0026quot;是一种保护性机制，不仅是财务，它保护所有部门的个人，也保护组织，使组织能监控运行。\n这一条，最让我动容的是稻盛对制度设计的理解。他说，制定一项制度的背景，绝不是什么\u0026quot;人不可信\u0026quot;或\u0026quot;性恶说\u0026rdquo;，恰恰相反，制度之下流淌着的，是对人的关爱之情，是不忍让人犯错的善的信念。\n这话说得真好。制度不是用来防人的，是用来保护人的。钥匙和保险柜由两个人分别保管，不是怀疑谁，是不忍心让一个人独自面对诱惑。\n六、提高核算效益原则 企业会计最重要的使命，就是帮助企业提高经济效益。稻盛在京瓷推行\u0026quot;阿米巴经营\u0026quot;，把组织划分为能独立核算的小集团，每个阿米巴都有自己的\u0026quot;单位时间核算\u0026quot;。\n这一条跟前面五条不同。前面五条讲的是\u0026quot;守\u0026quot;，这一条讲的是\u0026quot;攻\u0026quot;。会计不只是记录经营结果，更要驱动经营改善。每一个阿米巴都知道自己花了多少时间、赚了多少钱，每个人都在算账，每个人都在经营。\n让每个人都成为经营者。这是会计的最高境界。\n七、玻璃般透明经营原则 稻盛说，京瓷作为中小企业要在严酷的竞争中获胜，经营者与员工必须由牢固的纽带连接在一起，团结奋斗。为了构建这种相互信赖的关系，必须把公司的处境毫不隐瞒地告诉员工。\n光明正大的财务会计，公司内部的沟通交流，光明正大地公示信息——这些都是玻璃般透明的具体做法。\n一个公司如果账目不清、遮遮掩掩，员工怎么会信任？客户怎么会信任？银行怎么会信任？透明，是最低成本的信任机制。\n良知与科学的结合 七条原则讲完了。但稻盛的书，不止于原则。\n他说，经营者必须具备正确的判断事物的基准，并且这种判断基准要为全体员工所共有。这个基准是什么？就是\u0026quot;作为人，何谓正确\u0026quot;。用王阳明的话说，就是\u0026quot;良知\u0026quot;。\n稻盛做会计判断，不依据会计教科书上的教条，而是追溯到事物的本质，以做人最基本的道德、良心为基础。固定资产折旧年限，税法规定十二年，可这台设备只能用六年，他就要按六年来折旧。不能因为税法的规定，就让不能用的设备继续折旧。\n良知与科学的结合，纯粹的理想主义和彻底的现实主义高度完美的结合。这就是稻盛和夫的哲学和实学。\n回归 我读这本书，最大的感触是两个字：回归。\n回归现金，回归本质，回归做人最基本的道理。稻盛说，凡是都不追求本质，只是跟随所谓的常识，那么就不需要思考判断。不能盲目遵从会计常识和习惯，要有意识地追问\u0026quot;为什么是这样\u0026quot;\u0026ldquo;什么是它的本质\u0026rdquo;。\n会计如此，经营如此，做人亦如此。\n华杉先生讲《资治通鉴》，说历史是\u0026quot;超级案例集\u0026quot;，我们今天遇到的问题和困惑，历史先辈们都遇到过、处理过。稻盛和夫的会计学，也是这样一本\u0026quot;超级案例集\u0026quot;。他不是在教你记账，是在教你如何用数字照见经营的真相。\n不懂会计，怎能经营？懂了会计，还要懂人。懂了人，还要懂天理。\n归根结底，还是那句话：作为人，何谓正确。\n","permalink":"https://cfo580.cn/article/bu-dong-kuai-ji-zen-neng-jing-ying/","summary":"稻盛和夫的会计七原则，不是账本上的教条，是经营者从战场上悟出来的实学。现金流、一一对应、筋肉坚实——每一条都在回答同一个问题：不懂会计，怎能经营企业？","title":"📒 不懂会计，怎能经营？——读稻盛和夫《经营与会计》"},{"content":"虑得先生的读书笔记\n作者：虑得先生\n读过的书，好像没啥用。学过的技能，过段时间就忘了。\n每天的内卷已经精疲力尽，好不容易抽得出时间用于学习，却很难走出0-1，不断在开头部分转圈圈。\n我想，这都是大部分有上进心、愿意提升自己的同学，遇到的共性问题。\n我们学习了很多学习方法：费曼学习法、西蒙分解法、SQ3R阅读法等等，我们又学习了很多记录笔记的方法：卢曼的卡片盒式笔记法、康奈尔笔记法、防弹笔记法、思维导图、PARA法、双链笔记、块引用\u0026hellip;\u0026hellip;\n光倒腾这些额外的知识，就花费了很多时间，还倒腾得半知半解，然后对学习，并没有什么用。\n我们得感谢这个时代，让我们拥有了更好的学习方法。\n以 DeepSeek 为代表的这种大语言模型生成式 AI 的诞生及普惠式的在国民中的普及应用， 给我们的学习找到了一个更好的学习方法—— AI 式学习法。\n我反对 AI 代替人类一说，但人类学会和 AI 共处并领导 AI，是一个确定的路径和趋势。\n赶快收藏起来，我们再不拥抱 AI，别说领导它，被时代抛弃却是招呼都不会打一声。\n我以会计人学习 Python 用于数据分析为例。为什么举这个例子？不为什么，因为这是一个确定的路径和趋势！\n好了，聪明的你，会去网上查找资料，要买什么书、找什么好的视频课程，全部安排，开始！\n嗯，输出“Hello,World!”很简单，输入语句INPUT也还行，哇塞，加减乘除和 EXCEL 没什么区别嘛！我一定能行！\nOMG，if 条件判断、for循环、while循环、索引、数据类型、切片、正则表达式、匿名函数，f 格式化、r 转义字符、自定义函数\u0026hellip;\u0026hellip;\n这些内容让你宕机了，学了也没有成就感，算了，放弃吧！\n回头一看，前后不超过两个星期，成为数据分析师的梦想破裂了。\n你的方法错了！这种线性的、瀑布式的学习方法，适合在学校，在老师的带领下，慢慢浸润。而自学的你，缺少老师、缺少时间、缺少成就感的正向反馈，导致你学什么，都是半途而废。\n这真不是你的原因，这是普遍现象，这是我们为什么待在那80%人群里的根本原因。\n我们在呐喊！我们在愤怒！为什么我们学什么都学不会？！\n开始吧！换一种学习方法。\n其实，这篇文章，我估计100字就能把 AI 式学习方法写明白，但到这里才开始，就是因为它太简单了，我怕只写100字，大家不够重视，认为它是假把式 :-)\n学习任何一项新技术，别拿着书、看着视频教程从头开始。\n拿学习 Python 数据分析来说，找一张你最常用的 EXCEL 表，把工作中最常用的一个内容，打开电脑、打开 Python 编辑器，开始！\n怎么把 EXCEL 里的数据导入到 Python？很好，这就是你遇到的第一个问题，别光自己想、自己去查书。就把第一句话，敲给 AI ，它会给出答案。\n哦，原来，Python 用于数据分析的是一个叫 Pandas 的库，怎么安装它，怎么引用它，AI 都有执行步骤给出，你就照着做。\n第二个问题来了，要在数据表中增加一列，用于计算。这个问题，抛给 AI 的时候，要讲详细一些：我有一张 EXCEL 表，其中有哪些列用于进行什么样的计算，计算结果要放在一个新列中，新列的名称叫什么。\n第三个问题来了，我要筛选什么数据、进行什么操作，像上面一样讲细一些，抛给 AI 。\n\u0026hellip;\u0026hellip;\n把你的工作内容，分解成一个一个步骤，用最详细的话语，讲给 AI，然后，相信它，执行它给出的答案。这就是 AI 式学习法。\n太简单了，浪费我这么多时间来看你的内容。\n别急，最最重要的一点来了！不会浪费。\n当你把整个工作内容在 Python 上实现了，关掉 AI ，保存并关掉之前的代码，把它们重敲一次，你会发现，你原来认为懂的，现在却写不出来了。没关系，打开之前的代码，再理解一遍，再敲一遍，如此这般重复，直到你烂熟于心。再按这方法去弄下一个工作内容。\n重复10多次，这段代码所涉及的知识点，肯定形成肌肉记忆了。\n这种方法，能立马解决工作上的难题，能有成就感，能有正向反馈，能保持兴趣，能容易坚持。\n那，还有什么学不会的？\n顺祝，一切顺利！\n","permalink":"https://cfo580.cn/article/paoqi-feiman-yongbao-ai/","summary":"别再线性啃书了：用 AI 式学习法，从你最熟悉的工作场景出发，把问题一个个抛给 AI，边用边学，练一个用一个。","title":"🧠 抛弃费曼学习法，拥抱AI 式学习法"},{"content":"转载于网络，作者：领导者管理笔记\n最近我重读了张一鸣在字节跳动早期的几次内部讲话，尤其是关于人才招聘的那一部分。在如今这个极度内卷、每个人都在谈论\u0026quot;红利消失\u0026quot;的时代，重读这些文字，是为了寻找一种穿越周期的力量。\n很多创业者来找我咨询，开口就是：\u0026ldquo;张老师，我的战略很清晰，但就是没人落地。\u0026ldquo;或者抱怨：\u0026ldquo;现在的年轻人，太难管了。\u0026rdquo;\n我通常会反问一句：\n\u0026ldquo;你招的是打工的，还是和你一起打仗的？\u0026rdquo;\n张一鸣有一句话，我看得很重：\u0026rdquo;我招的不是员工，是CEO的预备役。\u0026rdquo;\n这句话如果不理解透，你永远学不会字节跳动的组织效率。所谓的\u0026quot;字节范儿\u0026quot;，所谓的APP工厂，背后的核心代码不是推荐算法，而是人。\n张一鸣判断人才的这五个标准，很多人看过，甚至背得下来。但大多数人只看到了皮毛，没看到这里面暗藏的组织进化的底层逻辑。今天，我想剥开这层洋葱，用管理的视角，结合我这些年对商业和人性的观察，深度拆解这五个标准。你会发现，第一个标准，就足以把90%的人挡在门外。\n01 认知的贫穷，是最大的贫穷 张一鸣把**\u0026ldquo;高认知能力\u0026rdquo;**放在第一位，这绝不是巧合。\n在传统的招聘里，我们看学历、看履历、看经验。这些重要吗？重要。但它们只是过去时的\u0026quot;存量\u0026quot;。在指数级变化的互联网时代，存量不值钱，变量才值钱。而决定一个人变量大小的，就是认知能力。\n什么是高认知？不是你读了多少书，也不是你会算多复杂的数学题。\n高认知，是看透事物本质的能力，是在极度不确定的环境中，迅速建立模型、找到最优解的能力。\n查理·芒格一辈子都在推崇\u0026quot;多元思维模型\u0026quot;，马斯克把\u0026quot;第一性原理\u0026quot;挂在嘴边，其实说的都是同一件事：剔除噪音，直击核心。\n我在很多企业做顾问时发现，庸才和人才最大的区别，不在于勤奋程度。庸才往往更勤奋，他们用战术上的勤奋来掩盖战略上的懒惰。\n他们遇到问题，第一反应是\u0026quot;怎么做\u0026quot;，是调动过往的经验去套用；而高认知的人，第一反应是\u0026quot;是什么\u0026quot;和\u0026quot;为什么\u0026quot;，他们会退后一步，审视问题的边界，甚至重构问题本身。\n张一鸣为什么能做成今日头条？\n当时巨头林立，没人看好。因为在别人眼里，新闻是\u0026quot;编辑\u0026quot;出来的，而在张一鸣的认知里，信息的本质是\u0026quot;分发\u0026quot;和\u0026quot;匹配\u0026quot;。认知的维度不一样，竞争的层面就不一样。这就像三维世界的人打二维世界，是降维打击。\n所以，招聘时，如果一个人对我说：\u0026ldquo;我过去做成了什么\u0026rdquo;，我通常只听一半。我要看的是，他做成这件事，是因为运气、平台红利，还是因为他洞察了某种逻辑？如果把平台抽走，把运气拿掉，他还能不能在废墟上重建帝国？\n甚至可以说，只要认知到位，技能是可以被快速压缩学习的。\n一个具备CEO视角的人，去学一个新的营销工具，可能只需要三天；但一个只盯着手里铁锤的人，你给他讲三年战略，他也只会觉得那是画大饼。\n这就解释了为什么张一鸣说第一个标准就淘汰了大部分人。因为大多数人，终其一生，都活在\u0026quot;由于惯性而做\u0026quot;的思维里，从未真正开启过\u0026quot;深度思考\u0026quot;的开关。\n02 自驱力：心中的那团火，不仅要热，还要长 有了认知，还得有引擎。这第二个标准，是**\u0026ldquo;强烈的自驱力\u0026rdquo;**。\n注意，是\u0026quot;强烈\u0026quot;。\n德鲁克大师说过，管理者的任务，不是去改变人，而是运用人的长处。但有一点是管理很难改变的，那就是一个人的\u0026quot;心力\u0026quot;。\n很多老板喜欢用KPI、用OKR、用奖金去驱动员工。这在工业时代没问题，但在创意时代、在知识经济时代，外在的激励往往也是\u0026quot;边际效应递减\u0026quot;的。\n真正的自驱力，不是为了老板干，不是为了钱干，甚至不是为了KPI干。那是为了满足自己内心某种对于卓越的渴望，对于\u0026quot;把事情做成\u0026quot;的执念。\n稻盛和夫把人分为三种：自燃型、可燃型、不燃型。张一鸣要的，就是那种不需要拿鞭子抽，自己就会在那儿熊熊燃烧的\u0026quot;自燃型\u0026quot;人才。\n这种人，通常不满足于现状。他们看世界总觉得\u0026quot;不够好\u0026quot;，看自己的作品总觉得\u0026quot;还能更好\u0026quot;。这种不满足感，就是他们的燃料。\n就像乔布斯当年对着麦金塔团队大吼大叫，一定要把电路板排得像艺术品一样。用户看得到吗？看不到。但他自己哪怕闭着眼睛也看得到。这就是自驱力。\n在字节跳动的语境里，这种自驱力还体现在对\u0026quot;长期主义\u0026quot;的坚守上。张一鸣自己就是延迟满足感的信徒。一个自驱力强的人，往往能忍受短期的寂寞、误解甚至失败，因为他心中的目标在远方。\n我也常告诫很多管理者：如果你发现你需要花大量时间去\u0026quot;哄\u0026quot;一个员工干活，去给他做心理按摩，那大概率是你招错人了。优秀的CEO预备役，他们的心理能量是向外输出的，去解决问题，去感染别人，而不是向内塌陷，等着别人来填补。\n03 对抗熵增的唯一武器：开放与学习 第三点，\u0026ldquo;开放与学习的心态\u0026rdquo;。这点听起来老生常谈，但在我看来，这是对抗组织\u0026quot;熵增\u0026quot;的唯一武器。\n任何一个系统，封闭久了，都会走向无序和混乱，这就是热力学第二定律，也就是熵增。人也一样。\n随着一个人职位越来越高，经验越来越丰富，他面临的最大敌人就是\u0026quot;经验主义\u0026quot;和\u0026quot;自我防卫\u0026quot;。\n我见过太多高管，名校毕业，履历光鲜，但聊上十分钟你就会发现，他的杯子是满的。他忙着证明自己是对的，忙着维护自己的权威，对于新的信息、反对的声音，本能地排斥。\n这就是\u0026quot;封闭\u0026quot;。\n而在张一鸣的定义里，优秀的人必须能够\u0026quot;Unlearn\u0026quot;——把学过的东西忘掉，清空自己。\n字节跳动为什么能从图文跨越到短视频，再跨越到电商、本地生活？因为这个组织没有\u0026quot;包袱\u0026quot;。他们不觉得\u0026quot;我以前是做新闻的，我就不能做视频\u0026quot;。\n**这种开放，本质上是一种极度的诚实。**诚实地面对数据，诚实地面对用户反馈，诚实地面对自己的无知。\n任正非讲\u0026quot;自我批判\u0026quot;，达利欧（Ray Dalio）讲\u0026quot;极度求真\u0026quot;，张一鸣讲\u0026quot;开放心态\u0026quot;。大佬们的底层逻辑是通的。在这个知识半衰期只有几年的时代，你过去的成功经验，很可能就是你明天掉进去的坑。\n所以，我看人，特别喜欢看他是如何面对错误的。当一个错误发生，他是忙着甩锅、解释，还是眼睛放光地研究\u0026quot;这个错误是怎么发生的\u0026quot;？后者，才是具备顶级学习能力的人。他们把世界看作一个巨大的数据库，每个人、每件事都是训练自己认知的素材。\n04 务实乐观：在泥泞中仰望星空 第四个标准，\u0026ldquo;务实乐观\u0026rdquo;。\n这四个字，其实是两层意思，甚至是矛盾的。\n\u0026ldquo;务实\u0026rdquo;，意味着你要看清现实的残酷，要承认数据的灰暗，要像曾国藩那样\u0026quot;结硬寨，打呆仗\u0026quot;，一步一个脚印。\n\u0026ldquo;乐观\u0026rdquo;，意味着在看清了所有的不如意之后，依然相信未来，依然有那种\u0026quot;虽千万人吾往矣\u0026quot;的豪情。\n把这两者结合起来，就是吉姆·柯林斯在《从优秀到卓越》里提到的**\u0026ldquo;斯托克代尔悖论\u0026rdquo;**。\n单纯的乐观主义者，容易死在黎明前的黑夜，因为他们总是幻想\u0026quot;圣诞节前战争就会结束\u0026quot;，结果一次次失望，最终心力枯竭。单纯的悲观主义者（或者所谓的极端务实者），往往不敢出发，被困难吓死在起跑线上。\n张一鸣要的，是那种\u0026quot;理性而浪漫\u0026quot;的人。\n回想字节跳动刚做今日头条的时候，BAT把流量入口把持得死死的。理性的分析，这事儿没戏。但张一鸣是务实乐观的。务实在于，他没有硬碰硬，而是选择了算法推荐这个当时并不拥挤的技术赛道，一行代码一行代码地写；乐观在于，他坚信信息的自由分发是未来的趋势，坚信算法的力量终将改变世界。\n在企业里，这种人是定海神针。\n当团队遇到重大挫折，士气低落时，他能站出来说：\n\u0026ldquo;伙计们，情况很糟糕，数据掉了30%，这是事实（务实）。但是，我也看到了新的机会点，只要我们调整策略，三个月内能翻盘（乐观）。\u0026rdquo;\n这种能力，其实就是领导力的雏形。领导者，就是那个在黑暗中指出微光，并且带着大家踩着泥泞走过去的人。\n05 同理心与协作：降低系统的交易成本 最后一点，\u0026ldquo;同理心与协作能力\u0026rdquo;。\n很多人把同理心理解为\u0026quot;老好人\u0026quot;，或者是\u0026quot;情商高、会说话\u0026quot;。这就太浅了。\n在商业和组织管理中，同理心的本质是降低交易成本。\n如果一个组织里的人，都以自我为中心，每个人都只守着自己的一亩三分地，沟通就像在甚至像在\u0026quot;谈判\u0026quot;，那这个组织的内耗（交易成本）就会高得惊人。\n张一鸣推崇\u0026quot;Context, not Control\u0026quot;（情境，而非控制）。你要给员工充分的上下文，而不是简单的指令。这要求管理者必须具备极强的同理心：你要站在对方的角度，去理解他需要什么信息，他面临什么困难，他的痛点在哪里。\n同理心也是做产品的核心能力。你能不能秒变\u0026quot;小白用户\u0026quot;？你能不能感受到用户在点击那个按钮时的犹豫和焦虑？没有同理心，做出来的产品就是工程师的自嗨。\n至于协作能力，在字节这种强调\u0026quot;网状结构\u0026quot;而非\u0026quot;科层制\u0026quot;的公司里，尤为重要。这里没有森严的等级，你的影响力不来自你的头衔，而来自你能调动多少资源，你能和多少人达成共识。\n一个缺乏协作能力的人，哪怕个人能力再强，也就是个\u0026quot;孤胆英雄\u0026quot;。在现代商业战争中，特种兵固然重要，但打赢战争靠的是大兵团作战。\n我看过很多才华横溢的年轻人，因为傲慢，因为缺乏对人性的理解，最后在组织中处处碰壁，变成了\u0026quot;怀才不遇\u0026quot;的愤青。这很可惜。懂事、懂人、懂局，这也是一种高级的认知。\n结语：人人都是CEO 写到这里，我想回到开头那句话。\n张一鸣说他招的是\u0026quot;CEO的预备役\u0026quot;。这不仅仅是对候选人的要求，更是对组织文化的定义。\n当我们用这五个标准——高认知、自驱力、开放学习、务实乐观、同理协作——去审视自己时，你会发现，这其实是一条极其艰难的修行之路。\n这五条，每一条都在反人性。人性是懒惰的、封闭的、短视的、自私的。而要成为顶尖的人才，成为那个\u0026quot;CEO\u0026quot;，你就必须逆流而上，必须不断地自我进化。\n在这个时代，如果你还把自己定位成一个\u0026quot;出卖时间的打工者\u0026quot;，那你注定会被算法替代，被更廉价的劳动力替代。\n真正的安全感，不来自稳定的工作，而来自你是否具备了**\u0026ldquo;在这个不确定的世界上，像CEO一样思考和行动\u0026rdquo;**的能力。\n无论你现在身处什么岗位，请试着把这五把尺子拿出来，量一量自己。也许，那个更广阔的世界，就在你改变思维的那一刻，悄然打开。\n","permalink":"https://cfo580.cn/article/zhang-yi-ming-wo-pan-duan-ren-cai-de-5-ge-biao-zhun-di-1-ge-jiu-tao-tai-le-da-bu-fen-ren/","summary":"张一鸣在字节跳动早期的内部讲话，关于人才招聘的五个标准：高认知、自驱力、开放学习、务实乐观、同理协作。第一条就淘汰了大部分人。","title":"🎯 张一鸣：我判断人才的5个标准，第1个就淘汰了大部分人"},{"content":"1. 列别名（Column Alias）速查表 SQL 子句 能否定义列别名？ 能否使用列别名？ 说明 SELECT ✅ 能 ✅ 能 唯一拥有定义列别名权限的子句 WHERE ❌ 不能 ❌ 不能 执行在 SELECT 之前，别名尚未生成 GROUP BY ❌ 不能 ❌ 不能 执行在 SELECT 之前 HAVING ❌ 不能 ✅ 能 (SQLite支持) 仅能使用 SELECT 中已定义的别名 ORDER BY ❌ 不能 ✅ 能 执行在 SELECT 之后，可直接使用别名 2. 表别名（Table Alias）速查表 定义位置 语法示例 说明 FROM 子句 FROM Orders AS o 最常见的定义位置 JOIN 子句 JOIN Customers AS c ON ... 多表连接时简化表名 子查询（派生表） FROM (SELECT ...) AS t 必须定义别名，否则报错 CTE（WITH 语句） WITH my_table AS (...) CTE 名称即为表别名 UPDATE 语句 UPDATE Orders AS o SET ... ⚠️ SQLite 中通常省略 AS，直接写 Orders o DELETE 语句 DELETE FROM Orders AS o WHERE ... 简化多表关联删除 3. SQL 逻辑执行顺序与别名权限 数据库实际执行的顺序如下：\nFROM / JOIN：加载表，可定义表别名 WHERE：过滤原始行（❌ 不能用列别名） GROUP BY：数据分组 HAVING：过滤分组结果（✅ 可用列别名） SELECT：提取列，定义列别名 ORDER BY：排序（✅ 可用列别名） 4. 常见避坑指南 雷区 1：在 WHERE 中使用列别名（如 WHERE total \u0026gt; 100），会报 Unknown column 错误。 雷区 2：在 HAVING 中定义别名（如 HAVING COUNT(*) AS cnt \u0026gt; 10），语法错误。 雷区 3：定义了表别名后，在查询中混用原表名（如 FROM Orders AS o WHERE Orders.id = 1），会报错。 雷区 4：子查询作为派生表时忘记起别名，如 FROM (SELECT ...)，必须加上 AS t。 5. 核心口诀 列别名：SELECT 定，HAVING / ORDER BY 用，WHERE 绝对碰不得。 表别名：FROM / JOIN / 子查询 / CTE 都能定，一旦定了原表名就作废。 ","permalink":"https://cfo580.cn/article/sql-bie-ming-yu-zhi-xing-shun-xu-su-cha-biao/","summary":"\u003ch2 id=\"1-列别名column-alias速查表\"\u003e1. 列别名（Column Alias）速查表\u003c/h2\u003e\n\u003ctable\u003e\n\t\u003cthead\u003e\n\t\t\t\u003ctr\u003e\n\t\t\t\t\t\u003cth style=\"text-align: left\"\u003eSQL 子句\u003c/th\u003e\n\t\t\t\t\t\u003cth style=\"text-align: left\"\u003e能否定义列别名？\u003c/th\u003e\n\t\t\t\t\t\u003cth style=\"text-align: left\"\u003e能否使用列别名？\u003c/th\u003e\n\t\t\t\t\t\u003cth style=\"text-align: left\"\u003e说明\u003c/th\u003e\n\t\t\t\u003c/tr\u003e\n\t\u003c/thead\u003e\n\t\u003ctbody\u003e\n\t\t\t\u003ctr\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e\u003ccode\u003eSELECT\u003c/code\u003e\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e✅ 能\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e✅ 能\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e唯一拥有定义列别名权限的子句\u003c/td\u003e\n\t\t\t\u003c/tr\u003e\n\t\t\t\u003ctr\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e\u003ccode\u003eWHERE\u003c/code\u003e\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e❌ 不能\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e❌ 不能\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e执行在 SELECT 之前，别名尚未生成\u003c/td\u003e\n\t\t\t\u003c/tr\u003e\n\t\t\t\u003ctr\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e\u003ccode\u003eGROUP BY\u003c/code\u003e\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e❌ 不能\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e❌ 不能\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e执行在 SELECT 之前\u003c/td\u003e\n\t\t\t\u003c/tr\u003e\n\t\t\t\u003ctr\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e\u003ccode\u003eHAVING\u003c/code\u003e\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e❌ 不能\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e✅ 能 (SQLite支持)\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e仅能使用 SELECT 中已定义的别名\u003c/td\u003e\n\t\t\t\u003c/tr\u003e\n\t\t\t\u003ctr\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e\u003ccode\u003eORDER BY\u003c/code\u003e\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e❌ 不能\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e✅ 能\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e执行在 SELECT 之后，可直接使用别名\u003c/td\u003e\n\t\t\t\u003c/tr\u003e\n\t\u003c/tbody\u003e\n\u003c/table\u003e\n\u003ch2 id=\"2-表别名table-alias速查表\"\u003e2. 表别名（Table Alias）速查表\u003c/h2\u003e\n\u003ctable\u003e\n\t\u003cthead\u003e\n\t\t\t\u003ctr\u003e\n\t\t\t\t\t\u003cth style=\"text-align: left\"\u003e定义位置\u003c/th\u003e\n\t\t\t\t\t\u003cth style=\"text-align: left\"\u003e语法示例\u003c/th\u003e\n\t\t\t\t\t\u003cth style=\"text-align: left\"\u003e说明\u003c/th\u003e\n\t\t\t\u003c/tr\u003e\n\t\u003c/thead\u003e\n\t\u003ctbody\u003e\n\t\t\t\u003ctr\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e\u003ccode\u003eFROM\u003c/code\u003e 子句\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e\u003ccode\u003eFROM Orders AS o\u003c/code\u003e\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e最常见的定义位置\u003c/td\u003e\n\t\t\t\u003c/tr\u003e\n\t\t\t\u003ctr\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e\u003ccode\u003eJOIN\u003c/code\u003e 子句\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e\u003ccode\u003eJOIN Customers AS c ON ...\u003c/code\u003e\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e多表连接时简化表名\u003c/td\u003e\n\t\t\t\u003c/tr\u003e\n\t\t\t\u003ctr\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e子查询（派生表）\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e\u003ccode\u003eFROM (SELECT ...) AS t\u003c/code\u003e\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e\u003cstrong\u003e必须\u003c/strong\u003e定义别名，否则报错\u003c/td\u003e\n\t\t\t\u003c/tr\u003e\n\t\t\t\u003ctr\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003eCTE（WITH 语句）\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e\u003ccode\u003eWITH my_table AS (...)\u003c/code\u003e\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003eCTE 名称即为表别名\u003c/td\u003e\n\t\t\t\u003c/tr\u003e\n\t\t\t\u003ctr\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e\u003ccode\u003eUPDATE\u003c/code\u003e 语句\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e\u003ccode\u003eUPDATE Orders AS o SET ...\u003c/code\u003e\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e⚠️ SQLite 中通常省略 \u003ccode\u003eAS\u003c/code\u003e，直接写 \u003ccode\u003eOrders o\u003c/code\u003e\u003c/td\u003e\n\t\t\t\u003c/tr\u003e\n\t\t\t\u003ctr\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e\u003ccode\u003eDELETE\u003c/code\u003e 语句\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e\u003ccode\u003eDELETE FROM Orders AS o WHERE ...\u003c/code\u003e\u003c/td\u003e\n\t\t\t\t\t\u003ctd style=\"text-align: left\"\u003e简化多表关联删除\u003c/td\u003e\n\t\t\t\u003c/tr\u003e\n\t\u003c/tbody\u003e\n\u003c/table\u003e\n\u003ch2 id=\"3-sql-逻辑执行顺序与别名权限\"\u003e3. SQL 逻辑执行顺序与别名权限\u003c/h2\u003e\n\u003cp\u003e数据库实际执行的顺序如下：\u003c/p\u003e","title":"🏷️SQL 别名与执行顺序速查表"},{"content":"作者：虑得先生\n我见过太多人想建个自己的网站，先被\u0026quot;需要学 HTML\u0026quot;劝退，再被\u0026quot;要买服务器\u0026quot;吓跑，最后不了了之。\n其实现在有一种工具，能让你像写笔记一样建站——Hugo。\n不用写代码，不用买数据库，不用管服务器维护。你只要会打字，它就会自动帮你生成一个完整的网站。\nHugo 能干什么？\n建一个个人网站，写文章、工作笔记、读书笔记 建一个公司官网，展示服务和案例 给孩子建一个作文本 / 学习记录站 做成在线简历、作品集 说白了，它就是一个\u0026quot;把 Markdown 笔记变成网站\u0026ldquo;的免费工具。速度快、不花钱、不会被黑。代价是——你要花半小时学一下基本操作。\n今天就手把手带你走一遍。\n第一步：下载安装 Hugo 1. 去官网下 打开 https://gohugo.io ，点导航栏的 Docs，往下翻找到 Installation，点进去。\n选 Windows，再往下翻找到 Prebuilt binaries，点那个蓝色的 latest release。\n（这里会跳到一个 GitHub 页面，有点难进，多试几次。）\n进到 GitHub 页面后，疯狂往下翻，找到 Assets 部分。等它加载完，找到：\nhugo_extended_0.166.0_windows-amd64.zip 下载它。下载可能比较慢，要有耐心。\n2. 解压到固定目录 下载下来是一个 zip 压缩包，解压到一个你记得住的位置。比如：\nD:\\hugo 别放 C 盘，后面方便管理。解压后你会看到一个 hugo.exe 文件——这就是 Hugo 本体。\n第二步：学会几个 DOS 命令 别被这个名字吓到。DOS 就是 Windows 的命令行界面，简单得很。\n打开命令行 按 Win + R，输入 cmd，回车。就打开了命令提示符。\n必学的 5 个命令 命令 作用 cd 文件夹名 进入子目录 cd .. 返回上级目录 cd \\ 回到根目录 dir 显示当前目录下所有文件 hugo version 验证 Hugo 是否安装成功 所有命令输完后按回车执行。就这么简单。\n配置环境变量（重要） 不配置的话，命令行里找不到 hugo 命令。步骤如下：\n按 Win + R，输入 sysdm.cpl，回车 点 \u0026ldquo;高级\u0026rdquo; 选项卡 → \u0026ldquo;环境变量\u0026rdquo; 在\u0026quot;系统变量\u0026quot;里找到 Path，点编辑 点 \u0026ldquo;新建\u0026rdquo;，输入你解压 Hugo 的路径，比如 D:\\hugo 一路确定保存 配置好后，重新打开 cmd，输入 hugo version，显示版本号就说明装好了。\n第三步：新建你的第一个网站 在 cmd 里，先进入你的 hugo 目录：\ncd D:\\hugo hugo new site blog 这里的 blog 是网站名字，要用英文。执行完后，你会在 D:\\hugo 下看到一个 blog 文件夹——这就是你的网站根目录。\n第四步：选一个主题 Hugo 本身是个空壳，需要主题来美化。主题都挂在 https://themes.gohugo.io 上。\n挑一个顺眼的，下载下来。下载后：\n把主题文件夹整体放到 blog/themes/ 下 如果文件夹名带 -master 后缀，记得删掉 主题文件夹里一般有个 exampleSite 子目录，里面有 content、static、config.toml 把这三个复制到你 blog 根目录下（全部选替换） config.toml 就是整个网站的配置主文件，后面要用到。\n第五步：跑起来看看 在 cmd 里，进入你的网站目录：\ncd D:\\hugo\\blog hugo server 命令执行后会输出一大堆信息，里面找这样一行：\nWeb Server is available at http://localhost:1313/ 把这个地址复制到浏览器，回车——你的第一个网站就跑起来了。\n注意：这个 cmd 窗口不能关，也不能按 Ctrl+C。关了网站就停了。\n写完文章怎么发出去？ hugo server 只是本地预览。要正式发布，需要构建：\nhugo 执行后会在 public 文件夹生成所有静态文件。把这个文件夹传到你的服务器，就完事了。\n这也是 Hugo 最大的优势——生成的全是静态文件，扔到哪都能跑，不用担心数据库、不用担心漏洞、不用担心服务器崩溃。\n写在最后 半小时内，你就有了一个能跑的网站。剩下的事，就是往里填内容。\n对会计人来说，Hugo 特别好用——你本来就在用 Markdown 写笔记、写方案、写给客户看的文档。现在只要加个主题，这些内容就成了你的个人网站。\n最最重要的，不是工具多厉害，而是你写的是什么。\n优质内容，才是网站的灵魂。\n（本文由虑得先生原创，首发于 cfo580.cn ）\n","permalink":"https://cfo580.cn/article/hua-le-ban-tian-zhe-teng-jian-zhan-shi-shi-zhe-ge-mian-fei-gong-ju-30-fen-zhong-gao-ding-ni-de-di-yi-ge-wang-zhan/","summary":"不用写代码、不用买服务器、不用管数据库——Hugo 就是一个把 Markdown 笔记变成网站的免费工具。对会计人来说，它更是搭建个人知识站、沉淀专业内容的最低成本路径。","title":"🌐 花了半天折腾建站？试试这个免费工具，30分钟搞定你的第一个网站"},{"content":"会计人做汇报、做培训、做路演，往往不缺专业内容，缺的是把内容讲进听众心里的表达能力。以下三个关键点，决定了你的表达能不能立住。\n一、开场 30 秒——不讲笑话、不寒暄，直接给出「赋能承诺」 开场 30 秒，不要讲笑话，不要寒暄，直接给观众做出「赋能承诺」。\n二、时间隧道法——循环渐进，不要妄图一次性讲通一个复杂观点 时间隧道法：循环渐进，不要妄图一次性讲通一个复杂的观点。每 10—15 分钟一个循环，设置一个休息点，讲些笑话活跃一下气氛。\n三、结尾留下终极印象——重复核心观点 结尾要留下终极印象，重复核心观点。\n","permalink":"https://cfo580.cn/article/kuai-ji-ren-biao-da-de-san-ge-guan-jian-dian/","summary":"会计人往往不缺专业，缺的是把专业讲进听众心里的能力。三个关键点：开场直接给「赋能承诺」、中段用时间隧道法循环渐进、结尾重复核心观点。","title":"🗣️会计人表达的三个关键点"},{"content":"虑得先生的读书笔记\n这里只记录理论部分，实操部分还是得看书。\n每个人的人生其实都可以被设计。\n他举了两个人，一个是写《了凡四训》的袁了凡，一个是曾国藩。这两个人虽处不同的时代，但设计人生的方法如出一辙。首先是制定目标，然后拆解目标，然后定期复盘，然后持续迭代，然后人生改命。\n成功绝非偶然，而是长期坚持使用一套系统方法后，必然产生的结果。\n很多人不知道努力的方向在哪里，这并非因为我们知识匮乏，而是因为我们被困在碎片化信息的洪流中，缺少一套能真正指导人生的行动系统。\n人生系统的核心理念其实可以用一个词来概括，叫标准作业流程，即 SOP。它强调以系统化思维，将人生的每一件事都彻底拆解为流程化的步骤。它能让你的每一次思考都条理清晰，每一次行为都推动你迈向理想的生活。这段内容和写 Obsidian 的作者概念一致。\n什么叫成长？朝着自己理想的生活持续前进，就是成长。这句话中有三个关键词，理想、前进、持续。它们背后分别对应着有目标、有行动、有复盘这三件事。这三件事说起来简单，做起来却不容易。\n我们的生活太琐碎，注意力无法长时间集中，接受的都是碎片化信息。做过的事情确实很多，但没有一件足够深入，足够留下清晰完整的印象。\n我们陷入一个致命的恶性循环，接收过多无关信息，无法聚焦目标。不知该怎么做，开始盲目忙碌或逃避，行动失败，缺少复盘，生活缺乏正反馈。内耗混乱，这才是我们无法持续成长的真正原因，不是信息太少，而是缺乏处理信息的系统。\n存储是思考的起点。\n信息的相关性远比信息的数量重要，唯有那些能够助力你达成目标的信息，才堪称高价值信息，而绝大多数碎片化信息与你的目标往往毫无关系。\n即使你偶然发现了那些有助于推进目标的信息，倘若你不懂得如何存储、分析，并基于此做出合理决策，那么这些信息的价值终究也将归零。\n从学校毕业进入社会后，游戏规则变了。没有人再替你设定目标，也没有人告诉你实现目标的路径，全都要靠你自己去找，找到后再去努力执行。但现状是，绝大多数人延续着学生时代的思维，不去找方向，甚至默认它不存在，所以选择躺平，或者选择和别人挤在同一条赛道上内卷。\n没办法深度思考，就构建不出自己的判断逻辑，自然就做不了决策。\n但方向的选择本质上还是一个信息长期输入、内化、分析、决策，再不断修正的系统过程。\n有效的努力。的评估标准只有一个，那就是看你能否以最快的速度推进目标的实现。\n努力这件事的最优化就是把信息管理的四个阶段做到极致。第一，接收最优质的信息，第二，尽可能多的将其存进大脑。第三，尽可能全面理解信息。第四，做出最利于目标实现的行动决策，不断重复这四个阶段，直至目标实现。\n努力这个概念实际上有一个极其隐蔽的副作用，它会让你养成惰性归因的习惯。每当事情没做好，一句 \u0026ldquo;我已经很努力了\u0026rdquo; 或者 \u0026ldquo;下次再努力一点就行了\u0026rdquo;，就足以完成一次心理上的自我安慰。你以为自己找到了原因，但行动模式并没发生任何改变，所以无论多努力，最终都无济于事。\n惰性归因的反面是理性思考。一件事情没做成，是因为一开始的目标不够合理，还是实现路径越走越偏，或者是没有找到足够的资源，这些才是决定成败的关键。一旦你习惯了用努力做遮羞布，就不会再有动机去深度思考这些问题，最后只能在原地打转。目标实现的关键在于我错在哪一步，而不是我到底够不够努力。只有对问题精准定位，输入不一样的信息，才可能带来不一样的行动决策，最终使结果发生改变。\n过度强调努力本身可能成为有害的概念，它可能让你忽略目标，在错误的方向上用尽蛮力，还让你养成惰性归因的习惯。真正的成长路径只有一条，那就是用正确的方法，不断做出更高质量的决策。这一切的底层能力都是信息管理。\n时间管理是一个很容易让人误解的概念。实际上，时间一直都存在，我们能管理的是自己的选择，选择把什么事安排在每天的时间中。\n类似《高效能人士的 7 个习惯》、《搞定》等书，很多人都读过这些书，但关键在于如何将书中的内容付诸实践。\n对人生的掌控感不是某种心理状态，而是一种可以习得的系统性能力。\n标准意味着结果可以预期，能被反复实现。作业流程意味着每一步足够小，小到你看一眼就知道该怎么做，几乎没有思考成本，拖延自然也就不会发生了。\n一旦系统建立起来之后，每一次执行 SOP，就像在滚雪球，它不需要任何爆发力，只要和时间做朋友，持续推进，自然就能取得成果。\n系统化思维的反面是线性思考：用一因一果的方式来理解世界。\n认清世界的复杂性是持续进步的第一步。既然线性思维不能帮助你看清世界，你就需要寻求更高级的思维方式。你可能听说过结构化思维，但还有一种思维方式叫做系统化思维。\n系统化思维的核心价值在于，不是一次性解决问题，而是让你在问题的不同阶段都能看清本质，并持续找到最适合当前状态的路径。人生系统的构建，本质上就是用系统化思维，不断识别生活中最有价值的资源，构建出当前目标的最优实现路径。通过完成一个又一个阶段性的目标，最终走向你定义的理想人生。\n什么是系统？参考《系统之美》这本书中的定义，一个由相互连接的要素组成的，能够实现某个目标的整体，被称为系统。\n人生是需要被系统化管理的，这是很多人意识不到的，也是拉开人和人之间差距的关键。管理人生和经营公司几乎没有区别，如果你没有明确的目标、反馈、调整和流程控制，就算偶尔凭运气能取得一点成绩，长期的成长和进步也基本和你无关。\n如果你想真正理解这个系统，就必须弄明白更多看不见的东西：这些要素之间的连接规则。\n信息系统的最大价值，帮你持续优化 SOP。通过记录每一次的输入与输出，观察动作与结果的因果关系，你才能判断哪些动作该保留，哪些步骤该酸减，哪些方法该升级，从而让你从无意识的重复行为进入有意识的持续进化。只有这样，人生的这套系统才能持续进步，实现更有挑战性的目标。\n构建人生系统，就是做以下三件事：\n构建基础的 SOP，通过生活流程化实现产出结果的稳定。 设计一套信息系统，记录每一次的执行动作。 根据记录的数据持续复盘优化，让流程产出的结果更稳定，更契合目标的实现。 目标拆解不是形式主义，而是构建实现路径的关键动作。它的本质是寻找实现目标的最短路径。\n你设定的目标往往是此前从未做过的事情，你对其知识结构、执行路径和关键要素几乎毫无了解，所以我们要调研。而且是结构化的全面调研。\n调研的目的不是掌握全面的知识体系，而是知道该怎么起步，搭建出一套能让你正确行动的知识框架。\n核心要素是什么？执行步骤如何拆解？优先级该如何排序？\n调研的起点不是搜集信息，而是识别你真正需要解决的问题。\n只有将精力集中在那些能够帮助你解决问题的学习上，你的时间价值才能最大化。\n学习本身并不能直接让你成长，只有通过解决一个个具体的问题，实现一个个更难的目标，才能真正实现成长。\n落地执行的关键不是追求做事的数量，而是确保做完关键的事，让自己始终总在正确的方向上，从而实现目标的持续推进。\n落地系统并不是指复杂的软件和工具，而是你是否能够清晰的回答以下三个问题。\n你当前阶段的项目有哪些？ 为了实现这些项目，你最近需要推进哪些任务？ 你今天的行动安排是否在推进这些任务的落实？ 解决办法也并不复杂，就是建立项目、任务、时间之间的清晰关系。\n待办事项和目标的推进无关。\n习惯行为是指你希望长期坚持的行为模式，比如每天的锻炼、写作。他们不直接浮于某一个目标，但从长期来看能增强你人生系统的稳定性。\n复盘是成长的起点，它不是简单回顾我做了什么，而是深入思考我做的对不对，我是不是可以做的更好。复盘不是只发生在目标或者项目完成之后，而是贯穿于你生活的每个时刻。\n微观的复盘关注的是具体行为，比如某个任务完成的效率，某篇文章输出的质量。宏观的复盘关注的是整体系统的运行，比如时间和精力分配是否合理，实现目标的路径是否需要优化。更进一步说，复盘其实只有两个对象，一个是认知，另一个是方法论。\n工具分散带来的最大问题并不是多装了几个 APP，而是信息链条断了，流程没有了，系统化思维就不复存在了。\n目标设定、调研、落地执行和成长，这 4 个阶段本来就是一个闭环系统。所以得用一个 APP 来完成这个闭环。\n人生系统的实践原则有 5 条。第一，输出是成长的起点。第二，MVP 是行动。第三，问题是学习的入口。第四，有记录才有系统。第五，等待非线性爆发。\n通过试错、反馈、修正的闭环，可以获得成长所需的关键变量，真实世界的反馈。\nMVP 即最小可行产品，其核心思想是，与其花费大量时间去设计一款你认为完美的产品。不如尽快推出一个最小可用版本，将其推向市场，通过用户的真实反馈来验证你的想法是否可行。\n用行动代替规划，用实践倒逼认知，这才是真正有效的成长路径。MVP 体现的是一种更切合真实世界的逻辑观，不确定性永远存在，最优解只能在实践中不断逼近。\n","permalink":"https://cfo580.cn/article/notion-ren-sheng-xi-tong-du-shu-bi-ji/","summary":"人生可以被设计——用系统化思维把目标、调研、执行、复盘串成一个闭环，替代线性的「努力」叙事。","title":"🧭《Notion人生系统》读书笔记"},{"content":"本书基于研究指出：仅6%的人能实现自己设定的目标，94%的人半途而废，核心原因不是意志力差，而是大脑的惯性机制和模糊目标在拖后腿。全书给出一套可操作的方法，帮你成为那6%，实现从\u0026quot;想改变\u0026quot;到\u0026quot;真改变\u0026quot;的逆袭。\n虑得先生的读书笔记\n一、问题根源：为什么94%的人会失败 大脑爱偷懒：大脑倾向走\u0026quot;老路\u0026quot;（旧神经通路），抗拒建立新习惯，因为新行为更耗能。 目标模糊：模糊目标（如\u0026quot;提升业绩\u0026quot;）不会触发行动，反而带来拖延与逃避。 舒适区陷阱：多数人偏好熟悉与安逸，习惯接管决策，错失改变机会。 二、6%俱乐部的五大核心法则（底层逻辑） 目标设定：具体法则。用SMART原则（具体、可衡量、可达成、相关、有时限），如\u0026quot;3季度末，每周新增5个客户，业绩提升20%\u0026quot;；按二八法则筛选高价值行动，定期复盘迭代。 持续学习：成长型思维。把挑战当学习机会，主动突破舒适区；建立反馈闭环，从失败中提取经验，不自我设限。 高效执行：先动起来。用最小行动（5分钟法则）启动，对抗完美主义；拆解任务到可立即执行，减少决策疲劳。 心态韧性：重构意义。把挫折视为过程而非终点；用自我对话替换消极想法，增强抗逆力；与价值观对齐，驱动长期坚持。 自我激励：奖励机制。对每一步小成就及时正向反馈，强化新行为；用愿景（非短期利益）保持动力，建立内在激励。 三、实操步骤（快速上手） 诊断现状：列出未完成目标，找出模糊、无时限、缺衡量标准的问题。 重构目标：按SMART改写，加上明确截止日期与验收标准。 拆解行动：把目标拆成每日/每周小任务，先做5分钟启动动作。 建立反馈：周/月度复盘，调整路径；用小奖励正向强化。 心态建设：遇到阻碍时，先接纳情绪，再用成长型思维重构意义。 四、关键提醒 不用硬扛意志力，要顺应大脑规律，用明确指令和反馈搭建新神经通路。 避开\u0026quot;模糊目标\u0026quot;\u0026ldquo;完美主义\u0026quot;\u0026ldquo;即时满足诱惑\u0026quot;三大坑。 核心是系统化改变：目标、学习、执行、心态、激励形成闭环，而非单点发力。 ","permalink":"https://cfo580.cn/article/6-ju-le-bu-pu-tong-ren-ni-xi-de-di-ceng-luo-ji-du-shu-bi-ji/","summary":"本书基于研究指出：仅6%的人能实现自己设定的目标，94%的人半途而废，核心原因不是意志力差，而是大脑的惯性机制和模糊目标在拖后腿。全书给出一套可操作的方法，帮你成为那6%，实现从\u0026quot;想改变\u0026quot;到\u0026quot;真改变\u0026quot;的逆袭。","title":"📖 《6%俱乐部：普通人逆袭的底层逻辑》读书笔记"},{"content":" 不是电脑操作系统，是一套把业务、财务、供应链、组织、数据打通，支撑企业完整经营闭环的管理体系+软件工具集合，核心目标：以数据驱动经营决策，打通“订单-交付-成本-资金-利润”全链路。\n一、业务运营层（前端经营） 客户与销售系统（CRM） 客户档案、商机跟进、报价、合同、销售台账、回款计划、销售业绩统计。 订单与履约系统 订单录入、排产/采购计划、发货、物流、交付验收、售后工单。 供应链/采购管理系统（SCM） 供应商管理、询价、采购订单、入库、库存管理、物料BOM、安全库存、呆滞料管理。 生产管理（制造业，MES） 生产工单、工序报工、产能、物料消耗、质检；商贸/服务企业可省略。 二、财务与资金层（经营结果核算） ERP核心财务模块 总账、应收、应付、固定资产、成本核算、存货核算。 资金管理系统 银行账户、收付款、资金计划、现金流预测、票据管理。 税务管理系统 发票开具、进项认证、纳税申报、税务风险预警。 管理会计模块 项目成本、部门利润、本量利分析、预算管理。 三、组织与人力层（组织能力） HRM：人事档案、考勤、薪酬核算、绩效、招聘、培训。 OA办公：审批流、公文、合同电子签章、内部通知、任务协同。\n四、数据与决策层（经营大脑，OS核心） 数据中台/数据仓库 统一抽取业务、库存、财务数据，清洗，消除多系统数据孤岛。 BI经营看板 实时营收、毛利、库存周转、应收账款周转、现金流、部门/项目利润，管理层仪表盘。 经营分析模型 预算vs实际差异、客户盈利分析、产品品类毛利分析、经营预警。 五、底层支撑层（基础设施） 主数据管理：客户、供应商、产品、科目统一主数据（OS地基） 权限与流程引擎：统一审批、角色权限 集成中间件：打通各个独立软件（CRM、ERP、MES） 安全与日志：数据备份、操作审计 六、两类常见理解区分 狭义（软件厂商口中的企业经营OS）：一体化ERP+BI，强调一套平台承载全部经营数据，替代零散孤立软件（如金蝶云星空、用友BIP、SAP、ERPNext都属于这类产品载体）。 广义（管理咨询视角）：软件系统 + 经营流程制度 + 组织权责 + 数据指标体系，软件只是载体，制度和指标才是操作系统的“内核”。 极简一句话版 企业经营操作系统 = 业务履约系统 + 财务资金系统 + 组织协同系统 + 数据决策中台，用统一主数据和流程串联，持续输出利润、现金流等经营指标，支撑企业日常运营与经营决策。\n","permalink":"https://cfo580.cn/article/qi-ye-jing-ying-cao-zuo-xi-tong-qi-ye-jing-ying-os/","summary":"\u003cblockquote\u003e\n\u003cp\u003e不是电脑操作系统，是\u003cstrong\u003e一套把业务、财务、供应链、组织、数据打通，支撑企业完整经营闭环的管理体系+软件工具集合\u003c/strong\u003e，核心目标：以数据驱动经营决策，打通“订单-交付-成本-资金-利润”全链路。\u003c/p\u003e","title":"⚙️企业经营操作系统（企业经营OS）"},{"content":"核心定义 在不损害任何人利益的前提下，通过调整资源、规则、交易，至少让一个人的境况变得更好，这个变化就叫帕累托改进。\n关键点：没有人受损，有人受益。 当再也不存在任何帕累托改进的空间时，就达到帕累托最优（帕累托效率）。\n通俗例子 两人分一个苹果：A拿全部，B拿0。 如果分给A 0.7，B 0.3：B变好了，A变差了 → 不是帕累托改进。 闲置仓库，老板空着没用，租给客户：老板拿到租金、客户得到场地，其他人利益不受影响 → 帕累托改进。 企业内部优化流程：减少某个岗位无效加班，产出不变，员工幸福感提升，公司利润没有下降 → 帕累托改进。 容易混淆的点 ✅帕累托改进：无人受损，有人变好 ❌卡尔多-希克斯改进：总收益 \u0026gt; 总损失，受益者可以补偿受损者（现实中最常用，比如基建、企业改革，会有人吃亏，但整体蛋糕变大。不属于帕累托改进） 举卡尔多-希克斯例子：企业裁员降本，股东利润上升，被裁员工受损。整体收益增加，但有人受损，不是帕累托改进。\n放到企业经营OS / 财税咨询场景怎么理解 企业经营中纯粹的帕累托改进其实很少：\n比如优化库存：减少资金占用（财务变好），销售备货不影响，业务端没有损失 → 属于帕累托改进； 很多改革一定涉及利益重新分配（业务部门削减预算，财务现金流改善），有人受损，就不是帕累托改进，只能用卡尔多-希克斯逻辑论证改革价值。 一句话总结 帕累托改进：不坑任何人，至少让一方变好；做到再也没有这种机会，就是帕累托最优。\n要不要我顺带对比：帕累托改进、帕累托最优、卡尔多希克斯，整理成一段可直接写进咨询方案的精简表述？\n","permalink":"https://cfo580.cn/article/pa-lei-tuo-gai-jin-paretoimprovement/","summary":"\u003ch2 id=\"核心定义\"\u003e核心定义\u003c/h2\u003e\n\u003cp\u003e在不损害\u003cstrong\u003e任何人\u003c/strong\u003e利益的前提下，通过调整资源、规则、交易，\u003cstrong\u003e至少让一个人的境况变得更好\u003c/strong\u003e，这个变化就叫\u003cstrong\u003e帕累托改进\u003c/strong\u003e。\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003e关键点：\u003cstrong\u003e没有人受损，有人受益\u003c/strong\u003e。 当再也不存在任何帕累托改进的空间时，就达到\u003cstrong\u003e帕累托最优（帕累托效率）\u003c/strong\u003e。\u003c/p\u003e","title":"📈帕累托改进（Pareto Improvement）"},{"content":"虑得先生的读书笔记\n核心命题 科斯提出一个根本问题：市场价格机制本身可以协调资源，为什么还会存在企业？\n传统经济学默认市场由价格自动调节，不需要组织。科斯反问：既然市场这么高效，企业家为什么要把工人招进公司、用行政命令（管理、指令）替代市场交易？\n答案：交易成本（交易费用）。\n市场交易是有成本的：搜寻信息、谈判议价、签订合同、监督履约、处理违约纠纷。 企业，就是用内部行政指令替代市场交易，以此节约交易成本。\n企业本质：对市场的替代，是一套内部权威组织，用来降低市场交易费用。\n两个关键概念 市场交易成本 寻找供应商/客户、比价、谈判、拟定合同、监督对方履约、解决违约争议。每一笔对外交易都要付出这些成本。\n企业内部管理成本（组织成本） 内部指挥、协调、监督员工、信息传递失真、官僚损耗。\n企业不能无限扩张：规模越大，内部管理成本越高。 企业边界临界点：新增一项业务，内部管理成本 = 在市场上外购的交易成本。 超过这个点，继续扩大企业就不划算，应该外包、回到市场。\n一句话边界逻辑 当内部组织成本 ＜ 市场交易成本：这件事自己做，纳入企业； 当内部组织成本 ＞ 市场交易成本：这件事外包，交给市场。 容易混淆的点 科斯不是说企业消灭交易成本，只是用一类成本（管理成本）替换另一类成本（市场交易成本）； 不是越大越好，存在最优边界； 这篇1937年论文，后来催生新制度经济学，科斯1991拿诺贝尔经济学奖。 ","permalink":"https://cfo580.cn/article/ke-si-qi-ye-de-ben-zhi-thenatureofthefirm1937/","summary":"\u003cp\u003e虑得先生的读书笔记\u003c/p\u003e\n\u003ch2 id=\"核心命题\"\u003e核心命题\u003c/h2\u003e\n\u003cp\u003e科斯提出一个根本问题：\u003cstrong\u003e市场价格机制本身可以协调资源，为什么还会存在企业？\u003c/strong\u003e\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003e传统经济学默认市场由价格自动调节，不需要组织。科斯反问：既然市场这么高效，企业家为什么要把工人招进公司、用行政命令（管理、指令）替代市场交易？\u003c/p\u003e","title":"🏢科斯《企业的本质》（The Nature of the Firm，1937）"},{"content":"会计财税知识繁杂，政策持续更新，很多会计人的笔记散落在文档、收藏夹里，难以沉淀，也无法对外展示专业积累。那么，搭建个人网站，是个好办法。\n会计人搭建个人网站，能收获什么 输出倒逼输入，搭建完整知识体系 整理笔记、撰写财税解读的过程，就是梳理知识框架的过程。写作输出能快速暴露知识盲点，持续强化对准则、税务、财务数字化工具（SQL、Excel）的理解，助力考证与专业进阶。 公开表达，是获取外部正反馈的重要方式，它不仅能帮我们检验自己的理解和表达是否清晰，还能吸引志同道合的朋友，慢慢积累自己的影响力。 自建永久可控知识库 区别于微信收藏、云笔记平台，网站内容以Markdown存放在Git仓库，内容所有权完全属于自己。可分类收纳财税案例、内控方案、成本分析、数据练习笔记，支持全文检索，长期可查阅。 打造个人专业名片，积累行业影响力 持续输出干货，慢慢积累同行人脉。和客户、同行交流时，网站就是你的专业证明，比口头介绍更有说服力，为财税咨询、副业机会铺路。 求职跳槽，碾压普通简历 普通简历只能罗列岗位职责，个人网站可以直接展示你的案例复盘、专业思考。投递财务BP、财务负责人、共享财总岗位时附上网站链接，是极具竞争力的加分项，直观证明你的学习能力与体系化思维。 内容资产可长期复用 文章一次撰写，可反复用于复盘、分享、咨询素材。不受公众号、短视频平台限流、删稿约束，内容长期沉淀，持续产生价值。 AI时代，成为它的答案 随着人们的搜索习惯从百度变为向AI提出搜索问题，传统的SEO已变为GEO，个人网站更显示出它的时代性。你不断输出的优质内容，会逐渐成为 AI 的答案。 简易建站流程（阿里云为例） 阿里云注册域名并完成实名认证； 购买一个域名，选便宜的，一年也就几十块。 购买轻量云服务器，现在（2026年9月）还有续费同价的99元一年的云服务器 ECS可以购买。 成本可控：域名+云服务器一年不到200元，一个月不到20元。逼自己养成输出的习惯，值得！ 本地搭建Hugo，挑选合适主题，撰写自己的笔记； Git 仓库接入阿里云服务器，绑定域名，开启HTTPS； 选择加速区域，完成上线；后续新增笔记，提交Git即可自动更新网站。 适合人群：在职会计、财务主管、财税咨询师、财会专业学生，希望低成本沉淀专业知识、打造个人专业品牌。\n若没有时间研究Hugo配置、Git、域名解析与部署，不想自己动手搭建，可联系我们提供全套建站服务，费用低廉：contact@6dooo.com ","permalink":"https://cfo580.cn/article/kuai-ji-ren-wei-shen-me-bi-xu-da-jian-ge-ren-wang-zhan/","summary":"会计财税知识繁杂、政策频更，很多会计人的笔记散落各处难以沉淀。借助 Hugo + 阿里云轻量服务器（99元/年 ECS），低成本即可搭建永久可控的个人知识站：输出倒逼输入、打造专业名片、碾压普通简历，并在 AI 时代成为它的答案。","title":"🌐 会计人为什么必须搭建个人网站"},{"content":"定位：以财务人员视角，学会用数据、SQL、Python 做经营分析、管理会计，不是纯计算机算法路线（适合财税背景，由浅入深）。\n学习顺序建议：Excel → SQL → 数据思维 → Python → 业务建模 → AI 财务应用\n第1阶段：基础数据分析（先上手，1～2个月）\nGoogle Data Analytics Professional Certificate（谷歌数据分析职业证书）\n核心内容：数据清洗、表格、可视化、数据叙事，使用 Spreadsheet（对标 Excel）、SQL、R\n为什么适合财税：整套课程强调业务理解+数据校验+输出报告，和财务对账、经营分析逻辑高度契合；不重高深数学。\n可选：免费旁听；拿证书需要订阅 Coursera Plus。\n替代短课：Excel Skills for Business（Macquarie 大学），Excel 全套进阶，适合会计夯实函数、透视表。\n第2阶段：SQL 专项（财税最刚需，1个月）\nSQL for Data Science（加州大学戴维斯分校）\n内容：基础查询、多表关联、聚合函数、子查询，数据清洗。\n适配场景：财务宽表、进销存、凭证库、多维度营收成本统计。\n特点：偏业务分析，不是数据库运维，上手门槛低。\n第3阶段：财务+管理会计数据思维（1个月）\nManagerial Accounting（伊利诺伊大学厄巴纳-香槟分校）\n内容：变动成本、本量利、部门分摊、预算、绩效指标，管理会计体系。\n价值：把数据分析能力，落地到企业成本核算、经营预测，正好匹配你做共享财务总监业务。\n第4阶段：Python 数据分析（可选，按需学，1～2个月）\nPython for Everybody（密歇根大学）\n内容：Python 基础，文件读取，简单数据处理。 优点：入门友好，不堆砌复杂理论。\nApplied Data Science with Python（密歇根大学专项课）\n重点模块：Pandas，数据框处理，和你做财税宽表匹配。 提示：如果只是 SQL+Excel 做财务分析，Python 可以暂缓，优先吃透前面。\n第5阶段：预测、预算建模（进阶）\nForecasting Specialization（杜克大学）\n内容：时间序列预测，现金流预测、营收预测模型。\n业务价值：对应你之前看到 Rillet 产品核心能力——13周现金流预测，学完能看懂这类 AI 财务工作流原理。\n第6阶段：AI+财务（前沿，最后学）\nGenerative AI for Business Analytics（IBM）\n内容：大模型辅助数据分析、提示词、AI 辅助报表生成，适合搭建财税 Agent 相关知识储备。 学习安排建议（财税人友好版）\n并行：Google 数据分析证书 + SQL for Data Science\n每周投入：6～8 小时即可，不用全职\n学习产出：每学完一章，拿真实财税模拟数据集，复刻：客户营收分析、成本分摊、现金流预测。\n避坑提醒\n优先旁听免费版本试学，确认英文授课节奏适应，再订阅 Coursera Plus；\n证书是能力证明，国内不能替代中级会计、CPA 这类执业资质；\n课程案例多为海外企业，学完需要自己迁移到国内财税场景。\n","permalink":"https://cfo580.cn/article/coursera-cai-wu-shu-ju-fen-xi-xue-xi-lu-xian/","summary":"定位：以财务人员视角，学会用数据、SQL、Python 做经营分析、管理会计，不是纯计算机算法路线（适合财税背景，由浅入深）。 学习顺序建议：Excel → SQL → 数据思维 → Python → 业务建模 → AI 财务应用 第1阶段…","title":"🎓 Coursera财务数据分析学习路线"},{"content":"一个简单的任务：记录包装耗材的采购数量和金额。下面 4 张表是真实工作里常见的不规范写法，逐一拆解问题出在哪、正确做法是什么。\n图1：跨行居中的时间列与缺失的列名 问题1：时间列大量使用跨行居中。正确做法：每一行都填相同的内容。\n问题2：合计金额后还想增加“日总金额”，一是没有列名，二是用了跨行居中。正确做法：先正确填写列名“日总金额”；再在这张表旁边建数据透视表，“行”选“时间”、“值”选“日总金额”，就是一张每日金额汇总表。\n问题3：直接放了发票截图。正确做法：把发票存到与本 Excel 文件相同的文件夹，在“发票详情”列放这张发票图片的绝对路径链接。\n图2：数量列混入了单价 问题1：数量这一列加入了表示单价的数据。正确做法：把单价单独设一列，金额列用公式“数量×单价”算出。\n问题2：“已报”这一列没有列名。\n图3：把 Excel 当 Word 用 问题：在“数量”这一列塞进了品名、规格型号、数量、单价等多种信息，等于把 Excel 当 Word 用。正确做法：把这些信息拆成单独的列，最后设一列“金额”用公式算出，而不是手算后填上去。 图4：总金额手填、付款记录混入 问题1：总金额一看就是手动填上去的，没用公式，浪费了 Excel 的特长。\n问题2：付款记录混进了金额，还跨行居中。正确做法：日汇总金额用数据透视表呈现。\n单品表格式不统一，汇总表无法联动 上面几张表都是单品表，每张格式不一样，导致“汇总表”没法用公式联动，还得手工搬运每张表的数据。正确做法：把每个单品的表结构设计成一致，在“汇总表”中用公式提取数据，而不是手工搬动。\n总结 Excel 的本质是一张用公式连接起来的动态数据表，而不是 Word。如果一张表上体现不了多维数据，可考虑用数据透视表。\n","permalink":"https://cfo580.cn/article/bu-gui-fan-excel-biao-ge-de-shi-ji-an-li/","summary":"一个简单的任务：记录包装耗材的采购数量和金额。下面 4 张表是真实工作里常见的不规范写法，逐一拆解问题出在哪、正确做法是什么。","title":"📊不规范Excel表格的实际案例"},{"content":"💡\n身份定位：我是持续打磨数据能力的财税从业者\n🎯\n目标系统：完成《SQL必知必会》，掌握SQL解决财税数据问题能力\n✅ 习惯叠加\n在【每天早上打开电脑，泡好茶之后】，我会【打开DBeaver，完成当日SQL练习】\n🧩 四大行为定律\n1. 显而易见\n桌面固定放置DBeaver快捷方式、SQL练习数据库文件\n打卡记录表，完成即打√，只记录完成与否，不纠结对错\n2. 有吸引力\n喜好绑定：完成当日练习，才可浏览商业、AI资讯\n心理暗示：开始练习前默念：财税数据专家，每天都要打磨数据查询能力\n3. 简便易行（兜底方案）\n最低任务：状态再差，写出至少一句SQL，就算当日完成\n前置准备：练习表、样例财税业务数据提前建好，减少启动阻力\n4. 令人愉悦\n即时奖励：完成练习，给自己5分钟放空休息\n容错规则：单次中断属于意外；连续中断2次，习惯才会断裂。中断一天无需自责，次日恢复即可。\n📅 每周复盘（周日填写）\n本周坚持练习天数：\n最难坚持的一天，干扰因素：\n当前最低任务是否过重，是否需要缩减：\n本周学到的内容，可用于财税业务的点：\n本套习惯系统需要调整的地方：\n📝 打卡表\n打卡表每日手动记录：日期｜是否完成(√)｜最低任务达成｜本周收获｜调整项\n","permalink":"https://cfo580.cn/article/sql-xue-xi-xi-guan-yuan-zi-xi-guan-luo-di-ka-pian/","summary":"💡 身份定位：我是持续打磨数据能力的财税从业者 🎯 目标系统：完成《SQL必知必会》，掌握SQL解决财税数据问题能力 ✅ 习惯叠加 在【每天早上打开电脑，泡好茶之后】，我会【打开DBeaver，完成当日SQL练习】 🧩 四大行为定律 1.…","title":"🪴 SQL学习习惯｜原子习惯落地卡片"},{"content":"结合财会日常工作场景，按使用频率排序 ，每一项只讲界面点击步骤、适用场景、落地效果，适配Excel 365，全程图形化操作。\n通用前置操作：数据区域选中 → 顶部【数据】选项卡 → 【自表格/区域】，进入Power Query编辑器。所有步骤设置完成后，点击【关闭并上载】，后续源数据更新，右键表格【刷新】即可自动重算。\n场景1：整批清理脏数据（空行、空列、重复行、多余合计行）\n适用 ：财务系统导出凭证、台账、进销存表，自带冗余行/列\n进入PQ编辑器，顶部【开始】选项卡\n清理空行：点击【删除行】→【删除空行】\n清理空列：点击【删除列】→【删除空列】\n去重复数据：选中需要判重的列（如凭证号、客户编码）→【删除行】→【删除重复项】\n剔除首尾说明行：【删除行】→【删除顶部行/删除底部行】，输入行数确定\n效果 ：上万行数据1秒规整，无需手工逐行删除。\n场景2：拆分合并列（科目、往来、编码、日期拆分）\n适用 ：科目-客户、部门-人员、日期+时间、多级编码拆分\n拆分列\n选中目标列 → 顶部【转换】→【拆分列】\n按分隔符拆分（常用）：选择分隔符（横杠、逗号、空格）→ 确定，自动分成多列\n按字符数拆分：适合固定长度编码，设置拆分位置即可\n合并列\n按住Ctrl选中多列 → 【转换】→【合并列】\n选择连接符（横杠、空格），设置新列名称 → 确定\n示例 ：应收账款-甲公司 拆为「会计科目」「往来单位」两列。\n场景3：向下填充空白单元格（科目、部门、组别补全）\n适用 ：分级展示的凭证表、费用表，一级科目/部门仅首行显示，下方为空\n选中存在空白的列\n顶部【转换】→【填充】→【向下】\n效果 ：整列空白位置自动补全上方内容，分级表格一键标准化。\n场景4：修正数据格式（文本转数字/日期，解决求和失效）\n适用 ：导出数据金额、日期默认为文本，无法计算、筛选\n选中金额列：点击列标题左侧图标 → 选择【小数】/【货币】\n选中日期列：点击图标 → 选择【日期】\n若有异常值：【转换】→【修复】，一键清理非法字符\n效果 ：彻底解决“数字是文本、求和为0、日期无法按月统计”问题。\n场景5：文件夹批量合并所有Excel文件（月度报表/分公司数据）\n适用 ：1-12月凭证、各门店台账、分公司报表，文件统一放在一个文件夹\nExcel【数据】→【获取数据】→【自文件】→【自文件夹】\n选择存放文件的文件夹 → 【确定】，生成文件清单表\n选中「内容」列 → 【添加列】→【自定义列】（无需改公式，默认加载）\n点击列展开图标，勾选需要保留的字段，取消勾选“使用原始列名作为前缀”\n可保留「文件名」列，用来区分月份/门店\n核心优势 ：每月新增文件丢入文件夹，右键刷新，自动合并全量数据。\n场景6：多表关联匹配（替代VLOOKUP，多条件匹配、零报错）\n适用 ：凭证表匹配科目名称、销售单匹配客户信息、入库单匹配物料档案\n先将两个数据表分别加载至PQ（分别建查询）\n顶部【主页】→【合并查询】（两表联查）\n在弹窗中：分别选择两个表的关联列 （单条件/多条件均可，按住Ctrl多选列）\n选择连接类型（财务常用：内部联接 、左外部联接 ）→ 确定\n展开新增列，勾选需要补充的字段（如科目全称、客户行业）\n对比VLOOKUP ：支持多列匹配、不受空格/格式影响、可批量刷新。\n场景7：分组汇总（替代数据透视表，固化规则、自动刷新）\n适用 ：按科目/部门/客户汇总发生额、应收余额、费用合计\n选中需要分组的列（如：会计科目、月份）\n顶部【转换】→【分组依据】\n弹窗设置：\n分组行：已选中的分类列\n新列名：自定义（如“发生总额”）\n操作：求和/计数/最大值等\n列：选择金额、数量等数值列\n确定完成汇总 效果 ：汇总规则永久保存，源数据更新，一键刷新出最新汇总结果。\n场景8：透视/逆透视（表格形态自由转换，适配各类报表）\n8.1 透视（长表转宽表）\n适用 ：明细行数据 → 月度对比表、产品对比表\n选中分类列（如月份）+ 数值列（金额）\n【转换】→【透视列】，数值列选择求和，快速生成横向对比报表\n8.2 逆透视（宽表转长表）\n适用 ：系统导出的横向月度报表，转为标准明细格式\n选中所有需要转换的数值列（1月、2月…12月）\n【转换】→【逆透视列】，自动生成“属性（月份）”“值（金额）”两列\n价值 ：自由适配不同报表格式、数据分析模板。\n场景9：添加条件计算列（金额判断、余额计算、分类标记）\n适用 ：计算借贷余额、标记大额费用、区分账龄区间\n顶部【添加列】→【自定义列】\n简单运算：直接点击字段构建公式，例：[借方金额]-[贷方金额]（计算余额）\n条件判断：使用界面选择逻辑，例：金额大于10000标记“大额支出”\n确定后生成新计算列\n特点 ：不用记忆Excel函数，可视化构建规则，步骤可追溯。\n场景10：错误值批量处理（清理#N/A、乱码、异常数据）\n适用 ：数据匹配、计算后出现错误值，影响报表美观与使用\n选中存在错误值的列\n【转换】→【替换值】→【替换错误】\n弹窗选择：替换为「0」或「空白」\n如需定位问题数据：【开始】→【筛选】，单独筛选错误行核查原因\n补充配套使用技巧（财务专属）\n步骤留存 ：PQ左侧「应用的步骤」会记录所有操作，误操作直接点击步骤删除/回退，不用重做。\n查询命名 ：给每个数据表查询改名（凭证表、科目表、客户表），多表协作一目了然。\n权限与分享 ：文件发给同事，只要源文件路径不变，对方也能正常刷新数据。\n","permalink":"https://cfo580.cn/article/cai-wu-bi-bei-powerquery10-da-shi-zhan-chang-jing/","summary":"结合财会日常工作场景，按 使用频率排序 ，每一项只讲界面点击步骤、适用场景、落地效果，适配Excel 365，全程图形化操作。 通用前置操作：数据区域选中 → 顶部【数据】选项卡 → 【自表格/区域】，进入Power Query编辑器。所有…","title":"⚙️ 财务必备 Power Query 10大实战场景"},{"content":"本练习库围绕一家食品贸易公司，以「业务单据 + 会计分录」建模，覆盖《SQL必知必会》第 1~14 章核心知识点，共 7 张表、6 笔经济业务、5 道练习题（含参考答案）。\n数据库：SQLite　字段名：中文（方便会计人直接上手）\n使用方式：\nsqlite3 会计练习.db \u0026lt; 本文件 直接建库； 或复制到 DBeaver / Navicat 中执行。 结构概览：\n第 1 部分：建表（7 张表） 第 2 部分：示例数据（业务单据 + 会计数据，借贷平衡） 第 3 部分：练习题（5 道，覆盖第 1~14 章） 第 4 部分：参考答案（先做完再看） 练习建议：先独立作答，再对照参考答案，最后在 sqlite3 / DBeaver 里实际跑一遍验证结果。\n下面整段为可执行的 SQL 脚本，含建表、插数、习题与答案，复制即可运行。\n-- ============================================================================ -- SQL必知必会 · 会计练习库（第 1 次） -- 数据库：SQLite 字段名：中文 -- 场景：一家食品贸易公司，围绕「业务单据 + 会计分录」建模 -- 使用方式：sqlite3 会计练习.db \u0026lt; 本文件；或复制到 DBeaver / Navicat 执行 -- ============================================================================ -- ---------------------------------------------------------------------------- -- 第 1 部分：建表 -- ---------------------------------------------------------------------------- -- 1. 客户表 CREATE TABLE 客户 ( 客户编号 TEXT PRIMARY KEY, 客户名称 TEXT NOT NULL, 联系人 TEXT, 所在城市 TEXT, 信用额度 REAL ); -- 2. 供应商表 CREATE TABLE 供应商 ( 供应商编号 TEXT PRIMARY KEY, 供应商名称 TEXT NOT NULL, 所在城市 TEXT ); -- 3. 商品表 CREATE TABLE 商品 ( 商品编号 TEXT PRIMARY KEY, 商品名称 TEXT NOT NULL, 供应商编号 TEXT REFERENCES 供应商(供应商编号), 单价 REAL, 库存量 INTEGER ); -- 4. 销售订单表（业务单据） CREATE TABLE 销售订单 ( 订单编号 TEXT PRIMARY KEY, 客户编号 TEXT REFERENCES 客户(客户编号), 订单日期 TEXT ); -- 5. 订单明细表（一张订单可含多行商品） CREATE TABLE 订单明细 ( 订单明细编号 INTEGER PRIMARY KEY, 订单编号 TEXT REFERENCES 销售订单(订单编号), 商品编号 TEXT REFERENCES 商品(商品编号), 数量 INTEGER, 成交单价 REAL ); -- 6. 会计科目表 CREATE TABLE 会计科目 ( 科目编码 TEXT PRIMARY KEY, 科目名称 TEXT NOT NULL, 科目类别 TEXT -- 资产 / 负债 / 所有者权益 / 收入 / 费用 ); -- 7. 记账凭证表（复式记账，一行一借或一贷） CREATE TABLE 记账凭证 ( 凭证编号 TEXT, 记账日期 TEXT, 科目编码 TEXT REFERENCES 会计科目(科目编码), 借方金额 REAL DEFAULT 0, 贷方金额 REAL DEFAULT 0, 摘要 TEXT ); -- ---------------------------------------------------------------------------- -- 第 2 部分：示例数据 -- ---------------------------------------------------------------------------- INSERT INTO 客户 VALUES (\u0026#39;C001\u0026#39;,\u0026#39;四川川味食品有限公司\u0026#39;,\u0026#39;张建国\u0026#39;,\u0026#39;成都\u0026#39;,50000), (\u0026#39;C002\u0026#39;,\u0026#39;重庆山城商贸有限公司\u0026#39;,\u0026#39;李敏\u0026#39;,\u0026#39;重庆\u0026#39;,30000), (\u0026#39;C003\u0026#39;,\u0026#39;成都锦程科技有限公司\u0026#39;,\u0026#39;王丽\u0026#39;,\u0026#39;成都\u0026#39;,80000), (\u0026#39;C004\u0026#39;,\u0026#39;北京华远贸易有限公司\u0026#39;,\u0026#39;赵强\u0026#39;,\u0026#39;北京\u0026#39;,60000), (\u0026#39;C005\u0026#39;,\u0026#39;上海浦东餐饮集团有限公司\u0026#39;,\u0026#39;陈芳\u0026#39;,\u0026#39;上海\u0026#39;,120000), (\u0026#39;C006\u0026#39;,\u0026#39;成都天府供应链有限公司\u0026#39;,\u0026#39;刘洋\u0026#39;,\u0026#39;成都\u0026#39;,45000); INSERT INTO 供应商 VALUES (\u0026#39;V001\u0026#39;,\u0026#39;成都粮油贸易公司\u0026#39;,\u0026#39;成都\u0026#39;), (\u0026#39;V002\u0026#39;,\u0026#39;重庆调味品厂\u0026#39;,\u0026#39;重庆\u0026#39;), (\u0026#39;V003\u0026#39;,\u0026#39;四川包装材料公司\u0026#39;,\u0026#39;成都\u0026#39;); INSERT INTO 商品 VALUES (\u0026#39;P001\u0026#39;,\u0026#39;东北大米(50kg装)\u0026#39;,\u0026#39;V001\u0026#39;,260.00,120), (\u0026#39;P002\u0026#39;,\u0026#39;大豆油(5L)\u0026#39;,\u0026#39;V002\u0026#39;,145.00,300), (\u0026#39;P003\u0026#39;,\u0026#39;郫县豆瓣酱(1kg)\u0026#39;,\u0026#39;V002\u0026#39;,18.50,500), (\u0026#39;P004\u0026#39;,\u0026#39;瓦楞纸箱\u0026#39;,\u0026#39;V003\u0026#39;,8.00,2000), (\u0026#39;P005\u0026#39;,\u0026#39;干辣椒\u0026#39;,\u0026#39;V001\u0026#39;,45.00,80); INSERT INTO 销售订单 VALUES (\u0026#39;O0001\u0026#39;,\u0026#39;C001\u0026#39;,\u0026#39;2026-01-05\u0026#39;), (\u0026#39;O0002\u0026#39;,\u0026#39;C003\u0026#39;,\u0026#39;2026-01-12\u0026#39;), (\u0026#39;O0003\u0026#39;,\u0026#39;C002\u0026#39;,\u0026#39;2026-02-02\u0026#39;), (\u0026#39;O0004\u0026#39;,\u0026#39;C005\u0026#39;,\u0026#39;2026-02-18\u0026#39;), (\u0026#39;O0005\u0026#39;,\u0026#39;C004\u0026#39;,\u0026#39;2026-03-08\u0026#39;), (\u0026#39;O0006\u0026#39;,\u0026#39;C001\u0026#39;,\u0026#39;2026-03-20\u0026#39;); INSERT INTO 订单明细 VALUES (1,\u0026#39;O0001\u0026#39;,\u0026#39;P001\u0026#39;,20,260.00), (2,\u0026#39;O0001\u0026#39;,\u0026#39;P002\u0026#39;,30,145.00), (3,\u0026#39;O0002\u0026#39;,\u0026#39;P003\u0026#39;,100,18.50), (4,\u0026#39;O0002\u0026#39;,\u0026#39;P005\u0026#39;,50,45.00), (5,\u0026#39;O0003\u0026#39;,\u0026#39;P002\u0026#39;,40,145.00), (6,\u0026#39;O0004\u0026#39;,\u0026#39;P001\u0026#39;,50,260.00), (7,\u0026#39;O0004\u0026#39;,\u0026#39;P004\u0026#39;,500,8.00), (8,\u0026#39;O0005\u0026#39;,\u0026#39;P003\u0026#39;,200,18.50), (9,\u0026#39;O0006\u0026#39;,\u0026#39;P005\u0026#39;,30,45.00); INSERT INTO 会计科目 VALUES (\u0026#39;1001\u0026#39;,\u0026#39;银行存款\u0026#39;,\u0026#39;资产\u0026#39;), (\u0026#39;1122\u0026#39;,\u0026#39;应收账款\u0026#39;,\u0026#39;资产\u0026#39;), (\u0026#39;1405\u0026#39;,\u0026#39;库存商品\u0026#39;,\u0026#39;资产\u0026#39;), (\u0026#39;2001\u0026#39;,\u0026#39;应付账款\u0026#39;,\u0026#39;负债\u0026#39;), (\u0026#39;2202\u0026#39;,\u0026#39;应付职工薪酬\u0026#39;,\u0026#39;负债\u0026#39;), (\u0026#39;4001\u0026#39;,\u0026#39;实收资本\u0026#39;,\u0026#39;所有者权益\u0026#39;), (\u0026#39;6001\u0026#39;,\u0026#39;主营业务收入\u0026#39;,\u0026#39;收入\u0026#39;), (\u0026#39;6401\u0026#39;,\u0026#39;主营业务成本\u0026#39;,\u0026#39;费用\u0026#39;), (\u0026#39;6601\u0026#39;,\u0026#39;销售费用\u0026#39;,\u0026#39;费用\u0026#39;), (\u0026#39;6602\u0026#39;,\u0026#39;管理费用\u0026#39;,\u0026#39;费用\u0026#39;); -- 六笔经济业务，借贷平衡（总借=总贷=221000） INSERT INTO 记账凭证 VALUES (\u0026#39;PZ001\u0026#39;,\u0026#39;2026-01-05\u0026#39;,\u0026#39;1001\u0026#39;,100000,0,\u0026#39;收到股东投资款\u0026#39;), (\u0026#39;PZ001\u0026#39;,\u0026#39;2026-01-05\u0026#39;,\u0026#39;4001\u0026#39;,0,100000,\u0026#39;收到股东投资款\u0026#39;), (\u0026#39;PZ002\u0026#39;,\u0026#39;2026-01-05\u0026#39;,\u0026#39;1122\u0026#39;,52000,0,\u0026#39;赊销确认收入\u0026#39;), (\u0026#39;PZ002\u0026#39;,\u0026#39;2026-01-05\u0026#39;,\u0026#39;6001\u0026#39;,0,52000,\u0026#39;赊销确认收入\u0026#39;), (\u0026#39;PZ003\u0026#39;,\u0026#39;2026-01-05\u0026#39;,\u0026#39;6401\u0026#39;,34000,0,\u0026#39;结转销售成本\u0026#39;), (\u0026#39;PZ003\u0026#39;,\u0026#39;2026-01-05\u0026#39;,\u0026#39;1405\u0026#39;,0,34000,\u0026#39;结转销售成本\u0026#39;), (\u0026#39;PZ004\u0026#39;,\u0026#39;2026-01-12\u0026#39;,\u0026#39;6602\u0026#39;,12000,0,\u0026#39;支付管理人员工资\u0026#39;), (\u0026#39;PZ004\u0026#39;,\u0026#39;2026-01-12\u0026#39;,\u0026#39;1001\u0026#39;,0,12000,\u0026#39;支付管理人员工资\u0026#39;), (\u0026#39;PZ005\u0026#39;,\u0026#39;2026-02-02\u0026#39;,\u0026#39;6602\u0026#39;,3000,0,\u0026#39;购买办公用品\u0026#39;), (\u0026#39;PZ005\u0026#39;,\u0026#39;2026-02-02\u0026#39;,\u0026#39;1001\u0026#39;,0,3000,\u0026#39;购买办公用品\u0026#39;), (\u0026#39;PZ006\u0026#39;,\u0026#39;2026-03-20\u0026#39;,\u0026#39;1001\u0026#39;,20000,0,\u0026#39;收回客户货款\u0026#39;), (\u0026#39;PZ006\u0026#39;,\u0026#39;2026-03-20\u0026#39;,\u0026#39;1122\u0026#39;,0,20000,\u0026#39;收回客户货款\u0026#39;); -- ============================================================================ -- 第 3 部分：练习题（5 道，覆盖第 1~14 章） -- 请先独立作答，参考答案在文件末尾「第 4 部分」。 -- ============================================================================ -- 【第 1 题】检索与排序（第 1~3 章） -- (1) 查询商品表中所有商品，显示：商品编号、商品名称、单价，按单价从高到低排列。 -- (2) 在上面结果基础上，只保留单价不低于 50 元的商品。 -- 【第 2 题】过滤、通配符与计算字段（第 4~8 章） -- (1) 从客户表中找出所有“成都”的客户，显示客户名称和信用额度。 -- (2) 从商品表中找出名称里含有“油”的商品。 -- (3) 计算字段：假设增值税率为 13%，为每件商品计算“含税单价”（单价 × 1.13）， -- 用 ROUND 保留 2 位小数，列名改为 含税单价。 -- 【第 3 题】汇总与分组（第 9~10 章） -- (1) 统计客户表中共有多少位客户。 -- (2) 按“所在城市”分组，统计每个城市的客户数量。 -- (3) 在记账凭证表中，按“科目编码”分组，汇总每个科目的借方合计、贷方合计。 -- 【第 4 题】子查询（第 11 章） -- (1) 查询单价高于“所有商品平均单价”的商品（商品编号、商品名称、单价）。 -- (2) 用 IN 子查询，找出“下过订单”的客户名称。 -- 【第 5 题】联结与组合查询（第 12~14 章） -- (1) 多表联结：把 订单明细、商品、销售订单、客户 四张表连起来， -- 显示：客户名称、商品名称、数量、成交单价、行金额(=数量×成交单价)。 -- (2) 汇总：按客户统计“订单总金额”（可作为应收账款参考），按金额从高到低。 -- (3) 组合查询：用 UNION 合并“成都的客户”与“信用额度≥80000 的客户”两个结果。 -- ============================================================================ -- 第 4 部分：参考答案（先做完再看） -- ============================================================================ -- 第 1 题 -- (1) SELECT 商品编号, 商品名称, 单价 FROM 商品 ORDER BY 单价 DESC; -- (2) SELECT 商品编号, 商品名称, 单价 FROM 商品 -- WHERE 单价 \u0026gt;= 50 ORDER BY 单价 DESC; -- 第 2 题 -- (1) SELECT 客户名称, 信用额度 FROM 客户 WHERE 所在城市 = \u0026#39;成都\u0026#39;; -- (2) SELECT 商品编号, 商品名称 FROM 商品 WHERE 商品名称 LIKE \u0026#39;%油%\u0026#39;; -- (3) SELECT 商品名称, 单价, ROUND(单价*1.13, 2) AS 含税单价 FROM 商品; -- 第 3 题 -- (1) SELECT COUNT(*) AS 客户总数 FROM 客户; -- (2) SELECT 所在城市, COUNT(*) AS 客户数 FROM 客户 GROUP BY 所在城市; -- (3) SELECT 科目编码, -- SUM(借方金额) AS 借方合计, -- SUM(贷方金额) AS 贷方合计 -- FROM 记账凭证 GROUP BY 科目编码; -- 第 4 题 -- (1) SELECT 商品编号, 商品名称, 单价 FROM 商品 -- WHERE 单价 \u0026gt; (SELECT AVG(单价) FROM 商品); -- (2) SELECT 客户名称 FROM 客户 -- WHERE 客户编号 IN (SELECT 客户编号 FROM 销售订单); -- 第 5 题 -- (1) -- SELECT 客.客户名称, 商.商品名称, 明.数量, 明.成交单价, -- 明.数量*明.成交单价 AS 行金额 -- FROM 订单明细 明 -- JOIN 商品 商 ON 明.商品编号 = 商.商品编号 -- JOIN 销售订单 单 ON 明.订单编号 = 单.订单编号 -- JOIN 客户 客 ON 单.客户编号 = 客.客户编号 -- ORDER BY 客.客户名称; -- (2) -- SELECT 客.客户名称, SUM(明.数量*明.成交单价) AS 订单总金额 -- FROM 订单明细 明 -- JOIN 销售订单 单 ON 明.订单编号 = 单.订单编号 -- JOIN 客户 客 ON 单.客户编号 = 客.客户编号 -- GROUP BY 客.客户编号 -- ORDER BY 订单总金额 DESC; -- (3) -- SELECT 客户名称, 所在城市, 信用额度 FROM 客户 WHERE 所在城市 = \u0026#39;成都\u0026#39; -- UNION -- SELECT 客户名称, 所在城市, 信用额度 FROM 客户 WHERE 信用额度 \u0026gt;= 80000; 练习库配套建议：先在本地把库建起来跑通，再逐题手写答案，最后和参考答案比对——光看不练，SQL 是学不会的。\n","permalink":"https://cfo580.cn/article/sql-bi-zhi-bi-hui-kuai-ji-lian-xi-ku-di-1-ci/","summary":"本练习库围绕一家食品贸易公司，以「业务单据 + 会计分录」建模，覆盖《SQL必知必会》第 1~14 章核心知识点，共 7 张表、6 笔经济业务、5 道练习题（含参考答案）。数据库为 SQLite，字段名为中文，方便会计人直接上手。","title":"📊 SQL必知必会 · 会计练习库（第 1 次）"},{"content":"import 前加 from，表示模块写在 from 和 import 之间（如 pathlib），模块里要拿的类写在 import 后面（如 Path）。pathlib 是 Python 3.4+ 引入的面向对象文件系统路径处理模块，比传统 os.path 更直观易读。\n一、基础：创建路径对象\nPath() 可接收字符串路径（绝对/相对），支持多段路径拼接（无需手动加 /）：\n二、核心操作：路径属性与判断\n1. 路径属性（提取各部分）\n2. 路径状态判断\n三、文件/目录操作\n1. 目录操作\n2. 文件操作\n四、实用场景\n1. 批量改后缀\n2. 读文件元信息\n五、与 os.path 对比\n操作 os.path pathlib 拼接路径 os.path.join(\u0026ldquo;a\u0026rdquo;,\u0026ldquo;b\u0026rdquo;,\u0026ldquo;c.py\u0026rdquo;) Path(\u0026ldquo;a\u0026rdquo;)/\u0026ldquo;b\u0026rdquo;/\u0026ldquo;c.py\u0026rdquo; 父目录 os.path.dirname(\u0026quot;/a/b/c.py\u0026quot;) Path(\u0026quot;/a/b/c.py\u0026quot;).parent 是否文件 os.path.isfile(\u0026ldquo;x.txt\u0026rdquo;) Path(\u0026ldquo;x.txt\u0026rdquo;).is_file() Path 是面向对象路径、支持链式调用、跨平台自动处理 / 和 \\、内置 read/write 无需手动 open()，推荐优先用 pathlib 替代 os.path。\n六、from pathlib import Path 和 import pandas 的区别\n前者是「从模块里拿出一个类」；后者是「把整个模块全部端进来」。\n1. 语法对比\n写法 导入目标 用时怎么写 from pathlib import Path 只拿 pathlib 里的 Path 类 Path(\u0026lsquo;data.csv\u0026rsquo;) import pandas 整个 pandas 模块 pandas.DataFrame(\u0026hellip;) 2. 背后机制\nimport pandas：解释器执行模块，在当前命名空间建一个名字 pandas 指向整个模块对象，所有类/函数都是它的属性，必须用 pandas.Series、pandas.read_csv 点语法访问；\nfrom pathlib import Path：解释器同样把 pathlib 完整跑一遍，但只把 Path 这个类抽出来放进当前命名空间，可直接写 Path，无需模块前缀。\n3. 实际影响\n命名空间：from \u0026hellip; import 只引入 1 个名字；import 引入整个模块（内部上百个对象挂在模块名下）。\n简洁性：只会用到极个别对象时 from 更短；频繁用到模块内很多函数、或名字易冲突时保留模块前缀。\n重名风险：from pandas import DataFrame 容易和你自定义的 DataFrame 冲突；写成 import pandas as pd 永远 pd.DataFrame，零冲突。\n4. 该用哪种\n场景 推荐 理由 只用一两个不冲突的名字 from module import Klass 短、可读 用到很多功能或名字太通用 import module [as alias] 安全、可维护 社区惯例 import pandas as pd / np / plt 大家都这么写，一眼看懂 一句话总结：from pathlib import Path → 只把类拿进来省前缀，适合几乎只用 Path；import pandas → 把整个模块搬进来用 pandas.xxx 访问，安全功能全。选哪个看“会不会频繁用模块里其他东西”和“名字冲不冲突”。\n","permalink":"https://cfo580.cn/article/pythonpathlibpath-lu-jing-chu-li-yu-importfromimport-qu-bie/","summary":"import 前加 from，表示模块写在 from 和 import 之间（如 pathlib），模块里要拿的类写在 import 后面（如 Path）。pathlib 是 Python 3.4+ 引入的面向对象文件系统路径处理模块，比传…","title":"📁 Python pathlib.Path 路径处理与 import / from...import 区别"},{"content":"mkdir 是 Python pathlib.Path 对象的核心方法，用于创建目录（文件夹），等价于操作系统的 mkdir 命令但封装得更易用。os 模块也有 os.mkdir()/os.makedirs()，本文重点讲 pathlib 版本并对比传统写法。\n一、核心用法：Path.mkdir\n参数说明：\n参数 作用 mode 目录权限（仅类 Unix 有效），默认 0o777 parents 是否创建父目录：False（默认）父目录不存在则报错；True 递归创建所有不存在的父目录（等价 os.makedirs） exist_ok 是否忽略“目录已存在”：False（默认）已存在抛 FileExistsError；True 已存在不报错 二、基础示例\n1. 创建单个目录（父目录必须存在）\n2. 递归创建多级目录（parents=True）\n最常用：创建嵌套目录 ./docs/reports/2025，无需逐层建父目录。\n3. 忽略“目录已存在”（exist_ok=True）\n避免重复执行脚本时抛异常。\n4. 组合参数（最常用的安全写法）\n三、关键注意事项\n原路径对象不变：mkdir 是改磁盘的操作，不会改变 Path 对象本身。\n权限问题：mode 在 Windows 上无效（Windows 权限由文件系统控制），仅 Linux/macOS 生效。\n路径是文件时报错：若目标已存在且是文件（非目录），无论 exist_ok 是否为 True 都抛 FileExistsError。\n空路径/非法路径：传空串或 Windows 非法字符（:*?\u0026quot;\u0026lt;\u0026gt;|）会抛 ValueError 或 OSError。\n四、与 os 模块的对比\npathlib 写法 os 模块写法 Path(\u0026ldquo;data\u0026rdquo;).mkdir() os.mkdir(\u0026ldquo;data\u0026rdquo;) Path(\u0026ldquo;a/b/c\u0026rdquo;).mkdir(parents=True) os.makedirs(\u0026ldquo;a/b/c\u0026rdquo;) Path(\u0026ldquo;data\u0026rdquo;).mkdir(exist_ok=True) os.makedirs(\u0026ldquo;data\u0026rdquo;, exist_ok=True) 结论：pathlib 写法更面向对象、语义更清晰，推荐优先使用。\n五、实用场景\n场景 1：脚本启动时批量建必要目录\n场景 2：创建前手动检查是否存在\n总结\nPath.mkdir() 是创建目录的首选，核心参数 parents=True（递归创建）和 exist_ok=True（忽略已存在）几乎覆盖所有常规场景，比 os.mkdir/os.makedirs 更简洁易读，并与 pathlib 生态（路径拼接、遍历）无缝衔接。\n","permalink":"https://cfo580.cn/article/pythonpathmkdir-an-quan-chuang-jian-wen-jian-jia/","summary":"mkdir 是 Python pathlib.Path 对象的核心方法，用于创建目录（文件夹），等价于操作系统的 mkdir 命令但封装得更易用。os 模块也有 os.mkdir()/os.makedirs()，本文重点讲 pathlib…","title":"📁 Python Path.mkdir()：安全创建文件夹"},{"content":"会计常遇到的需求：明细账里某张凭证可能跨多行，比如一行借 5601、另一行贷对方科目。只想筛 5601 只会留下借方那一行，对方科目丢了。要把同一张凭证的所有行一起筛出来，最靠谱的是辅助列 + COUNTIFS。\n在表格最后插一列辅助列，命名如“是否含5601”；\n第 2 行（第一条数据）输入公式：\nB 列是凭证号、C 列是科目；\n意思：在整张表里统计“凭证号=本行凭证号 且 科目=5601”出现几次；\n大于 0 说明这张凭证里确实有 5601，整行标“显示”——包括对方科目那几行；\n双击填充柄向下填充；\n对辅助列筛“显示”，含 5601 的整张凭证（连同对方科目）就全部出来了。\n注意不要写成 =COUNTIF(C:C,\u0026ldquo;5601\u0026rdquo;) 后直接筛——那样只标中 5601 那一行，拿不到同凭证的对方科目。\n","permalink":"https://cfo580.cn/article/excel-yong-countifs-ba-tong-yi-ping-zheng-hao-de-suo-you-xing-yi-qi-shai-chu-lai/","summary":"会计常遇到的需求：明细账里某张凭证可能跨多行，比如一行借 5601、另一行贷对方科目。只想筛 5601 只会留下借方那一行，对方科目丢了。要把同一张凭证的所有行一起筛出来，最靠谱的是辅助列 + COUNTIFS。 1. 在表格最后插一列辅助…","title":"🔢 Excel 用 COUNTIFS 把同一凭证号的所有行一起筛出来"},{"content":"Python 正则就一个模块：re（内置，无需安装）。\n核心流程：“编译 → 匹配 → 提取/替换”3 步曲，下面用会计小例子带你速通。\n一、最常用的 6 个函数（先背再拆）\n函数 作用 返回 re.search(pat, txt) 找第一次出现 Match 对象 / None re.findall(pat, txt) 找所有出现 list 字符串 re.sub(pat, repl, txt) 替换 新字符串 re.split(pat, txt) 切分 list re.match(pat, txt) 只从开头匹配 Match / None re.compile(pat) 预编译，提速复用 Pattern 对象 二、快速上手 4 例（会计场景）\n三、必会元字符（13 个元字符一张表背完）\n符号 意义 记忆 . 任意字符除换行 dot \\d 数字 [0-9] digit \\D 非数字 大写=反义 \\w 字母数字下划线 word \\s 空白字符 space ^ 开头 上箭头 $ 结尾 美元尾 * 0 或多次 星花 + 1 或多次 加号 ? 0 或 1 次 问号 {n,m} 出现 n 到 m 次 区间 [] 字符集 自定义 () 分组捕获 提取 四、分组与命名分组（提取神器）\n五、预编译提速（批量跑表时必用）\n一次编译多次使用，10 万行以上明显快。\n六、贪婪 / 非贪婪\n默认 .* 会吞到最远匹配，加 ? 变非贪婪：\n七、常用 flag\n组合：\n八、pandas 里的正则捷径\n一句话总结\n背会 re.sub / re.findall / re.search + 元字符表，就能解决 90% 文本清洗任务；大文件记得 re.compile 先编译，再交给 pandas 的 .str 方法批量跑。\n","permalink":"https://cfo580.cn/article/python-zheng-ze-biao-da-shi-su-tong-kuai-ji-ren-ban/","summary":"Python 正则就一个模块：re（内置，无需安装）。 核心流程：“编译 → 匹配 → 提取/替换”3 步曲，下面用会计小例子带你速通。 一、最常用的 6 个函数（先背再拆） 函数 作用 返回 re.search(pat, txt) 找第一…","title":"🪄Python 正则表达式速通（会计人版）"},{"content":"=GROUPBY(行分组区域, 聚合区域, [聚合函数], [缺失值处理], [维度]) 5 个参数 行分组区域（必需）：用于分组的区域；\n聚合区域（必需）：要聚合计算的数据区域；\n聚合函数（可选，默认 SUM）：求和、计数、平均、最大最小，COUNTA 去重计数；\n缺失值处理（可选 0/1/2/3，默认 0）；\n维度（可选 0/1，默认 0）：0 一维行分组，1 二维行列交叉（透视表）。\n注意：不能用 A:A 这种整列写法，必须给具体区域。\n示例 单条件分组（A=部门，B=销售额）： =GROUPBY(A2:A10, B2:B10, SUM, 3, 0) 双条件分组（A=部门，B=地区，C=销量）： =GROUPBY(A2:B10, C2:C10, SUM, 3, 0) 二维透视（维度=1）： =GROUPBY(A2:A10, B2:B10, SUM, 3, 1) 第 4 参数 0/1/2/3 速查 日常最常用第 4 参数写 3，分组结果最干净。\n","permalink":"https://cfo580.cn/article/3e08ac76-412c-81e4-888c-c90dc70650d9/","summary":"=GROUPBY(分组区域,聚合区域,[聚合函数],[缺失值0-3],[维度0/1])。第4参数3=忽略空分组+忽略空值行，最干净；维度1=二维行列交叉透视。不能用整列 A:A。","title":"📊Excel GROUPBY 函数完整语法：5 个参数与 0/1/2/3 缺失值处理"},{"content":"🧮Excel SUM 自适应行数加总：=SUM(A1:INDEX(A:A,ROW()-1)) 让 SUM 自动加总到“当前行的上一行”，往下拖公式时范围自动扩展，不用手改结束行：\n从哪一行开始加总，就改 SUM 的第一个参数 A1；\n加总哪一列，就改 A:A；\nINDEX(区域, 行, 列)：从某区域提取指定行/列的值；\nROW()：当前行号。ROW()-1 即上一行，所以范围始终是“起始格 → 当前行上一格”。\n","permalink":"https://cfo580.cn/article/excelsum-zi-shi-ying-xing-shu-jia-zong-suma1indexaarow1/","summary":"🧮Excel SUM 自适应行数加总： SUM(A1:INDEX(A:A,ROW() 1)) 让 SUM 自动加总到“当前行的上一行”，往下拖公式时范围自动扩展，不用手改结束行： 从哪一行开始加总，就改 SUM 的第一个参数 A1； 加总哪…","title":"➕ Excel SUM 自适应行数加总：=SUM(A1:INDEX(A:A,ROW()-1))"},{"content":"Excel 365 动态数组函数在财务报表、对账、数据清洗和汇总上极提效。下面 9 个是会计最常用的，按用途分三类。\n一、数据提取与筛选\nFILTER：从总账/序时账按科目、部门、金额筛凭证：\nUNIQUE：从流水账提取不重复供应商/客户/科目清单：\nXLOOKUP：替代 VLOOKUP，按凭证号/科目代码跨表匹配，支持向左查找、默认精确匹配：\n二、排序与序列生成\nSORT：按某列排序（如按金额第4列降序）：\nSORTBY：按另一组数据排序（如按自定义科目序号排报表）：\nSEQUENCE：生成连续数字（凭证号、月份、报表行号）：\n三、合并与文本处理\nVSTACK：把 1月/2月/3月 结构相同的表纵向合并：\nHSTACK：把分散在不同区域的列左右拼起来（科目代码+科目名）：\nTEXTSPLIT：拆分银行回单连写的“日期-摘要-金额”：\n动态数组函数输完按一次回车即可，不用 Ctrl+Shift+Enter，结果自动溢出；若被阻挡会报 #SPILL!，清空阻挡单元格即可。\n","permalink":"https://cfo580.cn/article/kuai-ji-ren-chang-yong-de-9-ge-excel-dong-tai-shu-zu-han-shu/","summary":"Excel 365 动态数组函数在财务报表、对账、数据清洗和汇总上极提效。下面 9 个是会计最常用的，按用途分三类。 一、数据提取与筛选 FILTER：从总账/序时账按科目、部门、金额筛凭证： UNIQUE：从流水账提取不重复供应商/客户/…","title":"🔢 会计人常用的 9 个 Excel 动态数组函数"},{"content":" 基本语法\n核心作用：将字符串序列（如列表、元组等）用指定分隔符连接成一个字符串。\n1. 最常用：列表 → 字符串\n2. 分隔符可以是任意字符串\n3. 必须是字符串序列\n4. 其他可迭代对象\n5. 常见坑\n只能拼接字符串，遇到非字符串需先 str() 转换；\n比循环拼接更高效，推荐优先使用：\n一句话总结\n.join() 是 Python 中高效、简洁的字符串拼接利器，记住两点：\n分隔符在前，序列在后；\n序列元素必须是字符串。\n","permalink":"https://cfo580.cn/article/pythonjoin-yong-fen-ge-fu-ba-zi-fu-chuan-xu-lie-pin-cheng-yi-ge-chuan/","summary":"基本语法 核心作用：将字符串序列（如列表、元组等）用指定分隔符连接成一个字符串。 1. 最常用：列表 → 字符串 2. 分隔符可以是任意字符串 3. 必须是字符串序列 4. 其他可迭代对象 5. 常见坑 只能拼接字符串，遇到非字符…","title":"🔗 Python join()：用分隔符把字符串序列拼成一个串"},{"content":" 一个完整的“动作”结束，就打一个分号\n你可以把 SQL 语句想象成给数据库下达的指令 或动作 。每当你下达完一个独立的、完整的指令后，就立刻打上一个分号。\n这个“动作”可以是：\n查询：SELECT * FROM users（查）\n插入：INSERT INTO users (name) VALUES ('Alice')（增）\n更新：UPDATE users SET name = 'Bob' WHERE id = 1（改）\n删除：DELETE FROM users WHERE id = 1（删）\n创建：CREATE TABLE products (...)\n✅\n一句话总结： 只要你觉得“我要让数据库做的这件事已经说完了”，就在后面加上 ;。\n","permalink":"https://cfo580.cn/article/sql-gai-zai-na-li-da-fen-hao/","summary":"一个完整的“动作”结束，就打一个分号 你可以把 SQL 语句想象成给数据库下达的 指令 或 动作 。每当你下达完一个独立的、完整的指令后，就立刻打上一个分号。 这个“动作”可以是： 查询： SELECT FROM users （查） 插入：…","title":"🔣 SQL该在哪里打分号？"},{"content":"虑得先生的读书笔记\n新一代的笔记工具的特点是对不同的使用方式持开放态度。它鼓励自由，但也需要结构性约束。\n💭\n什么是结构性约束？\n卡片写作法有几个流派：\n日本知名学者梅棹忠夫在《智识的生产技术》中提到的“京大卡”。\n美国知名作家纳博科夫的卡片写作法——使用索引卡。\n卢曼的卡片盒法。\n认知科学家将人的信息加工分为两大类，第一类是一阶操作，也就是“认知”本身，你感知的、你记忆的、你学习的、你思考的。第二类是二阶操作，称之为“元认知”，即对自己当前的认知进行监控：“我当前感知到了什么？我当前在记忆什么？我当前在学习什么？我当前在思考什么？”这就是元感知、元记忆、元学习、元思考等。“元认知”也就是认知的认知。\n必要难度\n人的记忆有两种基本机制：存储与提取。比约克率先区分了记忆竞争的两种不同类型：存储强度（storage strength）与提取强度（retrieval strength）。以前，人们习惯性地认为，记得越快，学习效果越好。简言之，存储越容易，提取就越快。但他的实验发现了与常识相反的结论：“存储与提取负相关”，也就是说，存入记忆越容易，提取出来越困难；反之，如果你有些吃力地存入，知识提取会更方便。\n从本质上讲，卡片笔记写作法不是一种“技巧”，而是一个“系统”，一种存储和组织知识、扩展记忆以及生成新连接和想法的系统。而使用这套系统，需要我们对自己的思维方式进行一次升级——重要的不是记录，而是更好地思考。\n卢曼反直觉的思考方式，比如拒绝做知识的搬运工，必须用自己的话写下来；比如需要记录的是知识，而非信息；比如不需要进行机械分类，而是让关系慢慢地自动生长出来等。让你能够从另外一个角度重新看待“做笔记”这件事背后蕴藏的深层思考。\n以往教授笔记方法的图书多以两类为主：一类是教授记笔记的形式，比如一页纸法、九宫格法、思维导图法；另一类则以教授原理为主，如费曼笔记法、康奈尔笔记法、PQ4R法等。这些内容大多只能解决眼前的问题，即让大家把笔记记起来，但是久而久之积累下来的笔记将把我们引向何处却很少提及。常见的情况是这学期记了很多笔记，下学期又重新开始，或者是读某本书记了一些笔记，读另一本书时又重新开始记。这样的问题在于我们的学习成果不能跨领域、跨时间形成累积，不能帮助我们取得更大的作为。非常可惜。\n积累成想法集群\n💡\n用自己的语言，以标准化的格式记下笔记，再在笔记之间建立联系，产生更多新的想法。\n本书的核心，将记笔记分为闪念笔记、文献笔记和永久笔记三类。\n这种既不是自己的理解又没有语境的干货，就很难在自己的知识、情感和实践层面等找到契合点，这就是教育学上讲的“惰性知识 ”，自然很难为己所用。\n学习心理学上关于成功模仿的四要素 ——观察、保持、复现和动机。书中提到了两种记忆方式，一种“提取强度”，采用Zettelkasten等工具，通过建立频繁的联系来增强记忆；另一种是“存储强度”，通过闪卡类工具，如译者长期在普及的Anki软件，通过间隔复习来增强记忆。\n如果没有理论的指导，实践就会变得盲目；而如果没有实践的充实，那么理论就会显得空洞。\n改善写作的组织过程才是最重要的。\n💭\n不重视写笔记或者不愿意写笔记的原因是，没有正向或者负面的反馈！其实，学一门新技能也是如此，比如会计学Excel、Python等。\n大多数人苦于写作的原因都差不多，就是因为他们相信或者被迫相信写作是从一张空白页开始的。\n💭\n其实，写作是从良好的积累笔记开始的！\n事实上，在智力的各种因素中，起最大作用的不是智商，而是一个人具备怎样的自律或自控力来处理手头的事务（Duckworth and Seligman, 2005; Tangney, Baumeister, and Boone, 2004）。\n如果做一件事不是因为你有意志力，而是根本不需要使用意志力，那就意味着你离成功不远了。而组织写作和记笔记就能发挥这样的作用。\n💭\n像写作等所有输出工作，最关键的不是写作本身，而是写作的总体流程。\n如果你能信任笔记系统，就可以不必拼命用大脑记住所有东西，从而可以集中精神去思考重要的东西，比如文章的内容、论点和想法。\n做事情有清晰的结构与制订做事计划截然不同。制订计划是给自己强加条条框框，进度变得按部就班。如果想按照计划推进，你就得用意志力逼迫自己，这样容易导致自己陷入意志消沉的状态，而且这种方式也不适合像研究、思考或持续学习这样的开放式过程。\n成绩差的学生往往自我感觉良好（直到他们参加考试时才露出原形），因为他们不会有太多的自我怀疑。在心理学上，这被称为邓宁—克鲁格效应（Kruger and Dunning, 1999）。\n处理复杂的事情最好的方法是尽可能地保持简单，并遵循一些基本原则。\n戴维·艾伦（David Allen）在《搞定》一书（Getting Things Done, 2001）中强调了“总体工作流程的重要性”。艾伦的这套理论简称为GTD。\n💭\n回头要阅读《搞定》这本书。\n即使是最好的工具，孤立使用它也不会有太好的效果，只有把它们嵌入精心策划的工作流程中，工具才能发挥出它们的优势。如果这些工具不能配合使用，再好的工具也没有意义。\n卢曼意识到，一个想法、一条笔记只有在它的上下文语境中才有价值，而上下文并不一定是它的出处。所以，他开始思考一个想法，那就是如何让笔记与不同的上下文相联系并起到相应的作用。\n💭\n卢曼的方法，是一种微创新：在学习到、了解到的知识点，加上自己的思考，形成了新的认知点，再学习、再向外界吸收，不断修正这个认知点，如此循环重复，实现了“知识的复利”！\n我们仍然习惯性地认为一个人要取得巨大的成就，必须付出艰辛的努力；而不愿意相信，我们只要简简单单地改变一下工作方式，就不仅可以使工作效率更高，而且工作会变得更有趣。\n哪怕工作很艰苦，只要符合我们的内在目标，并且我们觉得可以掌控，工作就会很有趣。而如果以一种僵化的方式来安排工作，当事情发生变化而无法调整时，工作就有可能停滞不前、无法完成。\n只有当工作的方式足够灵活，允许这些细小而频繁的调整，我们才能保持兴趣、动机和工作的一致性，这就是毫不费力地工作的前提。\n对成功人士的研究一再证明，成功不是源于强大的意志力和克服阻力的能力，而是源于高明的工作环境事先避免了阻力（Neal et al., 2012; Painter et al., 2002; Hearn et al., 1998）。高效率的人不会与不利的阻力作斗争，而是像柔道冠军一样转移阻力，这不仅要依靠正确的心态，也要依靠正确的工作流程。\n主要的误解源于人们对卢曼卡片盒的孤立关注，而忽视了它所嵌入的实际工作流程。\n💭\n【待办】怎么把笔记系统嵌入实际工作流？\n卢曼有两类卡片盒：一类是文献卡片盒，里面有文献和对文献内容的简要说明；另一类是主卡片盒，主要是他针对所阅读的内容收集和产生的想法。这些笔记都写在索引卡片上，存放在木质卡片盒里。\n文献盒中的笔记，都是用完整的句子，并明确地引用他从哪些文献中获取材料。\n用笔记记下“作者在某一章详细证明了他的方法”，比引用文中任何词句都更能充分地描述这一章的内容。\n直接在一条笔记后面添加新笔记只是方法之一，另一种方法是在这条笔记和（或）其他笔记之间添加一个链接，通过添加这些笔记之间的链接，卢曼能够将同一条笔记添加到不同的上下文中。\n卢曼笔记法是自下而上地开发主题，然后在卡片盒中不断地添加笔记，基于这个卡片盒，通过排序相关笔记的链接，来对一个主题进行整理。\n卢曼笔记系统的最后一个元素是索引，他会从这个索引中引用一两条笔记，作为进入某个思路或主题的切入点。\n记笔记不是最关键的工作，思考、阅读、理解和提出想法才是，笔记只是它们的具体成果。\n神经科学家尼尔·利维（Neil Levy）在《牛津神经伦理学手册》的导言中这样总结几十年的研究：“纸上的笔记，或电脑屏幕上的笔记并没有让当代物理学或其他种类的智力活动变得更容易，而是让它成为可能。”正如利维所写的那样：“无论内部过程是如何实施的，你都需要了解思维对外部框架的依赖程度”（2011）。如果有一件事是专家们一致同意的，那就是你必须将你的想法外显化，必须把它们写下来。理查德·费曼和本杰明·富兰克林同样强调这一点。写作使我们更有可能理解所读到的东西，记住所学到的东西，并让我们的想法变得有意义。\n从系统内部自下而上发展主题、问题和研究课题。你可以看看目前有什么，缺什么，出现了什么问题。通过广泛阅读来挑战和加强自己的论点，并根据了解到的新信息改变和发展自己的论点。多做笔记，进一步发展思路，看看事情的发展方向。自己跟着兴趣走，一直选择有望获得最深刻见解的那条路。\n你对某件事情越感兴趣，就会阅读得越多，思考得越多，进而收集的笔记越多，最终越有可能从中提出问题和想法。它可能正是你一开始就感兴趣的东西，但更有可能是你的兴趣已经发生了变化，这就是洞见的作用。\n实际上，你绝不会只写一个想法，而是在不同阶段同时会写出很多不同的想法，这正是卢曼卡片盒笔记法的真正优势所在。我们可以天马行空地一次思考多个问题，而且在将来可以萌发更多思考和写作主题，可能不是为了学术，也不是为了发表，但肯定能让自己的知识增长。随时收集，不要让任何好的想法白白浪费。\n偶然遇到的东西占了我们学习的大部分，所以多花一点时间把它们添加到笔记系统中是很有意义的。\n💭\n从记笔记到产出（输出）的链路可理解为：平时根据我们最终要输出的目的，多阅读，多记笔记，可以是碎片化的，但碎片之间要产生联系（这就用到双链笔记的链接功能），让内容自下而上地产生，而不是我们传统的先确定主题，再写大纲，然后填充内容。记笔记的方法固然重要，但确保输出的流程更加重要，需要自己“实践—执行—调整—再实践”。\n假如你突然有了一个想法，并认为它可能与另一个想法有联系，当运用这些不同的技巧时，该怎么办呢？翻阅所有的书籍去找想要的那个画线句子？重读所有的读书日志和摘录？然后怎么办？这就是为什么引入卡片盒笔记法不是作为另一种技术，而是作为总体工作流程中的一个关键要素！重点是“总体工作流程 ”。\n好的工具并不是在我们已有的工具基础上增加功能和更多的选择，而是帮助我们减少对主要工作的干扰，这里的主要工作就是思考。\n总之，我们所需要的就是一个不受干扰而可以专心思考的大脑和一个可靠的笔记系统，其他都是多余的。\n这些笔记并不是要永久保存，它们很快就会被删除或扔掉，它只是用来启发思路，并不是为了记录思想本身，记录思想需要时间来组织适当的句子并核查事实。\n学习是为了获得无法预知的洞见。\n令人信服的论点都具有同样的标准——必须前后一致和基于事实。\n💭\n从集装箱开始使用的过程可以明白，一件有效率的事情，从开始就不是顺利的，因为配套的流程没有健全，也就发挥不了效率的作用！\n没有集装箱之前，是把打包好的货物直接装船，这样的方式，会使货物在港口停滞几天。而使用集装箱后，在到港口之前，物流公司已经把不同的货物、不同包装类型都放到统一规格的集装箱中，这些集装箱到港口后，无需再次整理，就能直接上船，大大节省了在港口整理货物装船的时间。\n卡片盒是学术界的集装箱，不必将不同的想法分开存放，所有内容都被标准化成相同的格式后存到同一个卡片盒中。不需要关注中间的步骤，也不需要试图把画线法、摘抄法或其他阅读技巧发展成一门学问，所有的努力只为一个目的：发表有价值的观点。\n卢曼卡片盒笔记系统最大的优势在于越积累越有价值，而不是越积累越乱、越令人困惑。它是为了给你呈现你已经忘记的想法，让你的大脑专注于思考。\n卡片盒笔记系统虽然是自下而上组织起来的，无须面对主题太多或太少的权衡问题，但如果胡乱往里面添加笔记，它也会失去价值。只有当我们的目标是达到群聚效应的最佳点时，它才能发挥自身优势，而这个最佳点不仅取决于笔记的数量，还取决于笔记的质量和处理方式。\n❓\n问题：如何实现笔记的群聚效应？\n混乱的笔记类别有一个共同点，那就是记笔记的好处会随着你保存笔记数量的增加而减少。你的笔记系统，只需要三个文件夹，本书是分为闪念笔记、文献（永久）笔记、项目笔记。而现在推崇的是GAP三层笔记法，即收集笔记、归纳笔记、表达笔记，这样分，更符合现代语义。\n如果你已经知道不会再去回顾它们，索性一开始就不要做闪念笔记，而是做一个适当的永久笔记。\n闪念笔记只有在你能在一两天内回顾它们，并将它们变成以后可以使用的适当的笔记时才有价值。\n永久笔记则是以另一种方式写出来的，让你即使已经忘记了当时所取材的上下文，仍然可以理解它们。\n闪念笔记（收集笔记）一定要在一两天内整理，不然会不知道这条笔记是什么意思：第一种情况是你忘记了它应该提醒的内容；第二种情况是你忘记了赋予它意义的来龙去脉。\n📖\n书摘应该建立一个模板：书名、作者、记笔记的日期、为什么要记它、记录的内容、它的出处是第几页、记录完后自己的思考。而这些内容，应该涵盖了收集笔记、归纳笔记这两个工作流程。\n永久（归纳）笔记不只是思想或观点的备忘录，而是以书面形式包含实际思想或观点的文本，这是一个至关重要的区别。\n正是由于格式的标准化，笔记才能够在一个地方建立起群聚效应。这也是促进思考和写作的关键，因为它消除了不同格式和存放位置带来的所有不必要的复杂性或选择难度。只有把每一张笔记都以同样的格式放在同一个地方后，才能把它们组合起来，进而汇编成新的东西，而不必为应该把它们放在哪里或贴什么标签的问题煞费苦心。\n建议为每个项目准备一个实体文件夹，将所有相关的收集笔记和归纳笔记从其他文件中分出来存放在一起。\n从一张白纸或者空白的屏幕开始写作，是一个彻头彻尾的误解。\n每一项知识性的努力都是从已有的观念开始的，然后在进一步的探究过程中转化，以此作为后续努力的起点。这基本上就是汉斯·乔治·加达默尔（Hans-Georg Gadamer）所说的解释学循环（Gadamer, 2004）。\n💭\n“写作前先想好要写什么”的建议，既来得太早，也来得太晚。太晚是因为当面对白纸或空白的屏幕时，已经错过了积累书面资源的机会；但相对于定好主题后再安排与内容相关的每一项重要工作，这又太早了。——深刻理解这里的太早、太晚。\n如果你认识到“写作不是一个线性过程，而是一个循环过程”，并以此来安排自己的工作流程，“如何找到一个主题来写”的问题就会变成“如何处理可写主题太多”的问题。\n你不会担心找不到合适的主题，而是会把时间切实用在自己已有的兴趣上，去做那些为得出明智决定所必需的事，即阅读、思考和写作。通过这些工作，有趣的问题一定会自动出现。你可能不知道，也不必知道，自己的探索最终会到达哪里，但无论如何，不要勉强自己在某个预设的研究方向上产生洞见。这就最大限度地降低了你对自己曾经选择的主题失去兴趣的可能性，和不得不重新开始的风险。\n💭\n放热反应和吸热反应：放热反应需要不断添加能量来维持，而吸热反应只要一开始，就会源源不断地自动进行。我们工作也需要调整到吸热反应。\n一个好的工作流程很容易变成一个良性循环，积极的体验会激励我们轻松地接受下一个任务，而这又能让我们更好地完成工作，进而享受工作。\n只有当工作本身就是激励时，驱动力和奖励才能可持续动态循环，从而推动整个任务前进（DePasque and Tricomi, 2015）。\n杰出的健身激励教练米歇尔·西格（Michelle Segar）利用这种动力将那些屁股“长”在沙发里的人也变成了运动爱好者（Segar, 2015）。她专注于创造令人满意而且可重复的运动体验，将那些实际不喜欢运动但又知道自己必须要运动的人带入了可持续的健身状态。对她的客户而言，做什么并不重要——跑步、步行、团队运动、健身房锻炼或骑自行车上班都可以，唯一重要的是，他们发现了能给他们带来良好体验的运动方式，并且还想再次体验。而他们一旦找到了这个方式，就有足够的动力去尝试其他方式了，也就是进入了良性循环，运动不再需要意志力，因为他们已经在主观上愿意做这件事了。而如果想用运动后奖励自己在沙发上看电视来哄自己进行锻炼，那么用不了多久，他们就会直奔沙发，完全放弃锻炼。\n💭\n这是童霞想要的——回头查一下米歇尔·西格这个健身激励教练的方法。\n反馈循环不仅对驱动力至关重要，也是所有学习过程中的关键因素。没有什么比体验到自己对所做之事非常擅长更能激励我们了，而唯一能提高我们做一件事的能力的就是及时而具体的反馈。\n心理学家卡罗尔·德韦克（Carol Dweck）更朴实的说法，寻求反馈，而不是回避反馈，就是成长。德韦克提出了令人信服的观点：长期成功的最可靠预测因素是拥有“成长型思维”。积极寻求并接受反馈，是长期成功（和幸福）的最重要因素之一，无论这些反馈是积极的还是消极的。反之，对个人成长最大的阻碍是抱有“固定型思维”。那些因为觉得反馈可能会损害他们所珍视的积极的自我形象而害怕和回避反馈的人，尽管可能在短期内感觉良好，但很快还是会落后（Dweck, 2006; 2013）。\n拥抱成长的心态意味着要从变得更好中获得快乐（内在回报），而不是从接受赞美中获得快乐（外在回报）。\n拥有成长的心态是至关重要的，但这只是一方面。同样重要的是，建立一个学习系统，以实际的方式实现反馈循环。如果你每隔几个月才能得到一次对已完成工作的反馈，这样的反馈并没有多大帮助。\n💭\n要从线性工作流程转变到反馈循环工作流程。\n如果我们不用自己的话重写一遍，往往就会误以为自己已经理解了所读到的东西，因此写作是检验我们是否理解所读内容的最简单方法。\n✅\n用自己的语言去表达所理解的内容是每一个写作者应当具备的基本能力。\n同时可以培养区分文本中哪些重要、哪些不太重要的关键能力：我们在这方面的能力越强，阅读效率越高，能读的就越多，学到的也就更多。\n写永久笔记也是一样，它还内置了另一个反馈循环：用文字表达自己的想法，会让我们思考自己是否真的想清楚了。\n虽然这些内置的反馈循环并不能取代同行或上级的反馈，但唯独这些反馈是随时可用的，可以帮助我们每天都有少许、多次的进步，实现知识的复利。\n卡片盒笔记不是简单的笔记集合。使用卡片盒，与其说是为了提取具体的笔记，不如说是为了指向相关的论据，并通过让思想交融而产生洞见。\n如果知识既不是被孤立地保存，也不是被孤立地学习，而是聚集在一个思想网络中（群聚效应），或者说是“思维模型的网格”中（Munger, 1994），那么理解新的信息就变得更容易了。\n","permalink":"https://cfo580.cn/article/ka-pian-bi-ji-xie-zuo-fa-du-shu-bi-ji/","summary":"新一代的笔记工具的特点是对不同的使用方式持开放态度。它鼓励自由，但也需要结构性约束。 💭 什么是结构性约束？ 卡片写作法有几个流派： 1. 日本知名学者梅棹忠夫在《智识的生产技术》中提到的“京大卡”。 2. 美国知名作家纳博科夫的卡片写作法…","title":"📚 《卡片笔记写作法》读书笔记"},{"content":"小括号 () 与方括号 [] 在 pandas 里职责完全不同，记住一句话即可：\n() 用来「传参、调用」，[] 用来「索引、选取」。\n1. 小括号 ()：把参数交给函数/方法\ndf.groupby(\u0026ldquo;地区\u0026rdquo;)：把字符串 \u0026ldquo;地区\u0026rdquo; 作为参数传给 groupby 方法，所以用圆括号；\n任何函数/方法调用：.sum()、.mean()、.reset_index()……都用 ()。\n2. 方括号 []：按名字取子集\n[\u0026ldquo;销售额\u0026rdquo;]：这是在 GroupBy 对象上做索引操作，从中抽出“销售额”这一列。\n所以用 [] 表示“取列子集”；再往后 .sum() 又是一次方法调用，回到圆括号。\n3. 一句话规律\n目的 符号 给函数/方法传参 () 对 DataFrame / Series / GroupBy 做列索引、行索引 [] 记住这条，就不会再混淆。\n","permalink":"https://cfo580.cn/article/pandas-xiao-kuo-hao-he-fang-kuo-hao-de-fen-gong/","summary":"小括号 () 与方括号 [] 在 pandas 里职责完全不同，记住一句话即可： () 用来「传参、调用」，[] 用来「索引、选取」。 1. 小括号 ()：把参数交给函数/方法 df.groupby(\u0026ldquo;地区\u0026rdquo;)：把字符串 \u0026ldquo;地区\u0026rdquo; 作为参…","title":"🐼 pandas 小括号 () 和方括号 [] 的分工"},{"content":"作者：虑得先生\n我是70后，那个时代，学会了 EXCEL，就是办公室的“小明星”，工作效率比别人要高很多，容易被领导发现你的价值。\n现在回想起来，学 EXCEL，也是一个循序渐进的过程，首先学会了制作表格和排版，然后就是会四则运算。后来，就开始学函数，第一个函数就是 IF 条件判断函数，马上应用到销售员的提成计算中去，因为提成，都是按档位分不同提成率计算的，不会 IF，都回忆不起来当时是怎么算出来的。\n时光如白驹过隙，都2026了，会计们再不提升自己的工具技能，又要被边缘化了。\n这时，python 对于会计，就像我那个时代的 EXCEL，不是要不要学的问题，是能不能马上开始的问题。\n网上很多 python 的教学视频，书也一大把，我之前也是按传统路径去学，太没有成就感了。兜兜转转一年半，才搞明白，那些资料都是给程序员准备的，会计，就不是 python 培训的目标人群。\n经过我自己的实践，找到了一条会计人学习 Python 的主路径，先把它们学好，解决自己工作中“自动化”、“数据清洗”、“数据分析”、“可视化”这四个问题。学有余力，再去研究什么爬虫等稍次要的技能（对于会计而言）。\n好，会计人，就按下面的步骤来学习吧：\n安装 python 环境（请看《建议会计人的电脑安装一个python环境》）\npython 基础：变量、赋值、数据类型（重点是列表、字典、字符串）、注释，以及几个简单的基础函数 print()、input()、len()、str()、int()、float()、round()、abs()\nif 条件判断：布尔运算、流程控制、if-else-elif 语句\n循环语句：for 循环、while 循环\nimport 导入模块和库\n自定义函数\n正则表达式：学习 re 模块\n读写文件：学习 from pathlib import Path 模块\n操作 EXCEL：学习 openpyxl 库\n数据分析：学习 pandas 库\n没有编程基础的小白，上述 1-9 点学完能实操，大约需要 3 个月的时间；而最后一个 pandas 库，则没有上限，可以把它看作一门单独的学问，边学边用。\n注意，我这里陈述的是“会计人学 python”的主路径，学会了这些，自然就知道自己还需要学什么，子路径就是千人千面了。\n拿出工作中的实际需求来学习，学会一个知识点，马上就能用，这就是学习很重要的一点“反馈”！\n什么是“工作中的实际需求”？可以理解为：工作中经常重复的工作，就适合用 python 来解决，通常称为“编一个脚本”。\n我是虑得先生，准备在网上卖会计人需要的 EXCEL 模版和 python 自动化脚本，帮助会计人节省重复操作的时间，助力会计人早日升职加薪！当然，如果你是 EXCEL 或 python 小白，我也可以陪跑伴读。\n","permalink":"https://cfo580.cn/article/3e08ac76-412c-81ba-9b9d-d0845a0428c7/","summary":"70后会计人亲历：学Python一年半才明白传统教程是给程序员的，给出会计人10步主路径，3个月可实操。","title":"🐍会计人学Python为什么学不下去？看完这一篇就能解决了！"},{"content":" 一、基础核心\n英文 中文 通俗理解 Query 查询 一套数据处理流程 Power Query Power 查询 整个数据处理工具 Workbook Query 工作簿查询 保存在文件里的查询 Reference 引用 引用另一个查询，不重复造数据 Duplicate 复制 复制一份查询 Enable/Disable 启用/禁用 暂停或启用刷新 二、编辑器界面\n英文 中文 说明 Applied Steps 应用的步骤 每一步操作记录 Formula Bar 编辑栏 M 公式输入栏 Properties 属性 查询名称、说明 Advanced Editor 高级编辑器 查看/手写 M 语言代码 三、数据加载与来源\n英文 中文 说明 Get Data 获取数据 导入外部文件/表格 From Table/Range 自表格/区域 从 Excel 选区建查询 Close \u0026amp; Load 关闭并上载 加载到工作表 Close \u0026amp; Load To 关闭并上载至 指定加载位置 Refresh 刷新 更新源数据 四、行列操作\n英文 中文 说明 Remove Columns 删除列 删掉不需要的列 Select Columns 选择列 只保留指定列 Rename Column 重命名列 改列名 Reorder Columns 重新排序列 调左右顺序 Remove Rows 删除行 删空行、重复行 Keep Rows 保留行 只保留符合条件行 Add Column 添加列 新建计算列、索引列 五、数据转换高频词\n英文 中文 说明 Filter 筛选 按条件筛行 Sort 排序 升序/降序 Group By 分组依据 分组汇总，类似 SQL GROUP BY Merge Queries 合并查询 多表关联，等价 JOIN Append Queries 追加查询 上下拼表，等价 UNION Unpivot 逆透视 宽表转长表 Pivot 透视 长表转交叉表 Split Column 拆分列 按分隔符拆多列 Merge Columns 合并列 多列文字拼接 Replace Values 替换值 批量替换内容 Fill 填充 向下/向上填空值 Format 格式 大小写、清理空格 六、数据类型\n英文 中文 说明 Text 文本 文字型 Whole Number 整数 整型 Decimal Number 十进制数 小数/金额 Date 日期 日期 Time 时间 时间 Date/Time 日期/时间 日期加时间 Boolean 逻辑 是/否、真/假 七、空值与错误\n英文 中文 说明 Null 空值 空白无内容 Error 错误 计算出错值 Remove Blank Rows 删除空白行 删整行空行 Replace Errors 替换错误 错误值改成指定内容 一句话：Query=查询，所有带 Query 的一律翻成“查询”；Merge Queries 就是 JOIN，Append Queries 就是 UNION。\n","permalink":"https://cfo580.cn/article/powerquery-chang-yong-ying-wen-shu-yu-dui-zhao-biao/","summary":"一、基础核心 英文 中文 通俗理解 Query 查询 一套数据处理流程 Power Query Power 查询 整个数据处理工具 Workbook Query 工作簿查询 保存在文件里的查询 Reference 引用 引用另一个查询，不重…","title":"🔤 Power Query 常用英文术语对照表"},{"content":"对于会计人而言，《SQL必知必会》绝非“额外负担”，而是适配财务数字化转型、提升工作效率、降低工作风险、增强核心竞争力的“必备工具书”。该书以“简单易懂、实用性强”为核心，无需复杂编程基础，恰好契合会计人“重数据、重精准、重效率”的工作需求，其价值可从会计工作全场景出发，分为五大核心原因。\n一、破解Excel瓶颈，高效处理海量财务数据\n会计日常需处理凭证、科目、往来账、费用等海量结构化数据，而Excel在处理百万级数据时易卡顿、崩溃，且多表核对、重复取数效率极低。《SQL必知必会》重点讲解的查询（SELECT）、筛选（WHERE）、去重（DISTINCT）等基础语法，能直接对接财务工作场景——比如快速提取全年某类凭证、筛选逾期应收账款、汇总各部门费用，替代Excel的高级筛选、删除重复项等操作，实现海量数据秒级处理，大幅减少手工录入和核对的工作量，避免人为误差。尤其对于集团型企业、业务量大的企业会计，SQL能轻松解决多系统数据汇总、跨表比对的痛点，让数据处理更高效、更精准。\n二、打通财务数据壁垒，自主获取核心数据\n会计工作中，ERP系统、财务软件（用友、金蝶）、业务系统的核心数据，大多存储在MySQL、SQL Server等数据库中，传统模式下需依赖IT部门提取数据，不仅耗时，还可能因需求传达偏差导致数据不符。《SQL必知必会》教会会计人掌握基础SQL语法，无需依赖他人，可直接从数据库源头提取所需数据——比如从凭证表、科目表中自主查询特定期间、特定科目的发生额，从应收账款表中筛选高风险逾期款项，从费用表中提取特定类型的支出明细，实现“数据自主可控”，大幅提升工作主动性和响应速度。这种自主取数能力，能让会计人摆脱“被动等待数据”的困境 ，更快完成账务处理、报表编制等核心工作。\n三、适配财务合规与审计需求，降低工作风险\n会计工作的核心要求是“合规、可追溯”，税务稽查、内部审计、财务核查时，常需追溯历史数据、核对跨部门数据、排查异常交易。《SQL必知必会》讲解的分组汇总（GROUP BY）、多表联结（JOIN）、空值筛选（IS NULL）等知识点，能帮助会计人精准锁定数据疑点——比如通过SQL比对工资薪金支出与社保、个税申报数据的一致性，筛查虚列费用、虚开发票的异常凭证，核对进销项发票品名是否匹配，确保财务数据真实合规，降低税务风险和审计风险。同时，SQL的查询记录可留存，便于后续数据追溯和核查，符合会计档案管理的规范要求。\n四、助力财务转型，从“账房先生”到“财务分析师”\n当下财务数字化转型加速，单纯的账务处理已无法满足企业需求，会计人需向“懂数据、会分析”的财务分析师转型。《SQL必知必会》的核心价值的是培养“数据思维”，书中讲解的聚合函数（SUM、COUNT、AVG）、子查询、视图等知识点，能帮助会计人实现多维度财务分析——比如汇总各业务线利润、分析各部门预算执行率、计算平均回款周期，为企业经营决策提供数据支撑。该书避开复杂的编程理论，聚焦“实用查询”，会计人无需精通编程，只需掌握书中基础内容，就能完成80%的财务分析场景，实现从“单纯记账”到“数据赋能”的转型，提升个人核心竞争力。\n五、门槛极低，适配会计人学习节奏，性价比极高\n会计人大多缺乏编程基础，而《SQL必知必会》以“每课一个核心知识点”为节奏，语言通俗、案例简单，无需复杂的计算机知识，上手难度极低。书中的查询语法、操作案例，可直接对应财务数据表（凭证表、科目表、往来账表），学完就能直接应用到实际工作中，实现“学以致用”。同时，该书篇幅精炼、重点突出，适合会计人利用碎片化时间学习，无需花费大量时间钻研，就能快速掌握核心技能。此外，SQL语法具有通用性，无论后续工作中遇到MySQL、SQL Server还是PostgreSQL数据库，书中所学都能直接迁移，学习成本不会浪费，是会计人提升技能的“高性价比”选择。\n✅\n综上，《SQL必知必会》不是会计人的“加分项”，而是数字化时代下的“必备项”。它能帮助会计人解决日常工作中的实际痛点，提升工作效率、降低风险，同时为职业发展赋能，助力会计人在财务数字化转型中站稳脚跟。\n","permalink":"https://cfo580.cn/article/kuai-ji-ren-bi-kan-sql-bi-zhi-bi-hui-de-he-xin-yuan-yin/","summary":"对于会计人而言，《SQL必知必会》绝非“额外负担”，而是适配财务数字化转型、提升工作效率、降低工作风险、增强核心竞争力的“必备工具书”。该书以“简单易懂、实用性强”为核心，无需复杂编程基础，恰好契合会计人“重数据、重精准、重效率”的工作需求…","title":"📚 ️ 会计人必看《SQL必知必会》的核心原因"},{"content":"在很多岗位，Excel 不是加分项而是基础设施。但大量用 Excel 的人并没真正掌握：表格能做但维护成本极高，一换数据结构公式全失效，每月同类报表反复重做，操作靠手工、错误率高。这不是能力问题，是缺一套稳定可复用的方法。\n一、Excel 能力的本质不是函数熟练度\n很多路径从“函数表”开始，这是典型但低效的切入点。Excel 能力核心不取决于你会多少函数，而取决于你能否构建稳定的数据处理流程——函数记得再熟只解决单点，一套流程才能长期产生价值。\n二、结构优先原则\n在任何计算发生之前，数据本身是否可计算才是第一问题。\n什么是“可计算的数据结构”\n列字段固定且语义明确；\n行记录具备一致逻辑；\n无合并单元格；\n无人为插空、断行。\n这是筛选、汇总、匹配能正确进行的前提。\n为什么结构问题会导致“学不会 Excel”\n合并单元格导致无法排序；\n表头重复导致函数失效；\n一列混合多种含义，无法统计。\n这些本质不是公式错误，而是结构不支持计算。学习阶段没建立结构意识，后续再多技巧都会被抵消。\n三、按“问题类型”而非“功能列表”学\nExcel 功能多，但真实工作中的问题类型有限。围绕高频问题类型构建能力：\n1. 数据定位类\n找满足条件的数据、快速筛选范围 → 排序、筛选、条件格式，是所有操作的入口。\n2. 数据统计类\n总量、平均、按条件汇总 → SUM / COUNT / AVERAGE / 条件统计。\n3. 数据判断类\n是否达标、是否满足规则 → IF 逻辑、条件表达式，本质是业务规则的映射。\n4. 数据关联类\n跨表取值、数据对齐 → 查找匹配函数，是从单表工具走向数据系统的关键。\n5. 数据汇总类\n按部门、按月份统计 → 透视表。多数场景透视表比公式更稳定高效。\n四、从“能完成任务”到“可长期维护”\n很多人能用 Excel 完成工作但效率不高，核心是表格只能用一次、无法复用——这是能力停滞的典型信号。\n精通 Excel 的三个指标\n是否减少了人工操作；\n是否降低了出错概率；\n是否支持数据规模变化。\n一个表格只能在当前数据规模下勉强用，说明设计层面有问题。\n自动化思维\n进阶不需要复杂编程，而是：用公式替代手算、用规则替代经验、用结构替代操作。这种转变决定 Excel 的效率上限。\n五、学习资料要系统\n碎片化资料是效率最大的敌人。零基础更适合：内容结构清晰、围绕真实办公场景、可直接复用案例。\n六、可持续的学习策略\n相比集中突击，Excel 更适合持续优化式学习：\n每优化一次表格就记录方法；\n每解决一个问题就总结结构原因；\n把常用逻辑沉淀为模板。\n不追求短期爆发，长期收益极高。\n七、结论\nExcel 本身不复杂，复杂的是现实业务。真正拉开差距的不是函数记忆，而是数据结构意识、逻辑拆解能力和自动化设计思维。当你从“怎么操作”转向“如何设计”，Excel 才真正成为长期可复用的能力。\n","permalink":"https://cfo580.cn/article/cong-ling-ji-chu-dao-wen-ding-shu-chu-excel-xue-xi-de-yi-tao-ke-fu-yong-fang-fa-lun/","summary":"在很多岗位，Excel 不是加分项而是基础设施。但大量用 Excel 的人并没真正掌握：表格能做但维护成本极高，一换数据结构公式全失效，每月同类报表反复重做，操作靠手工、错误率高。这不是能力问题，是缺一套稳定可复用的方法。 一、Excel…","title":"📘 从零基础到稳定输出：Excel 学习的一套可复用方法论"},{"content":"深入理解 Python 中的「可迭代对象」，这是掌握循环、批量处理财务数据的核心概念。简单说，可迭代对象（Iterable）就是“能被逐个取出元素的容器”——比如你处理的 Excel 文件路径、发票金额列表、pandas 的财务列数据，本质都是可迭代对象，这也是 for 循环、list()、.glob() 能批量处理数据的基础。\n本文结合财会场景，从「定义 → 判定 → 常见类型 → 核心特性 → 实操示例」逐层讲解。\n一、核心定义：可迭代对象是什么？\n在 Python 中，满足以下任一条件的对象就是「可迭代对象」：\n实现了 iter() 方法（返回迭代器）；\n实现了 getitem() 方法（能通过索引取值，比如 obj[0]）；\n通俗理解：能被 for\u0026hellip;in\u0026hellip; 循环遍历，逐个取出元素的对象。\n对财会场景来说，你可以把可迭代对象想象成：财务工作中的“清单”（比如发票清单、文件清单、金额清单），清单里的每一项就是“元素”。\n二、如何快速判定一个对象是不是可迭代对象？\n新手不用记复杂的方法，用 2 个简单方式即可：\n三、财会场景最常见的可迭代对象（按使用频率排序）\n以下是写财务脚本时每天都会接触的可迭代对象：\n类型 财会示例 核心特点 遍历/转换 1. 列表 list 发票金额 [10000.0, 25000.5] 有序、可变、一次性加载 for amt in amounts 2. glob 生成器 .glob(\u0026rsquo;*.xlsx\u0026rsquo;) 文件路径 有序、按需取值省内存、不可重复遍历 for file in gen 3. 元组 tuple 税率 (0.03, 0.06, 0.13) 有序、不可变、一次性加载 for rate in tax_rates 4. 字符串 str 发票号 \u0026lsquo;SF20251201\u0026rsquo; 有序、不可变、按字符遍历 for ch in invoice_no 5. pandas Series df[\u0026lsquo;金额\u0026rsquo;] 金额列 有序、带索引、按值遍历 for amt in df[\u0026lsquo;金额\u0026rsquo;] 6. range 对象 月份 range(1, 13) 有序、按需生成数字、不可变 for m in range(1,13) 7. 集合 set 去重客户 {甲公司,乙公司} 无序、无重复、按需取值 for c in customers 四、可迭代对象的核心特性（新手必知）\n1. 核心：“可遍历” ≠ “已加载”\n这是最容易混淆的点，直接决定财务脚本性能：\n一次性加载型（列表、元组、字符串）：创建时就把所有元素加载到内存，遍历快但占内存多（如 10 万条金额列表）；\n按需取值型（生成器、range、glob 生成器）：遍历到某个元素时才生成它，占内存极少，适合全年百万条流水。\n2. 可迭代对象 ≠ 迭代器\n可迭代对象：“能被遍历的容器”（比如列表），可以通过 iter(对象) 生成迭代器；\n迭代器：“负责逐个取出元素的工具”（比如 glob 生成器），只能向前遍历，不能回头。\n不用纠结严格区分，只需记住：只要能被 for 循环遍历，就是你需要的可迭代对象。\n3. 部分可迭代对象只能遍历一次\n比如 glob 生成器，遍历一次后就“空了”，第二次遍历无输出：\n解决方法：需要多次遍历时，用 list() 转成列表（适合文件数量少的场景）。\n4. 可迭代对象可以嵌套\n比如“列表里套字典”（多笔发票信息），也是可迭代对象：\n五、财会场景避坑与实操建议\n1. 大量数据优先用“按需取值型”\n处理全年 10 万条银行流水，不要直接转列表，而是逐个遍历：\n2. glob 生成器遍历后为空，需重新生成\n3. 用可迭代对象简化财务计算\n六、综合示例：批量处理财务文件\n总结\n可迭代对象核心是“能被 for 循环逐个取出元素的容器”，是财务批量处理数据的基础；\n高频类型：列表（金额）、glob 生成器（文件路径）、pandas Series（Excel 列）、range（月份）；\n关键技巧：少量数据用列表（遍历快），大量数据用生成器（省内存），避免遍历后为空的生成器复用。\n","permalink":"https://cfo580.cn/article/python-ke-die-dai-dui-xiang-cai-kuai-pi-liang-chu-li-de-ji-chu-gai-nian/","summary":"深入理解 Python 中的「可迭代对象」，这是掌握循环、批量处理财务数据的核心概念。简单说，可迭代对象（Iterable）就是“能被逐个取出元素的容器”——比如你处理的 Excel 文件路径、发票金额列表、pandas 的财务列数据，本质…","title":"🔁 Python 可迭代对象：财会批量处理的基础概念"},{"content":"一套优秀的 SQL 书写规范，核心目标只有两个：易读和易维护。当你的代码结构清晰、风格统一时，不仅能让自己在几个月后还能看懂，也能让团队成员快速理解你的逻辑。\n这里整理了一套在工业界广泛使用、可直接落地的 SQL 书写规范。\n🎨 核心风格：关键字大写与换行\n这是提升可读性最立竿见影的方法。\n关键字大写：所有 SQL 关键字（如 SELECT, FROM, WHERE, JOIN, AND, OR, GROUP BY, ORDER BY 等）统一使用大写。这能让它们从代码中“跳”出来，一眼看清语句的骨架。\n子句分行：每个主要的子句（SELECT, FROM, WHERE 等）都应该另起一行。\n缩进：使用 4 个空格进行缩进，以表示层级关系。禁止使用 Tab 键，因为不同编辑器对 Tab 的显示宽度不同，会导致代码错位。\n📝 列表与逗号规范\n当查询或插入的字段较多时，如何排版至关重要。\n多字段换行：如果 SELECT 或 INSERT 的字段超过 3 个，或者单行长度超过 80 个字符，就应该换行。\n逗号前置：将逗号放在每一行的开头，而不是结尾。这样做的好处是，当你需要注释掉某一行或调整字段顺序时，不会因为忘记处理逗号而导致语法错误。\n逗号对齐：让所有逗号在垂直方向上对齐，视觉上更整洁。\n示例：\n🧩 JOIN 与子查询规范\n复杂查询是 SQL 的精髓，也是混乱的重灾区。\n明确 JOIN 类型：永远不要使用隐式的 FROM table1, table2 WHERE\u0026hellip; 连接方式。始终使用 INNER JOIN, LEFT JOIN 等明确的关键字。\nON 条件另起一行：JOIN 的 ON 条件应该与 JOIN 关键字对齐，并另起一行。\n子查询缩进：子查询（Subquery）或公用表表达式（CTE）应该比外层查询多缩进 4 个空格，以示层级。\n示例：\n✨ 其他细节与习惯\n使用别名（Alias）：当涉及多表查询时，为表名设置简短的别名（如 FROM users AS u），并在所有字段前加上别名前缀（如 u.username）。这能避免字段名冲突，也让代码更清晰。\n善用注释：对于复杂的业务逻辑、窗口函数或存储过程，务必添加注释。单行注释用 \u0026ndash;，多行注释用 /* \u0026hellip; */。\n语句结束符：每条独立的 SQL 语句都以分号 ; 结尾。\n大小写统一：除了关键字大写，表名和字段名建议统一使用小写，单词之间用下划线 _ 连接（例如 user_profile）。\n💡\n养成这些习惯，你的 SQL 代码将变得专业、清晰，让团队协作更加顺畅。\n","permalink":"https://cfo580.cn/article/sql-shu-xie-gui-fan/","summary":"一套优秀的 SQL 书写规范，核心目标只有两个：易读和易维护。当你的代码结构清晰、风格统一时，不仅能让自己在几个月后还能看懂，也能让团队成员快速理解你的逻辑。 这里整理了一套在工业界广泛使用、可直接落地的 SQL 书写规范。 🎨 核心风格：…","title":"📏 ️ SQL书写规范"},{"content":"深入理解 Python 中的 list() 函数，这是处理财会数据时高频用到的基础函数。简单说，list() 是用来创建或转换出列表（Python 最核心的有序可变数据结构）的工具——不管是把 .glob() 找到的 Excel 文件路径转成可操作的列表，还是把财务数据的生成器/元组转成列表，都离不开它。\n本文从「核心定义 → 用法分类 → 财会实操示例 → 避坑点」逐层讲解。\n一、核心定义：list() 是什么？\nlist() 是 Python 的内置构造函数，核心作用有两个：\n创建一个空列表；\n将「可迭代对象」（比如 .glob() 返回的生成器、元组、字符串、pandas 列等）转换成列表。\n对财会场景来说，列表是存储“多笔发票金额、多个文件路径、多条台账记录”的核心容器。\n二、list() 的核心用法\n1. 创建空列表（初始化数据容器）\n语法：list()。用来存放后续读取的财务数据（比如累加多笔发票金额、收集多个 Excel 文件路径）。\n2. 将可迭代对象转成列表（最常用）\n语法：list(可迭代对象)。把生成器、元组、字符串、range、Series 等的元素“提取”出来，组成有序列表。财会场景 6 种常见转换：\n可迭代对象 财会场景 代码与输出 glob 生成器（文件路径） 把找到的 Excel 文件路径转成列表 excel_files = list(folder.glob(\u0026rsquo;*.xlsx\u0026rsquo;)) 元组（固定财务数据） 税率元组转成可修改的列表 list((0.03,0.06,0.13)) → [0.03,0.06,0.13] range（批量生成数字） 生成 1-12 月的月份列表 list(range(1,13)) → [1,2,\u0026hellip;,12] 字符串（拆分文本） 拆分发票号字符做格式校验 list(\u0026lsquo;SF20251201\u0026rsquo;) → [\u0026lsquo;S\u0026rsquo;,\u0026lsquo;F\u0026rsquo;,\u0026lsquo;2\u0026rsquo;,\u0026hellip;] pandas Series Excel 金额列转成列表逐个处理 list(df[\u0026lsquo;金额\u0026rsquo;]) → [10000.0, 25000.5] 集合（去重后转列表） 客户名称去重 list({\u0026lsquo;甲公司\u0026rsquo;,\u0026lsquo;乙公司\u0026rsquo;,\u0026lsquo;甲公司\u0026rsquo;}) 3. list() vs 直接用 []\nlist() 是函数，适合转换已有可迭代对象；\n[] 是字面量，适合直接创建列表/初始化空列表；\n三、list() 的核心特性（新手必知）\n返回的列表是「有序、可变」的：元素有固定顺序，可通过索引取值（excel_files[0]），也可 append/删除/修改——这是动态收集异常发票金额等需求的基础。\n可迭代对象的“遍历提取”：list() 会逐个遍历元素全部提取出来，比如 .glob() 的生成器会被一次性加载到内存（文件数量少时没问题）。\n空可迭代对象转空列表：如果 .glob() 没找到文件，list() 返回 []，所以要用 if not excel_files: 判断避免后续报错。\n不改变原对象：list() 是“转换”而非“修改”，原 Series/生成器不变。\n四、财会场景避坑点\n避免转换超大可迭代对象：处理上万条流水时直接 list() 会把所有数据加载到内存导致卡顿，应直接遍历生成器。\n注意 pandas Series 转换的缺失值：金额列转列表前先 fillna(0)。\n区分列表和生成器：生成器按需取值（取一个加载一个），列表一次性加载所有。\n五、财会场景综合示例（开箱即用）\n总结\nlist() 是 Python 内置函数，核心作用是创建空列表，或把可迭代对象转成有序、可变的列表；\n财会场景最常用：把 .glob() 生成器转成文件路径列表、把 pandas 列转成金额/发票号列表；\n关键避坑：处理空列表、避免转换超大可迭代对象、过滤 Excel 临时文件（~$ 开头）。\n","permalink":"https://cfo580.cn/article/pythonlist-han-shu-ba-sheng-cheng-qi-yuan-zu-series-zhuan-cheng-lie-biao/","summary":"深入理解 Python 中的 list() 函数，这是处理财会数据时高频用到的基础函数。简单说，list() 是用来创建或转换出列表（Python 最核心的有序可变数据结构）的工具——不管是把 .glob() 找到的 Excel 文件路径转…","title":"📋 Python list() 函数：把生成器/元组/Series 转成列表"},{"content":"知乎作者 CodeCrafter 的观点：\n💡\n核心思想：忘掉花里胡哨，80% 的时间在“搓数据”。\n数据分析 80% 的工作，不是建模，不是调参，甚至不是可视化，而是枯燥、繁琐、但至关重要的数据清洗和规整。\n而 Pandas，就是你在这 80% 时间里最锋利的武器。你绝大部分的 Pandas 操作，都应该服务于一个目的：把一份“脏”的、原始的、不规则的数据，变成一份“干净”的、规整的、可以随时用于分析和建模的 Tidy Data。\n五个学习阶段\n第一阶段：拿到数据，先“望闻问切”\n第二阶段：定向打击，筛选与切片\n第三阶段：核心战场，数据清洗与转换\n第四阶段：分析的精髓，分组与聚合\n第五阶段：数据的整合，合并与连接\n思维进阶：从“能用”到“好用”\n向量化思维 \u0026gt; 循环 / Apply 思维\n链式调用（Method Chaining）\n✅\nPandas 的精髓，不在于记住多少函数，而在于建立一套以“数据规整”为核心，以“向量化”和“链式调用”为风格的思维模式。\n我的理解\n首先了解输入输出；再了解 for、where、if 三个命令；然后模仿：\n增加删除查找修改：行、列、多行、多列、单个单元格、多个单元格\n数据清洗：常用的几个动作\n排序：多维度排序\n筛选\n分组计算\n出图\nExcel → pandas 速查表\n按“财务日常出现频率”排序，每个功能都给：① Excel 里最直观的操作路径；② 对应的一句 pandas 代码；③ 一个会计小例子。收藏这一张，基本能覆盖 80% 的月末加班场景。\n一、必备读取与保存\nExcel 操作 pandas 代码 说明 文件 → 打开 → 选 .xlsx df = pd.read_excel('科目余额.xlsx', sheet_name='12月') 数据 → 从文本/CSV 导入 df = pd.read_csv('银行流水.csv', encoding='gbk') 文件 → 另存为 → .xlsx df.to_excel('调整后余额.xlsx', index=False) 二、必会行列选取\nExcel 操作 pandas 代码 说明 点击列标“借方” df['借方'] 多列 A、C、F df[['科目编码', '借方', '贷方']] 第 3–10 行 df[2:10] 筛选 科目=“银行存款” df[df['科目名称']=='银行存款'] 筛选 借方 \u0026gt; 10000 df[df['借方'] \u0026gt; 10000] 大额凭证清单 借贷差额\u0026gt;0 且 币种=USD df.query(\u0026quot;abs(借方-贷方)\u0026gt;0 and 币种=='USD'\u0026quot;) 三、常用文本/日期/数字清洗\nExcel 操作 pandas 代码 说明 文本 → 分列 df['核算项目'] = df['摘要'].str.split('-', expand=True)[0] 按“-”拆成本部 TRIM 去空格 df['科目名称'] = df['科目名称'].str.strip() 查找替换“银行-”→空 df['摘要'] = df['摘要'].str.replace('银行-', '') 设置单元格格式 → 日期 df['凭证日期'] = pd.to_datetime(df['凭证日期']) 提取月份 df['期间'] = df['凭证日期'].dt.month 做月度汇总 乘 100 变成“元” df['借方'] = df['借方'] * 100 系统导出以“百元”为单位 填充空值 df['核算部门'].fillna('公共', inplace=True) 四、生成新字段（公式列）\nExcel 操作 pandas 代码 说明 =借方-贷方 df['差额'] = df['借方'] - df['贷方'] =IF(差额\u0026gt;0,借,贷) df['方向'] = np.where(df['差额']\u0026gt;0, '借', '贷') 余额方向 =VLOOKUP(科目编码,科目表,2,0) df = df.merge(km_df[['科目编码','科目级次']], on='科目编码', how='left') 拉科目级次 =SUMIF(部门, A2, 借方) df.groupby('部门')['借方'].transform('sum') 部门发生额合计 五、数据透视（月度/部门/项目 汇总）\nExcel 操作 pandas 代码 说明 行=科目 值=sum(借方) pivot = df.pivot_table(values='借方', index='科目名称', aggfunc='sum') 科目发生额 多维度 行=部门, 列=期间 df.pivot_table(values='借方', index='部门', columns='期间', fill_value=0) 部门-月度矩阵 计数 df.pivot_table(values='凭证号', index='部门', aggfunc='count') 部门凭证张数 六、去重、排名、排序\nExcel 操作 pandas 代码 说明 数据 → 删除重复 df.drop_duplicates(subset=['凭证号','行号'], inplace=True) 排序 借方降序 df.sort_values('借方', ascending=False, inplace=True) 大额凭证在前 排名次 df['rank'] = df['借方'].rank(method='min', ascending=False) 七、匹配拼接（VLOOKUP / XLOOKUP 场景）\nExcel 操作 pandas 代码 说明 VLOOKUP 汇率 df = df.merge(hl_df, on='币种', how='left') 拉当日汇率 多条件匹配 df = df.merge(bank_df, on=['账号','交易日期'], how='left') 银行回单匹配 八、分类汇总（SUMIF / COUNTIF 系列）\nExcel 操作 pandas 代码 说明 =SUMIFS(借方, 部门, A2, 期间, B2) df.groupby(['部门','期间'])['借方'].sum() 部门月度借方合计 累计发生额 df['累计借方'] = df.sort_values('凭证日期').groupby('科目编码')['借方'].cumsum() 九、快速统计描述\nExcel 操作 pandas 代码 说明 平均数、标准差 df['借方'].describe() 看大额分布 相关系数 df[['借方','贷方']].corr() 十、批量写回/拆分文件\n十一、一键画财务趋势图\n十二、30 秒模板：从 CSV 到科目汇总表\n把这张速查表贴在桌前，月末再遇到“透视表卡死 / VLOOKUP 报错 / 文件 200 MB 打不开”时，直接翻左侧 Excel 动作→右侧 pandas 一句代码，复制即可跑，基本就能告别“蓝色滚动条”。\n","permalink":"https://cfo580.cn/article/pandas-de-xue-xi-lu-jing/","summary":"知乎作者 CodeCrafter 的观点： 💡 核心思想：忘掉花里胡哨，80% 的时间在“搓数据”。 数据分析 80% 的工作，不是建模，不是调参，甚至不是可视化，而是枯燥、繁琐、但至关重要的数据清洗和规整。 而 Pandas，就是你在这…","title":"🐼 pandas 的学习路径"},{"content":" 核心讲解：output_dir = output_file.parent\n这行代码的核心是从「文件路径对象」中提取其所在的「目录路径对象」，是 pathlib.Path 最常用的路径解析操作之一，分前提、含义、用法、场景四层讲清。\n1. 前提：output_file 必须是 Path 对象\noutput_file 不是普通字符串，而是通过 Path() 创建的路径对象（否则会报 AttributeError）。\n2. parent 属性的含义\nPath 对象的 .parent 返回该路径直接父目录的 Path 对象：\n指向文件：.parent 返回文件所在文件夹；\n指向目录：.parent 返回该目录的上一级；\n返回值仍是 Path 对象（不是字符串），可继续链式调用 Path 其他方法。\n3. 核心用法与延伸\n基础：已知文件路径，先取所在目录并创建它，再写文件：\n延伸 1：多级父目录用 parents[index]：\n延伸 2：对比传统 os.path：\npathlib 的优势：output_dir 仍是 Path 对象，可直接 .mkdir()、.glob()，无需二次转换。\n4. 典型应用场景\n这行代码几乎出现在所有「先建目录、再写文件」的场景：数据导出（CSV/Excel）、日志输出（logs/app.log）、模型保存（models/v1/model.pth）。\n完整示例（日志输出）：\n关键总结\noutput_file.parent 是「文件路径 → 目录路径」的核心转换，返回 Path 对象；\n无需手动截取字符串，跨平台兼容，可直接链式调用 Path 方法；\n必配操作：取目录后通常跟 .mkdir(parents=True, exist_ok=True)，确保目录存在，避免写文件时报错。\n","permalink":"https://cfo580.cn/article/pythonpathparent-cong-wen-jian-lu-jing-qu-chu-suo-zai-mu-lu/","summary":"核心讲解：output dir output file.parent 这行代码的核心是从「文件路径对象」中提取其所在的「目录路径对象」，是 pathlib.Path 最常用的路径解析操作之一，分前提、含义、用法、场景四层讲清。 1. 前提…","title":"📁 Python Path.parent：从文件路径取出所在目录"},{"content":"先看一段典型代码：\n❓\n问题：try: / except Exception as e: 到底起什么作用？\n一、核心作用：try-except 是 Python 的异常处理机制\n简单说，try 块的本质是：执行一段代码，同时盯着这段代码的执行过程——如果执行中抛出异常（报错），就跳去 except 处理；如果没报错，就正常执行完。\n二、逐部分拆解\n1. try: 块\ntry 缩进里的代码（如 merge_excel_sheets()）是预期正常执行的逻辑；\n没出错：except 块被完全跳过，程序继续往下走；\n出错（抛异常）：立刻停止 try 里剩余代码，转去执行对应 except 块。\n2. except Exception as e: 块\nexcept：关键字，try 里抛异常就执行这里；\nException：捕获所有类型异常（它是 Python 所有内置异常的父类，文件不存在、格式错误、索引越界都能接住）。想精准捕获某一种可写 except FileNotFoundError；用 Exception 是为了兜底；\nas e：把异常对象赋值给变量 e，在 except 块里就能访问错误信息。\n3. except 块内的处理逻辑\nstr(e) 把异常对象转成人类可读字符串（如“文件不存在：xxx.xlsx”）；\n等待用户输入：避免报错后立刻闪退，尤其打包成 exe 后控制台不会一闪而过。\n三、为什么需要这个机制（反例对比）\n如果没有 try-except，一旦 merge_excel_sheets() 出错（文件不存在、单元格格式异常、权限不足），Python 会直接崩溃，抛出难懂的原生报错并终止程序。\n加了 try-except 后：\n程序不会崩溃；\n输出友好提示（如“找不到文件 test.xlsx”）；\n还能执行后续逻辑（如等用户按回车退出）。\n四、扩展知识点\n1. 异常对象 e 的常用操作\nstr(e)：错误描述（最常用）；type(e)：异常具体类型；repr(e)：类型+描述的详细信息。 2. 多异常捕获：不同错误不同处理\n3. finally：无论是否出错都执行\n用于关闭文件、释放资源等收尾逻辑：\n五、总结\n这段 try-except 的核心价值：\n兜底：merge_excel_sheets() 不管出什么错，都不会让程序直接崩溃；\n友好：把技术化的异常信息转成用户能看懂的提示；\n实用：打包成 exe 后，避免报错窗口一闪而过，用户能看清错误原因。\n","permalink":"https://cfo580.cn/article/pythontryexcept-yi-chang-chu-li-rang-jiao-ben-bu-shan-tui/","summary":"先看一段典型代码： ❓ 问题：try: / except Exception as e: 到底起什么作用？ 一、核心作用：try except 是 Python 的异常处理机制 简单说，try 块的本质是：执行一段代码，同时盯着这段代码的执…","title":"🛡️ Python try-except：异常处理让脚本不闪退"},{"content":" 一、结构优先\nExcel 学习遵循“结构优先”：任何计算发生前，数据本身是否可计算才是第一问题。可计算的数据表：列字段固定语义明确、行记录逻辑一致、无合并单元格、无人为插空断行。这是筛选、汇总、匹配能跑通的前提。\n精通 Excel 的关键指标\n是否减少人工操作、降低出错率、支持数据规模变化；\n是否用公式替代手算、用规则替代经验、用结构替代操作。\n二、数据规范 11 条\n日期统一格式：2025-05-20 八位数字、英文短横；\n数字不加单位，单位写表头（如“销售额（元）”）；\n数据不掺空格；\n表头只留一行，不做合并单元格+多层表头；\n同列同格式；\n数据行不留空白行；\n避免一日一表，同类数据放一张表；\n避免用颜色区分数据；\n统一表格样式，方便多簿汇总；\n能公式算的不手输；\n公式里能引用单元格的不写常量。\n三、sheet 三表分离\n不在一张 sheet 上做完所有事，而是三张表分工：\n数据源表：系统导出或手工录入的原始数据；\n工作表：用公式、函数、辅助列做加工；\n呈现表：做美观的最终报表；\n表与表之间用公式/函数连接，不直接拷贝。\n四、按问题类型学（配 AI 实战）\n把框架里的每个知识点拿去问 AI、结合真实任务练：\n数据定位：找条件数据、筛范围 → 排序/筛选/条件格式（入口能力）；\n数据统计：总量、平均、条件汇总 → SUM/COUNT/AVERAGE/条件统计；\n数据判断：是否达标 → IF、条件表达式，本质是业务规则映射；\n数据关联：跨表取值、对齐 → 查找匹配函数，从单表走向数据系统；\n数据汇总：按部门/月份统计 → 透视表，多数场景比公式更稳更快。\n","permalink":"https://cfo580.cn/article/xin-shou-ru-men-excel-zong-gang-jie-gou-you-xian-shu-ju-gui-fan-san-biao-fen-li/","summary":"一、结构优先 Excel 学习遵循“结构优先”：任何计算发生前，数据本身是否可计算才是第一问题。可计算的数据表：列字段固定语义明确、行记录逻辑一致、无合并单元格、无人为插空断行。这是筛选、汇总、匹配能跑通的前提。 精通 Excel 的关键指…","title":"📘 新手入门 Excel 总纲：结构优先、数据规范、三表分离"},{"content":" 一、数据表设计三范式\n第一范式：每列保持原子性——列不可分、有主键（ID/工号/产品编码等唯一不可重复）；\n第二范式：表中每列都和主键相关、记录唯一——一个表只描述一件事，联合主键不存在部分依赖；\n第三范式：每列都和主键直接相关而非间接相关，不存在传递依赖。\n初学者能把第一范式守住就够用了。\n二、数据录入六规范\n不要使用合并单元格；\n同列同格式；\n日期时间统一用 - 或 / 分隔；\n数值和文本不能录进同一单元格；\n数据不要掺杂空格；\n不要留空白行。\n三、数据源五要点\n避免一日一表，同类数据尽量放一个表；\n避免用颜色区分数据；\n统一表格样式，方便汇总多个工作簿；\n能公式算的绝不手输；\n公式里能引用单元格的绝不写常量。\n四、使用时的三表原则\n数据源表：系统导出或手工录入的原始数据；\n工作表：在这里用公式、函数、辅助列；\n呈现表：做美观、丰富的最终报表。\n原始、计算、展示三层分离，源数据不被加工过程破坏，报表可一键刷新。\n","permalink":"https://cfo580.cn/article/excel-si-zhong-shi-yong-gui-fan-she-ji-san-fan-shi-lu-ru-liu-gui-fan-shu-ju-yuan-wu-yao-dian-yu-san-biao-yuan-ze/","summary":"一、数据表设计三范式 第一范式：每列保持原子性——列不可分、有主键（ID/工号/产品编码等唯一不可重复）； 第二范式：表中每列都和主键相关、记录唯一——一个表只描述一件事，联合主键不存在部分依赖； 第三范式：每列都和主键直接相关而非间接相关…","title":"📏 Excel 四种使用规范：设计三范式、录入六规范、数据源五要点与三表原则"},{"content":" 使用前提\n每张表结构要一样：VSTACK 是按位置拼，不按列名匹配（按列名的 TSTACK 截至 2026 年还不好用）；\n列顺序一致，个别表多几列会出现空列；\n先把每张表 Ctrl+T 变成超级表，并在“表设计”最左边给表命名；\n完整公式：=VSTACK(表名1, 表名2, \u0026hellip;)。\n只保留一行表头、其余表只拼数据的做法\n输入 =VSTACK(\n输入 表名1[ → 弹列表选 #全部\n输入 ,\n输入 表名2[ → 选 #数据\n输入 ) 回车。\n常见写法\n进阶组合公式\n消 #N/A：列数不一致时空位报错，用 IFERROR 转空白：\n合并并去重：\n合并后只保留有数据的行：\n合并后按条件筛选（如只留成绩\u0026gt;90）：\n","permalink":"https://cfo580.cn/article/excel-zong-xiang-pin-jie-duo-biao-vstack-yong-fa-yu-jin-jie-zu-he-gong-shi/","summary":"使用前提 1. 每张表结构要一样：VSTACK 是按位置拼，不按列名匹配（按列名的 TSTACK 截至 2026 年还不好用）； 2. 列顺序一致，个别表多几列会出现空列； 3. 先把每张表 Ctrl+T 变成超级表，并在“表设计”最左边给…","title":"🧱 Excel 纵向拼接多表：VSTACK 用法与进阶组合公式"},{"content":" 1、Customers 客户表\n作用：存放所有顾客/客户基础信息\n英文字段 中文含义 cust_id 客户编号（主键，唯一） cust_name 客户名称 cust_address 客户地址 cust_city 所在城市 cust_state 所在州/省份 cust_zip 邮政编码 cust_country 所在国家 cust_contact 联系人姓名 cust_email 联系邮箱 💡\n一句话： 存谁买东西、联系方式、地址。\n2、Vendors 供应商表\n作用：存放所有商品的供货厂家/供应商\n英文字段 中文含义 vend_id 供应商编号（主键） vend_name 供应商名称 vend_address 供应商地址 vend_city 所在城市 vend_state 所在州/省 vend_zip 邮编 vend_country 国家 💡\n一句话： 存商品从哪家供应商进货。\n3、Products 产品表\n作用：存放所有可售卖的商品档案\n英文字段 中文含义 prod_id 产品编号（主键） vend_id 供应商编号（外键，关联Vendors） prod_name 产品名称 prod_price 产品售价 prod_desc 产品描述/说明 💡\n一句话： 卖什么货、多少钱、哪个供应商提供。\n4、Orders 订单主表\n作用：存放每一笔订单的头部信息（订单总单）\n英文字段 中文含义 order_num 订单编号（主键） order_date 下单日期 cust_id 客户编号（外键，关联Customers） 💡\n一句话： 谁、在哪天、下了一张订单。只存订单头信息，不存买了哪些商品。\n5、OrderItems 订单明细表\n作用：存放一张订单里每一行具体购买的商品\n英文字段 中文含义 order_num 订单编号（关联Orders） order_item 订单行号（同订单内第几项商品） prod_id 产品编号（关联Products） quantity 购买数量 item_price 单品售价 💡\n一句话： 一张订单买了哪几个商品、各买多少、单价多少。\n五张表业务关联逻辑（必记）\nVendors 供应商 → Products 商品 ：一个供应商可以提供多个商品\nCustomers 客户 → Orders 订单 ：一个客户可以下多张订单\nOrders 订单 → OrderItems 订单明细 ：一张订单有多条商品明细\nOrderItems 明细 → Products 商品 ：每一条明细对应一个具体商品\n极简记忆口诀\nCustomers：顾客\nVendors：供应商\nProducts：商品库\nOrders：销售单表头\nOrderItems：销售单明细\n以后写联表查询、做报表，只要记住这个结构，SQL 多表关联完全不会乱。\n","permalink":"https://cfo580.cn/article/sql-bi-zhi-bi-hui-quan-shu-5-zhang-he-xin-biao-jie-shao/","summary":"1、Customers 客户表 作用：存放所有顾客/客户基础信息 英文字段 中文含义 cust id 客户编号（主键，唯一） cust name 客户名称 cust address 客户地址 cust city 所在城市 cust stat…","title":"🧱 《SQL必知必会》全书5张核心表介绍"},{"content":"一个方括号 [\u0026lsquo;c\u0026rsquo;:\u0026lsquo;g\u0026rsquo;]：切片，按索引顺序连续取，首尾都包含。\n两个方括号 [[\u0026rsquo;d\u0026rsquo;,\u0026lsquo;f\u0026rsquo;,\u0026lsquo;b\u0026rsquo;]]：花式索引，按你给的任意顺序、任意集合取，不要求连续，结果顺序跟你写的列表一致。\n场景 单 [] 切片 双 [] 花式 要连续区间 ✅ ❌ 要指定顺序 ❌ ✅ 要取的标签不连续 ❌ ✅ 要取的标签不存在 会 KeyError 会给 NaN 要重复同一条 ❌ ✅（写两次即可） 单括号：既能取单个值（标量），也能做切片（连续），还能布尔过滤。\n双括号：一定是“花式/列表索引”，返回 Series，顺序、重复、缺值都照你说的来。切片规则跟 Python 列表一样：start:stop:step。\n一、为什么 [\u0026lsquo;销售额\u0026rsquo;,\u0026lsquo;利润\u0026rsquo;] 要用两个方括号？\n核心原因：第一层方括号是 DataFrame 的列选择语法，第二层方括号是列表（表示选择多列），两者缺一不可。\n1. 单括号 vs 双括号\n写法 含义 返回类型 能否 .agg() 多列聚合 df[\u0026lsquo;销售额\u0026rsquo;] 选「销售额」单列 Series ❌ 只能单列聚合 df[[\u0026lsquo;销售额\u0026rsquo;,\u0026lsquo;利润\u0026rsquo;]] 选「销售额、利润」多列 DataFrame ✅ 可多列同时聚合 2. 分步拆解\n3. 易错点\n只写单括号 df.groupby(\u0026lsquo;地区\u0026rsquo;)[\u0026lsquo;销售额\u0026rsquo;,\u0026lsquo;利润\u0026rsquo;]：Python 会把 \u0026lsquo;销售额\u0026rsquo;,\u0026lsquo;利润\u0026rsquo; 当成两个独立参数传给列选择器，触发 KeyError；\n正确的多列选择只能是双括号包列表：[[\u0026lsquo;列1\u0026rsquo;,\u0026lsquo;列2\u0026rsquo;]]。\n二、reset_index() 是不是“重新按顺序建索引”？\n不完全是，更精准的解释是：将分组后的索引（如「地区」列）还原为普通列，并重新生成从 0 开始的连续整数索引。\n1. 不加 reset_index：分组列是索引\n「地区」是索引列（不是普通数据列）；行索引不是连续整数，列还是多层索引。 2. 加 reset_index：索引还原为普通列\n「地区」从索引变回普通数据列；行索引重置为 0、1 的连续整数。 3. 关键参数\n参数 作用 drop=True 不保留原索引列直接删除，只生成新整数索引（慎用，会丢分组列） inplace=True 直接改原 DataFrame，不返回新对象：df.reset_index(inplace=True) drop=True 的效果：分组列「地区」被直接删掉，只剩数值列。\n三、核心总结\n双括号 [[\u0026lsquo;销售额\u0026rsquo;,\u0026lsquo;利润\u0026rsquo;]]：外层是 DataFrame 列选择器，内层是列表表示选多列；单括号只能选单列，双括号才能选多列并保持 DataFrame 类型；\nreset_index()：不是简单“重新排序索引”，而是把分组生成的自定义索引（如地区）还原为普通列，并生成从 0 开始的连续整数行索引，让结果更符合常规 DataFrame 结构、便于后续处理。\n","permalink":"https://cfo580.cn/article/pandas-dan-shuang-fang-kuo-hao-yu-resetindex-xuan-lie-wei-shen-me-yao-xie-liang-ceng/","summary":"一个方括号 [\u0026lsquo;c\u0026rsquo;:\u0026lsquo;g\u0026rsquo;]：切片，按索引顺序连续取，首尾都包含。 两个方括号 [[\u0026rsquo;d\u0026rsquo;,\u0026lsquo;f\u0026rsquo;,\u0026lsquo;b\u0026rsquo;]]：花式索引，按你给的任意顺序、任意集合取，不要求连续，结果顺序跟你写的列表一致。 场景 单 [] 切片 双 [] 花式 要连续区…","title":"🐼 pandas 单/双方括号与 reset_index：选列为什么要写两层 []"},{"content":"SEARCH 是 Excel 最核心的文本模糊查找函数，和 ISNUMBER、FILTER 是黄金搭档，实现“姓名包含某字”这类模糊筛选。\n一、定位与语法\n在指定文本/区域里查找内容，返回它出现的位置数字；找不到返回 #VALUE!。不区分大小写、不区分全角半角、支持通配符。\n参数 要求 说明 查找内容 必填 关键词，如 \u0026ldquo;张\u0026rdquo;、\u0026ldquo;销售\u0026rdquo;，用英文半角引号 源文本 必填 哪个单元格/区域里找 起始位置 可选 默认 1，从第几个字符开始找 返回值：找到返回第一次出现的位置数字；找不到或源为空都返回 #VALUE!。\n二、三个关键特性\n不区分大小写：\u0026ldquo;Excel\u0026rdquo; 找 \u0026ldquo;e\u0026rdquo; 返回 1；\n不区分全角半角：中文全角/英文半角结果一致；\n支持通配符：? 任意 1 个字符（张? 只能匹配 2 字），* 任意多个字符（张* 匹配所有带张的）。\n三、SEARCH+ISNUMBER+FILTER 三步原理\nSEARCH 逐格找：张三→1、李张→2、王五→#VALUE!、空格→#VALUE!；\nISNUMBER 把结果转真假：数字→TRUE，错误→FALSE；\nFILTER 只保留 TRUE 的行，无匹配显示“无数据”。\n要想筛选包含啥，SEARCH 里面先找它，ISNUMBER 判真假，FILTER 自动留下它。\n四、SEARCH vs FIND\n维度 SEARCH FIND 大小写 不区分 严格区分 全角半角 不区分 严格区分 通配符 支持 ? * 不支持 找不到 #VALUE! #VALUE! 适用 中文模糊筛选、包含/开头/结尾 严格精准匹配、区分大小写英文 中文场景 90% 模糊筛选用 SEARCH；只有需要严格精准匹配才用 FIND。\n五、8 个实战场景（A=姓名 B=部门 C=工资）\n1. 包含某字\n2. 开头匹配（姓张）\n3. 结尾匹配（最后一字是张）\n4. 多关键词或（张 或 李）\n5. 排除（不含张）\n6. 通配符（张?三，中间任意1字）\n7. IF 联动替换错误\n8. GROUPBY 联动：先筛后分组\n六、避坑\n引号必须英文半角，中文全角引号会 #VALUE!；\n? 只匹配 1 个字符，* 匹配任意多个；\n找不到会返回 #VALUE!，必须套 ISNUMBER 或 IFERROR；\n第三个起始位置参数没特殊需求就别填；\n中文优先 SEARCH，别和严格区分大小写的 FIND 混用。\n吃透 SEARCH+ISNUMBER+FILTER 组合，90% 的模糊筛选需求都能解决。\n","permalink":"https://cfo580.cn/article/excelsearch-han-shu-chao-xiang-xi-mo-hu-cha-zhao-yu-searchfind-dui-bi/","summary":"SEARCH 是 Excel 最核心的文本模糊查找函数，和 ISNUMBER、FILTER 是黄金搭档，实现“姓名包含某字”这类模糊筛选。 一、定位与语法 在指定文本/区域里查找内容，返回它出现的位置数字；找不到返回 VALUE!。不区分大…","title":"🔍 Excel SEARCH 函数超详细：模糊查找与 SEARCH/FIND 对比"},{"content":"是练习《SQL必知必会》用的几张表。\n1. OrderItems（订单商品表） 最常用、最容易错\norder_num：订单号\norder_item：商品序号\nprod_id：产品ID\n**quantity**：数量（必考！）\nitem_price：商品单价\n2. Products（产品表）\nprod_id：产品ID\nvend_id：供应商ID\nprod_name：产品名称\nprod_price：产品价格\nprod_desc：产品描述\n3. Vendors（供应商表）\nvend_id：供应商ID\nvend_name：供应商名称\nvend_address：地址\nvend_city：城市\nvend_state：州\nvend_zip：邮编\nvend_country：国家\n4. Orders（订单表）\norder_num：订单号\norder_date：订单日期\ncust_id：客户ID\n5. Customers（客户表）\ncust_id：客户ID\ncust_name：客户名称\ncust_address：地址\ncust_city：城市\ncust_state：州\ncust_zip：邮编\ncust_country：国家\ncust_contact：联系人\ncust_email：邮箱\n🎯 必背 4 个“保命单词”\n**quantity** = 数量\n**price** = 价格\n**num** = 编号\n**date** = 日期\n","permalink":"https://cfo580.cn/article/sql-bi-zhi-bi-hui-chang-yong-ying-wen-dan-ci/","summary":"是练习《SQL必知必会》用的几张表。 1. OrderItems（订单商品表） 最常用、最容易错 order num ：订单号 order item ：商品序号 prod id ：产品ID quantity ： 数量（必考！） item…","title":"📚 ️ 《SQL 必知必会》常用英文单词"},{"content":"结合 pandas 数据处理场景（读 Excel、处理表格、保存结果），Python 的输入输出核心围绕「数据读取」和「数据保存」，按控制台交互 → 文件 I/O → pandas 专属 I/O 的逻辑拆解。\n一、基础输入输出（控制台交互）\n1. 输出 print()\n把变量、文本、DataFrame 显示在屏幕上，类似 Excel 选中单元格查看内容。\nf-string 类比 Excel 的 \u0026amp; 拼接，还支持千分位、保留小数：\n2. 输入 input()\n暂停程序等用户输入，返回值默认是字符串，数值计算前必须 int()/float() 转换。\n坑：input 返回字符串，sales*2 会得到 \u0026ldquo;5050\u0026rdquo;（字符串重复）而不是 100。\n二、核心文件 I/O\n1. 文本文件 .txt：open()\n用 with open(路径, 模式, encoding=\u0026lsquo;utf-8\u0026rsquo;) as f: 自动关闭文件。模式：\n模式 作用 示例 r 只读（默认） 读已有文本 w 只写（覆盖） 新建或清空 a 追加（末尾添加） 给已有文件加内容 2. CSV 文件：read_csv / to_csv\nCSV 比 Excel 体积小、兼容性强。注意中文用 utf-8-sig，index=False 不存行索引。\n3. Excel 文件 .xlsx：需 openpyxl\npip install openpyxl（写 .xlsx）、xlrd（读旧 .xls）。用 ExcelWriter 可写多个工作表。\n三、完整流程：读多表 → 合并 → 计算 → 保存\n四、常见误区\n中文乱码：读写用 encoding=\u0026lsquo;utf-8-sig\u0026rsquo; 而非 utf-8，适配 Windows；\nNo module named \u0026lsquo;openpyxl\u0026rsquo;：pip install openpyxl（写 .xlsx）/ xlrd（读 .xls）；\n存了多余 Unnamed:0 列：to_csv/to_excel 加 index=False；\n读 Excel 找不到 sheet：用 sheet_name=None 读全部，df_all.keys() 看真实表名；\n路径错误：同文件夹直接写文件名；否则写完整绝对路径。\n五、总结\n核心逻辑是数据流转：输入（input / read_csv / read_excel）→ 处理（concat、assign、groupby）→ 输出（print / to_csv / to_excel）。工作中直接套「读取→处理→保存」模板，比如批量合并 12 个月销售数据自动生成汇总表。\n","permalink":"https://cfo580.cn/article/python-shu-ru-shu-chu-printinput-wen-jian-du-xie-yu-pandas-du-xie-excelcsv/","summary":"结合 pandas 数据处理场景（读 Excel、处理表格、保存结果），Python 的输入输出核心围绕「数据读取」和「数据保存」，按控制台交互 → 文件 I/O → pandas 专属 I/O 的逻辑拆解。 一、基础输入输出（控制台交互）…","title":"📥 Python 输入输出：print/input、文件读写与 pandas 读写 Excel/CSV"},{"content":"有一个 Series，值为身份证号码，需要把生日部分（中间 8 位）替换成星号。\nimport pandas as pd ser = pd.Series([\u0026#39;123456199001011234\u0026#39;, \u0026#39;789012198502027890\u0026#39;]) ser 参考答案：用 str.replace 正则分组，把身份证分成 前6位 / 中间8位 / 后4位，中间段替换成 ******：\nser.str.replace(r\u0026#39;^(\\d{6})(\\d{8})(\\d{4})\u0026#39;, r\u0026#39;\\1******\\3\u0026#39;, regex=True) 输出：\n0 123456******1234 1 789012******7890 dtype: object ","permalink":"https://cfo580.cn/article/3e08ac76-412c-814b-8fdf-dfc52924d8be/","summary":"用 ser.str.replace 正则分组，把身份证中间 8 位生日替换成星号：^(.{6})(.{8})(.{4}) → \\1******\\3。","title":"🪪pandas 练习：把身份证号生日部分替换成星号"},{"content":"这里整理了一份会计实务中最高频、最实用的 Python 脚本库。\n这些脚本涵盖了从数据清洗、自动化报表、发票处理到可视化分析的全流程。你可以把这些脚本作为开发 AI 智能体时的“核心工具库”或“示例库”，当需要时直接调用或生成类似代码。\n📂 第一类：基础数据清洗与整理\n会计数据通常来自不同的业务系统，格式往往很乱，这些脚本是基础。\n1. 批量合并多个 Excel 报表\n场景：每个月各个分公司的报表发过来，需要合并成一个总表。\n2. 数据清洗标准化\n场景：去除空行、标准化列名（比如“金额”、“ 金额 ”、“Amount”统一化）。\n📝 第二类：自动化账务处理\n这是会计最耗时的工作，也是 Python 最能体现价值的地方。\n3. 自动生成应收账款汇总\n场景：按客户、账期汇总欠款，自动计算未清账金额。\n4. 银行对账单自动比对\n场景：找出系统里的记录和银行流水里不一致的款项。\n这个脚本生成的结果可以直接作为“未达账项”清单。\n📄 第三类：文档与发票处理\n会计经常要和 PDF 发票打交道。\n5. 批量提取 PDF 发票信息\n场景：不想手动一张张打开 PDF 发票输入信息。\n📊 第四类：自动化报表与可视化\n让 Python 帮你写完代码后，直接生成漂亮的 PPT 或 PDF 报告。\n6. 自动生成财务分析图表\n场景：每月固定要画收入趋势图、费用占比饼图。\n7. 自动导出带格式的 Excel 报表\n场景：不仅要数据对，还要格式好看（加粗、边框、公式）。\n💡 如何把这些脚本融入 AI 智能体\n作为“工具”注册：在 AI 智能体框架（如 LangChain）中，把这些脚本封装成一个个工具。当用户说“帮我合并一下这个月的报表”，智能体就自动调用 merge_excel_files。\n作为“示例”展示：当用户问“怎么用 Python 算应收账款？”时，智能体不必从头写代码，把脚本 3 稍作修改（比如替换列名）返回即可。\n错误处理库：收集运行这些脚本时常见的报错（如 FileNotFoundError、KeyError），让智能体在用户报错时自动诊断并给出解决方案。\n","permalink":"https://cfo580.cn/article/kuai-ji-chang-yong-de-7-ge-python-jiao-ben-qing-xi-zhang-wu-fa-piao-bao-biao/","summary":"这里整理了一份会计实务中最高频、最实用的 Python 脚本库。 这些脚本涵盖了从数据清洗、自动化报表、发票处理到可视化分析的全流程。你可以把这些脚本作为开发 AI 智能体时的“核心工具库”或“示例库”，当需要时直接调用或生成类似代码。 📂…","title":"📜 会计常用的 7 个 Python 脚本（清洗/账务/发票/报表）"},{"content":"切片（Slicing）是快速截取序列部分元素的语法，支持字符串、列表、元组，更核心的是适配 pandas 的 Series 和 DataFrame——对应 Excel 里“选中部分行/列”，但更灵活高效。\n一、切片核心语法\n核心格式：对象[start:stop:step]\nstart：起始索引（包含，默认 0）；\nstop：结束索引（不包含，必须指定或用 : 省略）；\nstep：步长（默认 1，负数反向）；\n关键：左闭右开（取得到 start、取不到 stop），索引从 0 开始。\n简化写法（高频）：\n语法 含义 示例 [1,2,3,4,5] 对象[start:] 从 start 取到末尾 [2:] → [3,4,5] 对象[:stop] 从开头取到 stop-1 [:3] → [1,2,3] 对象[:] 取全部（复制序列） [:] → [1,2,3,4,5] 对象[::step] 按步长取，负步长反向 [::2]→[1,3,5]；[::-1]→[5,4,3,2,1] 二、Python 基础对象切片\n1. 列表切片\n2. 字符串切片\n三、pandas 核心切片\n准备数据：\n1. 筛选行\n2. 筛选列\n3. 同时筛行和列（矩形区域，类比 Excel A2:C4）\n4. Series 切片\n四、核心应用场景\n1. 预处理：取少量数据测试公式\n2. 快速提取 Top 数据\n3. 拆分训练集/测试集\n五、常见误区\n索引从 0 开始：df.iloc[0] 是第一行，不是 df.iloc[1]；\n左闭右开：df.iloc[1:4] 取 1,2,3，不含 4；要取到 4 得写 1:5；\ndf[1:3] 是筛行不是筛列；筛列要用 df.iloc[:,1:3] 或 df[[\u0026lsquo;列名\u0026rsquo;]]；\n反向截取必须写 step=-1：df.iloc[::-1] 才是反转，df.iloc[-1:] 只是取最后一行；\n切片返回副本，改切片结果不影响原 df。\n六、总结\n基础格式 [start:stop:step]，左闭右开，索引从 0 开始；\npandas 用 iloc[行范围, 列范围] 精准切片，类比 Excel 选矩形区域；\n核心用途：数据筛选、拆分、预处理测试、提取关键数据；\n高频：合并后截部分行验证、新增列前切片测逻辑、拆分训练/测试集。\n","permalink":"https://cfo580.cn/article/pythonpandas-qie-pian-slicingstartstopstep-yu-iloc/","summary":"切片（Slicing）是快速截取序列部分元素的语法，支持字符串、列表、元组，更核心的是适配 pandas 的 Series 和 DataFrame——对应 Excel 里“选中部分行/列”，但更灵活高效。 一、切片核心语法 核心格式：对象[…","title":"🔪 Python/pandas 切片 Slicing：start:stop:step 与 iloc"},{"content":" 一、菜单栏与快捷键\n入门先熟练菜单栏，再背高频快捷键。建议从最常用的 10 个开始（Ctrl+C/V、F2、F4 等）逐步扩展。\n1. 基础操作\n快捷键 功能 Ctrl+N / O / S / W / P 新建 / 打开 / 保存 / 关闭 / 打印 Ctrl+Z / Y 撤销 / 恢复 Ctrl+F / H 查找 / 替换 Ctrl+A 全选当前区域（按两次全选工作表） 2. 导航与选择\n快捷键 功能 Ctrl+方向键 跳到数据区域边缘 Shift+方向键 扩展选择范围 Ctrl+Shift+方向键 选到数据末尾 Ctrl+Home / End 跳 A1 / 数据末尾 3. 单元格编辑\n快捷键 功能 F2 进入编辑 Ctrl+Enter 多格同时输入 Alt+Enter 单元格内换行 Ctrl+D / R 向下 / 向右填充 Ctrl+; / Ctrl+Shift+; 插入当前日期 / 时间 Ctrl+- / Ctrl+Shift++ 删行列 / 插入行列 4. 格式与公式\n快捷键 功能 Ctrl+B / I / U 加粗 / 斜体 / 下划线 Ctrl+1 设置单元格格式 Alt+H+O+I / A 自动列宽 / 行高 Ctrl+Shift+ $ / % / # 货币 / 百分比 / 日期格式 F4 切换绝对/相对引用 Alt+= 自动求和 Ctrl+Shift+L 开关筛选 F9 重算所有公式 5. 其他技巧\nCtrl+E 快速填充（分离姓名电话）；\nAlt+; 再 Ctrl+C 复制可见单元格（跳过隐藏行）；\nF5 / Ctrl+G 跳转到指定单元格；\nShift+F2 插入批注；\nMac 用 ⌘ 替代 Ctrl，笔记本 F 键可能要配合 Fn。\n二、常用函数\n1. 数学与统计\n2. 文本处理\n3. 日期时间\n4. 逻辑\n5. 查找引用\n6. 财务与动态数组\n技巧：可嵌套，如 =IF(AND(A1\u0026gt;0,B1\u0026lt;100),\u0026ldquo;有效\u0026rdquo;,\u0026ldquo;无效\u0026rdquo;)；输函数按 Tab 自动补全，按 F9 可调试公式部分结果。\n","permalink":"https://cfo580.cn/article/excel-ru-men-xue-xi-mu-biao-cai-dan-kuai-jie-jian-yu-chang-yong-han-shu/","summary":"一、菜单栏与快捷键 入门先熟练菜单栏，再背高频快捷键。建议从最常用的 10 个开始（Ctrl+C/V、F2、F4 等）逐步扩展。 1. 基础操作 快捷键 功能 Ctrl+N / O / S / W / P 新建 / 打开 / 保存 / 关…","title":"📘 Excel 入门学习目标：菜单、快捷键与常用函数"},{"content":" 一、列表推导式是什么？\n列表推导式（List Comprehension）是 Python 中创建列表的简洁语法，本质是把「循环 + 条件判断 + 元素处理」浓缩成一行代码，比传统 for 循环 + append() 更高效、易读。\n核心公式：\n表达式：对每个变量的处理（直接取值、计算、拼接等）；\nfor 变量 in 可迭代对象：遍历列表、字符串、字典、range 等；\nif 条件判断：可选，过滤符合条件的元素（不满足则跳过）。\n二、基础示例：从传统循环到推导式\n1. 无条件的基础遍历：创建 0-4 的整数列表\n传统循环：\n列表推导式：\n2. 带条件过滤：筛选 0-9 中的偶数\n传统循环：\n列表推导式：\n3. 带元素处理 + 条件：把 0-9 中的奇数乘以 10\n三、进阶用法\n1. 嵌套循环（替代双层 for）\n需求：创建 [(1,1), (1,2), (2,1), (2,2)]。外层循环在前，内层在后。\n2. 处理字符串 / 字典\n从字符串中提取数字字符：\n从字典中提取所有值：\n3. 结合实际业务：找出缺失的工作表\n拆解：表达式 name 直接取值；for name in sheet_names 遍历期望读取的表名；if name not in sheet_dict 过滤出实际没读到的。\n四、优势与注意事项\n优势\n代码简洁：一行搞定循环+条件，不用写 append()；\n效率更高：底层由 C 实现，比纯 Python 循环更快；\n可读性强：声明式思维，告诉程序“要什么”而非“怎么做”。\n注意事项\n1. 避免过度嵌套：三层及以上循环会变得难读，此时拆成普通循环。\n2. 条件判断的位置不同，作用不同：\n放在最后 [x for x in iter if cond] → 过滤元素，满足才保留；\n放在表达式里 [x if cond else y for x in iter] → 对元素做二选一处理。\n3. 生成大列表时谨慎：推导式会一次性创建整个列表占内存，超大数据建议改用生成器表达式（把 [] 换成 ()）。\n五、总结\n列表推导式是 Python 最常用的语法糖之一，核心是「表达式 + 遍历 + 可选条件」，适用于快速创建/过滤列表。记住：\n简单场景（单层/双层循环 + 简单条件）用推导式，简洁高效；\n复杂场景（多层循环/复杂逻辑）拆成普通循环，保证可读性。\n它的核心价值是在“简洁”和“可读”之间找到平衡，也是 Pythonic Code 的典型体现。\n","permalink":"https://cfo580.cn/article/python-lie-biao-tui-dao-shi-yi-xing-xie-wan-xun-huan-guo-lv/","summary":"一、列表推导式是什么？ 列表推导式（List Comprehension）是 Python 中创建列表的简洁语法，本质是把「循环 + 条件判断 + 元素处理」浓缩成一行代码，比传统 for 循环 + append() 更高效、易读。 核心公…","title":"♻️ Python 列表推导式：一行写完循环+过滤"},{"content":"✍️\n作者：CodeCrafter ｜ 来源：知乎 原文链接：https://www.zhihu.com/question/486515583/answer/1963287734132121742 著作权归原作者所有，转载仅供学习交流。\n看到这个问题有点感慨。现在网上 Pandas 教程满天飞，动不动就是“十分钟入门 Pandas”“Pandas 100 个常用函数”。说实话，这种东西看看就得了，没啥大用——因为你记不住。\n我带过不少新人，发现一个普遍问题：把 Pandas 当成一个需要“背诵”的库，今天学个 apply，明天学个 merge，学的时候好像会了，一到实际工作中，对着一堆乱七八糟的业务数据脑子还是一片空白，最后还是吭哧吭哧写 for 循环。\n所以今天不搞函数清单式的罗列。聊聊我这小十年用下来、沉淀在肌肉记忆里、构成数据处理思维核心的那一套东西。它不是一堆函数，而是一个工作流和思维模式。掌握了这套心法，你才能从“知道 Pandas”变成“会用 Pandas”。\n核心思想：忘掉花里胡哨，80% 的时间在“搓数据”\n数据分析 80% 的工作，不是建模，不是调参，甚至不是可视化，而是枯燥、繁琐、但至关重要的数据清洗和规整。而 Pandas，就是你在这 80% 时间里最锋利的武器。你绝大部分的 Pandas 操作，都应该服务于一个目的：把一份“脏”的、原始的、不规则的数据，变成一份“干净”的、规整的、可以随时用于分析和建模的 Tidy Data。\n什么是 Tidy Data？简单说，每行是一个观测，每列是一个变量。这是所有后续操作的基础。\n第一阶段：拿到数据，先“望闻问切”\n从数据库、CSV、Excel 搞来一份数据，第一件事绝对不是直接分析。跟中医看病一样，先搞清楚这份数据的“体质”。\n1. 加载数据 read_xxx()\nread_csv 里的 encoding：读中文报错十有八九是编码问题，试 encoding=\u0026lsquo;utf-8\u0026rsquo; 或 \u0026lsquo;gbk\u0026rsquo;；\nparse_dates：某列是日期字符串，读取时直接 parse_dates=[\u0026lsquo;列名\u0026rsquo;] 转成日期，省一步转换；\n数据量大时：用 nrows 先读几千行看情况，用 chunksize 分块读取避免内存爆炸。\n2. “三板斧”快速探查\ndf.head(10)：瞅前 10 行，列名对不对、有没有乱码；\ndf.info()：个人认为最重要的命令。告诉你总行数、每列非空数量和数据类型。看到 Dtype 是 object 的列就要警惕——本应是数字的列却是 object，说明混了脏字符，这是清洗的重点信号；\ndf.describe()：对数值列给 count/mean/std/min/四分位/max，快速发现异常值（年龄 max=200、价格 min 是负数都要查）。\n第二阶段：定向打击，筛选与切片\n记住一个原则：优先用 .loc 和 .iloc，尽量避免单独用 [] 做行列同时选择，容易产生误解和警告。\n.loc：按标签（行索引名、列名）索引，最常用、最直观。选列用 df.loc[:, [\u0026lsquo;列名1\u0026rsquo;,\u0026lsquo;列名2\u0026rsquo;]]；最强大的是布尔索引。\n.iloc：按位置（从 0 开始的整数）索引。索引乱或只想取前几行时好用。df.iloc[:5] 取前 5 行，df.iloc[[0,2,4]] 取第 1/3/5 行。\n布尔索引示例：\n多个条件用 \u0026amp;（与）和 |（或），不能用 and/or，因为 df[\u0026lsquo;city\u0026rsquo;]==\u0026lsquo;北京\u0026rsquo; 返回的是由 True/False 组成的 Series，不是单个布尔值。\n总结：按列名和条件筛选用 .loc；按行号列号选就用 .iloc。刻在脑子里，99% 的筛选场景都能覆盖。\n第三阶段：核心战场，数据清洗与转换\n1. 处理缺失值：isnull / fillna / dropna\ndf.isnull().sum()：统计每列缺失值数量；\ndf.dropna()：删含缺失值的行/列，慎用。只在两种情况用：某行大部分为空；关键列（如 user_id）为空导致记录无效；\ndf.fillna()：最常用。fillna(0) 填具体值，fillna(df[\u0026lsquo;age\u0026rsquo;].mean()) 填均值，fillna(method=\u0026lsquo;ffill\u0026rsquo;/\u0026lsquo;bfill\u0026rsquo;) 向前/向后填充（时间序列很有用）。\n2. 数据类型转换：astype / to_datetime\ndf[\u0026lsquo;price\u0026rsquo;] = df[\u0026lsquo;price\u0026rsquo;].astype(float)：字符串转浮点；转换失败说明有非数字字符（如 \u0026lsquo;¥199\u0026rsquo; 的 ¥），先用字符串方法清掉；\npd.to_datetime(df[\u0026lsquo;order_time\u0026rsquo;])：专门处理日期时间，比 astype(\u0026lsquo;datetime64[ns]\u0026rsquo;) 更强，能自动识别多种格式。\n3. 字符串处理：.str 访问器\ndf[\u0026lsquo;category\u0026rsquo;].str.contains(\u0026lsquo;手机\u0026rsquo;)：类别含“手机”的行；\ndf[\u0026lsquo;ua\u0026rsquo;].str.split(\u0026rsquo; \u0026lsquo;).str[0]：按空格拆分取第一段（浏览器名）；\ndf[\u0026lsquo;price_str\u0026rsquo;].str.replace(\u0026rsquo;¥\u0026rsquo;,\u0026rsquo;\u0026rsquo;).astype(float)：典型清洗——去货币符号再转数字。\n4. 创建新列 / 特征工程\n这里引出三兄弟 apply / map / applymap：\napply()：作用于 DataFrame 的行或列，灵活但慢；\nmap()：只作用于 Series，做值映射，如 df[\u0026lsquo;gender\u0026rsquo;].map({\u0026lsquo;男\u0026rsquo;:1,\u0026lsquo;女\u0026rsquo;:0})；\napplymap()：作用于整个 DataFrame 的每个元素，用得较少。\n一个忠告：能不用 apply 就不用。能用向量化操作（df[\u0026lsquo;price\u0026rsquo;]*df[\u0026lsquo;quantity\u0026rsquo;]）就别用 apply 一行行算，向量化快得多。\n微型实战：电商订单表算用户消费\n场景：orders.csv 含 order_id、user_id、product_name、price、order_time，目标是算每个用户 2023 年的总消费和订单数。\n这个例子把 info、str.replace、astype、to_datetime、.loc 布尔索引、dt 访问器和 groupby().agg() 全用上了——一个最基本但最常见的数据分析闭环。\n第四阶段：分析的精髓，分组与聚合\ndf.groupby(\u0026lsquo;分组列\u0026rsquo;)：本身不显示内容，只创建 DataFrameGroupBy 对象，相当于把同组的行装进小盒子等你发号施令；\n简单聚合：df.groupby(\u0026lsquo;city\u0026rsquo;)[\u0026lsquo;salary\u0026rsquo;].mean()，sum/count/max/min 都适用；\n最强大的 .agg()：对不同列同时用不同聚合函数。\ngroupby 的思想是 Split-Apply-Combine（拆分-应用-合并）：groupby 拆分，agg 应用，Pandas 自动合并成新 DataFrame。\n第五阶段：数据的整合，合并与连接\npd.concat([df_jan, df_feb])：理解为“堆叠”，两个表上下摞或左右拼，用于列结构相同的表（如 1 月和 2 月销售数据）；\npd.merge()：理解为 SQL 的 JOIN，按共同的键把两表横向连接。\non 指定连接键，how 指定连接方式：inner（默认）、left（最常用，保证左表完整）、right、outer。\n思维进阶：从“能用”到“好用”\n1. 向量化思维 \u0026gt; 循环 / apply 思维\n这是区分新手和老手的核心标志。apply 底层是“伪循环”，把数据一个个交给 Python 解释器；向量化操作是把整列（底层 NumPy 数组）交给优化过的 C 代码，速度天差地别。\n原则：发现自己在写 for 循环或复杂 .apply 遍历行时，立刻停下来想有没有向量化替代。\n2. 链式调用（Method Chaining）\n熟练后很多操作可以像链条一样串起来，省去一堆中间变量：\n整个流程用 () 包起来，每步另起一行，从上到下逻辑清晰，没有中间变量污染，非常 Pythonic。\n资源推荐\n《利用 Python 进行数据分析》（Python for Data Analysis）：Pandas 作者 Wes McKinney 亲笔，Pandas 的“圣经”，数据规整的思想一点不过时；\nPandas 官方文档：User Guide 和 Cookbook 是最好的学习材料，比任何第三方教程都准确权威；\nStack Overflow：遇到的 99% 问题都有人问过，学会用准确的英文关键词搜索是基本功。\n写在最后\nPandas 的精髓，不在于记住多少函数，而在于建立一套以“数据规整”为核心、以“向量化”和“链式调用”为风格的思维模式。把这套心法刻在脑子里，去真实项目里摸爬滚打、踩坑、解决没人遇到过的问题，这些方法就会从你的“知识”变成你的“本能”。\n到那时候，你就不再会问“Pandas 常用方法是什么”了——整个 Pandas 都成了你信手拈来的工具箱。\n","permalink":"https://cfo580.cn/article/pandas-chang-yong-fang-fa-shi-shen-me-yi-tao-shu-ju-chu-li-gong-zuo-liu/","summary":"✍️ 作者：CodeCrafter ｜ 来源：知乎 原文链接：https://www.zhihu.com/question/486515583/answer/1963287734132121742 著作权归原作者所有，转载仅供学习交流。 看…","title":"🐼 Pandas 常用方法是什么：一套数据处理工作流"},{"content":" 一、核心结论：效率从高到低\nPower Query ＞ Excel 高阶 ＞ SQL ＞ Python\n工具 效率定位 为什么 Power Query 会计效率天花板 数据清洗、多表合并、拆分格式、去重、匹配对账，点点鼠标不用写代码，一次设置永久刷新，最适配财务对账、应收应付、工资表、进销存清理 Excel 高阶 日常小数据最快 XLOOKUP/SUMIFS/透视表是会计基本功，但复杂多表、几万行卡顿、重复操作累 SQL 海量后台取数 适合进销存/ERP/金蝶用友后台数据，取数筛选关联极稳；不适合日常小表格清理 Python 最强但成本最高 能做自动化报表和复杂建模，但会计日常 80% 场景杀鸡用牛刀，适合进阶全自动化 二、最优学习顺序\n第一阶段：必学入门（立刻能用）\nExcel 高阶 → Power Query\n先把 Excel 吃透：XLOOKUP、SUMIFS、数据透视表、条件格式、分列、去重、基础函数，解决日常临时对账、汇总、简单清理；\n紧接着主攻 Power Query：不用代码、全图形化，搞定多 Excel 表一键合并、清洗脏数据（空格/乱码/格式不统一）、拆分单元格、自动匹配对账、每月一键刷新报表。\n会计学数据清理，优先死磕 Power Query。\n第二阶段：进阶提效（处理系统海量数据）\nSQL：学会基础增删改查、联表查询、分组统计。从金蝶/用友/业务系统直接扒原始数据，几万几十万行秒处理。\n第三阶段：高阶自动化（可选）\nPython：在 Excel + PQ + SQL 都熟练后再学，做全自动定时报表、批量处理上百文件、复杂财务模型、可视化。\n三、一句话路线\n先 Excel 打底 → 主攻 Power Query（数据清理主力）→ 再学 SQL 后台取数 → 最后 Python 拔高自动化。\n四、日常场景该用谁\n场景 用谁 日常对账、表格清洗、多表合并 Power Query 临时简单汇总、查表匹配 Excel 从 ERP/数据库导大批量业务数据 SQL 全自动跑报表、批量处理几十上百文件 Python ","permalink":"https://cfo580.cn/article/kuai-ji-ren-xue-shu-ju-qing-li-gong-ju-xiao-lv-pai-ming-yu-zui-you-xue-xi-shun-xu/","summary":"一、核心结论：效率从高到低 Power Query ＞ Excel 高阶 ＞ SQL ＞ Python 工具 效率定位 为什么 Power Query 会计效率天花板 数据清洗、多表合并、拆分格式、去重、匹配对账，点点鼠标不用写代码，一次设…","title":"🧹 会计人学数据清理：工具效率排名与最优学习顺序"},{"content":"最外层那一对圆括号，既不是函数调用，也不是元组，而是 Python 里很实用的——\n隐式行连接括号。\n作用一句话：让一条长链式表达式可以无视 Python 的“行尾即结束”规则，随意换行而不用加反斜杠 \\。\n举个对比就明白了：\n两种写法在语法树里完全等价，但第二种：\n没有 \\ 尾巴，复制粘贴不会出错；\n缩进清晰，code review 更友好；\n任何位置都能直接回车换行，解释器会把括号里的内容当成同一逻辑行处理。\n因此整段代码用括号包起来，纯粹是为了“美观 + 可维护”，没有任何 pandas 专属魔法。\n","permalink":"https://cfo580.cn/article/python-yong-xiao-kuo-hao-bao-guo-zheng-duan-lian-shi-dai-ma-yin-shi-xing-lian-jie/","summary":"最外层那一对圆括号，既不是函数调用，也不是元组，而是 Python 里很实用的—— 隐式行连接括号。 作用一句话：让一条长链式表达式可以无视 Python 的“行尾即结束”规则，随意换行而不用加反斜杠 \\。 举个对比就明白了： 两种写法在语…","title":"🔗 Python 用小括号包裹整段链式代码：隐式行连接"},{"content":"FILTER 是 Excel 365/2021+ 的动态数组筛选函数：按条件筛选区域，结果自动溢出，不用下拉复制。\n一、语法\n被筛选区域（必选）：整表/区域，可多列；\n筛选条件（必选）：返回 TRUE/FALSE，支持多条件逻辑运算；\n无结果提示（可选）：找不到时显示的文本，省略会报 #CALC!。\n二、逻辑运算\n= 并且（AND）；+ = 或者（OR）；\u0026lt;\u0026gt; 不等于；\u0026gt; \u0026lt; 常规比较； 同时满足：(条件1)*(条件2)；满足其一：(条件1)+(条件2)；多条件必须加括号。\n三、基础模板\n单条件：筛 A 列=销售部的姓名：\n多列整行溢出（A姓名 B部门 C工资，筛销售部全部信息）：\n并且：销售部 且 工资\u0026gt;5000：\n或者：销售部 或 市场部：\n排除条件：排除离职：\n模糊匹配：姓名含“张”：\n四、关键特性\n自动溢出：一个单元格输入，结果自动向右/向下铺满；\n条件区域行数必须 = 数据区域行数；\n仅 Excel 365/2021+，旧版不支持；\n多条件括号不能省；空单元格当 FALSE 自动过滤。\n五、常见报错\n#SPILL!：溢出区被挡住 → 清空下方/右侧单元格；\n#CALC!：无符合条件 → 第 3 参数写“无数据”；\n条件不生效：条件区域和数据区域行数不一致。\n六、10 个实战公式（统一区域 A2:C100，A姓名 B部门 C工资）\n基础类\n多条件（* 且 / + 或）\n文本模糊\n日期与组合\n七、进阶公式\n1. FILTER + UNIQUE 去重\n2. 下拉菜单联动\n3. 空值/错误值过滤\n4. FILTER + XLOOKUP 查询\n八、记忆口诀\n多条件必须加括号；并且用 *，或者用 +；\n第 3 参数写“无数据”避免 #CALC!；\n#SPILL! 就清空溢出方向的单元格。\n","permalink":"https://cfo580.cn/article/excelfilter-han-shu-chao-xiang-xi-yu-fa-duo-tiao-jian-yu-20-shi-zhan-gong-shi/","summary":"FILTER 是 Excel 365/2021+ 的动态数组筛选函数：按条件筛选区域，结果自动溢出，不用下拉复制。 一、语法 1. 被筛选区域（必选）：整表/区域，可多列； 2. 筛选条件（必选）：返回 TRUE/FALSE，支持多条件逻辑…","title":"🧲Excel FILTER 函数超详细：语法、多条件与 20+ 实战公式"},{"content":"深入理解 Python 中的 with\u0026hellip;as\u0026hellip; 语法，这是处理文件、资源（比如 Excel 写入器、数据库连接）的核心语法。对财会场景来说，它最关键的价值是：安全、自动地管理资源（比如打开/关闭 Excel 文件、数据库连接），避免因代码报错、忘记关闭资源导致文件损坏、数据丢失。\n本文从「核心定义 → 工作原理 → 财会场景示例 → 对比传统写法 → 避坑点」逐层讲解，彻底搞懂 with\u0026hellip;as\u0026hellip; 是什么、为什么用、怎么用。\n一、核心定义：with\u0026hellip;as\u0026hellip; 是什么？\nwith\u0026hellip;as\u0026hellip; 是 Python 的上下文管理器（Context Manager）语法，核心作用是：\n自动管理“需要手动打开/关闭的资源”（文件、网络连接、数据库连接、Excel 写入器等）——进入 with 代码块时自动“获取资源”，退出代码块时（无论正常结束还是报错）自动“释放资源”。\n对财会场景来说，你可以把它理解为：给资源加了一层“安全防护”——比如写入财务 Excel 文件时，即使中途代码报错，也会自动关闭文件，不会出现“Excel 文件被锁定”“数据只写了一半”的问题。\n二、工作原理（通俗版，不用记底层）\n不用纠结 enter / exit 等底层方法，只需记住核心流程：\n进入 with 块：执行 with 后面对象的“获取资源”逻辑（比如打开 Excel 文件、创建写入器）；\nas 变量名：把“获取到的资源对象”赋值给变量（比如 writer），供代码块内使用；\n执行代码块：运行 with 缩进内的代码（比如写入 Excel 数据）；\n退出 with 块：自动执行“释放资源”逻辑（比如关闭 Excel 文件、释放文件锁）——哪怕代码块内报错，这一步也一定会执行。\n三、财会场景核心示例（从易到难）\n示例 1：最基础的文件读写\n先从普通文件入手，对比“传统写法”和 with\u0026hellip;as\u0026hellip; 写法，你会立刻明白优势。\n传统写法（易出错）：\n问题：如果忘记写 f.close()，或代码在 write 后报错，文件会一直处于“打开状态”，导致后续无法访问。\nwith\u0026hellip;as\u0026hellip; 写法（推荐）：\n优势：无论代码是否报错，文件都会自动关闭，完全不用操心。\n示例 2：财会高频场景——Excel 写入\n这是你最常用的场景，结合 pd.ExcelWriter 理解：\n关键：如果没有 with，你需要手动调用 writer.close()，一旦忘记，Excel 文件会被锁定（无法删除/重命名），甚至数据写入不完整。\n示例 3：数据库连接（进阶财会场景）\n如果处理财务数据库（比如 MySQL），with\u0026hellip;as\u0026hellip; 同样适用：\n四、with\u0026hellip;as\u0026hellip; vs 传统写法（核心对比）\n维度 with\u0026hellip;as\u0026hellip; 写法 传统手动写法 资源管理 自动打开/释放，无需手动操作 需手动调用 close()，易遗漏 异常处理 即使代码报错，仍会释放资源 需用 try\u0026hellip;finally 保证关闭，代码繁琐 代码简洁性 简洁，少嵌套 多嵌套（如 try\u0026hellip;finally），代码冗余 适用场景 文件、Excel 写入器、数据库连接、网络连接等所有需手动关闭的资源 同上，但易出错 五、关键知识点（新手必知）\n1. as 后面的变量是可选的\n如果不需要使用资源对象（比如只是想确保文件关闭，不需要操作文件），可以省略 as：\n2. 支持嵌套 with 块\n处理多个资源时（比如同时读/写两个文件），可以嵌套：\n3. 不是所有对象都能用于 with\n只有实现了「上下文管理器协议」（即有 enter() 和 exit() 方法）的对象，才能用在 with 后：\n✅ 支持的对象：open()、pd.ExcelWriter、数据库连接、threading.Lock 等；\n❌ 不支持的对象：列表、字典、普通变量（比如 with [1,2,3] as lst: 会报错）。\n4. with 块内的变量外部仍可用\nas 赋值的变量（比如 writer、f）在 with 块外仍能访问，但资源已释放，无法再操作：\n六、财会场景避坑点\nExcel 文件被占用的问题：用 pd.ExcelWriter 时，如果没有用 with 且忘记关闭 writer，Excel 文件会被锁定（无法删除/重命名），此时需关闭 Python 进程释放锁；\n编码问题：处理财务文本文件时，务必指定 encoding=\u0026ldquo;utf-8\u0026rdquo;，避免中文乱码；\n资源释放的时机：with 块结束后立即释放资源，比如写入 Excel 数据后，退出块才能在文件夹里看到完整的文件内容。\n总结\nwith\u0026hellip;as\u0026hellip; 是 Python 的上下文管理器语法，核心作用是自动管理需手动打开/关闭的资源（文件、Excel 写入器、数据库连接等）；\n财会场景的核心价值：避免文件损坏、数据丢失、资源泄漏（比如 Excel 文件被锁定、数据库连接未关闭）；\n关键优势：自动释放资源、代码简洁、异常安全（报错也不丢资源），是处理财务数据的“安全标配”。\n","permalink":"https://cfo580.cn/article/pythonwithas-shang-xia-wen-guan-li-qi-cai-kuai-chang-jing-xiang-jie/","summary":"深入理解 Python 中的 with\u0026hellip;as\u0026hellip; 语法，这是处理文件、资源（比如 Excel 写入器、数据库连接）的核心语法。对财会场景来说，它最关键的价值是：安全、自动地管理资源（比如打开/关闭 Excel 文件、数据库连接），避免…","title":"🔐 Python with...as 上下文管理器（财会场景详解）"},{"content":"在一张表里，同时按“行关键字”（如小计行）和“列表头名”（如本月销售额）定位，取交叉单元格的值：\nr 即数据区域 A2:H18；\n表头取区域第一行；用 SEARCH 找含“小计”的行号；\nBYCOL 逐列判断表头是否含“本月销售额”，XMATCH 找到目标列；\n最后 INDEX 按“小计行、目标列”取值。\n为什么是 SEARCH+ISNUMBER 两步？\nSEARCH 本身不是逻辑函数，是文本查找函数；ISNUMBER 才是把结果转为真假的逻辑函数。\nSEARCH(查找文本, 目标)：找到返回起始位置数字（如 SEARCH(\u0026ldquo;小计\u0026rdquo;,\u0026ldquo;本月小计\u0026rdquo;)→3），找不到抛 #VALUE! 错误，永远只输出数字或错误，没有 TRUE/FALSE；\nISNUMBER 做二次转换：SEARCH 返回数字 → ISNUMBER=TRUE（运算=1）；SEARCH 报错 → ISNUMBER=FALSE（运算=0）；\n只有搜到“小计”的行才是 1，与 ROW 得到的行号相乘后取 MAX，即得到真正的小计行号。\n","permalink":"https://cfo580.cn/article/excel-qu-hang-lie-jiao-cha-dan-yuan-ge-letxmatch-zhao-xiao-ji-xing-biao-tou-lie/","summary":"在一张表里，同时按“行关键字”（如小计行）和“列表头名”（如本月销售额）定位，取交叉单元格的值： r 即数据区域 A2:H18； 表头取区域第一行；用 SEARCH 找含“小计”的行号； BYCOL 逐列判断表头是否含“本月销售额”，XMA…","title":"🔲 Excel 取行列交叉单元格：LET+XMATCH 找小计行×表头列"},{"content":"作者：Ivan Zhao（赵伊，Notion 联合创始人兼CEO）\n原文发布于 Notion 官方博客，2025年12月\n每个时代，都被那个时代的神奇材料塑造。钢铁锻造了镀金时代（Gilded Age）。半导体开启了数字时代。而如今，AI作为无限心智（Infinite Minds）降临了。如果历史教会过我们任何事，那就是，谁掌握了时代材料，谁就定义时代。\n19世纪50年代，安德鲁·卡内基还是匹兹堡街头泥泞中奔走的电报小子。那时十个美国人里有六个是农民。两代人过去，卡内基和他的同辈们锻造了现代世界。马车让位于铁路，烛火让位于电灯，铁让位于钢。\n自那以后，工作从工厂转移到办公室。今天，我在旧金山经营一家软件公司，为数以百万计的知识工作者打造工具。在这座产业之城里，人人都在谈论AGI（通用人工智能），但大多数二十亿桌面办公者尚未切身体会。知识工作很快会变成什么样？当组织结构图（org chart）吸纳进一个永不休眠的心智（minds），会发生什么？\n未来之所以难以预见，因为它总把自己伪装成过去。早期的电话像电报一样简短；早期的电影像把戏剧拍成影像。（这正是马歇尔·麦克卢汉 Marshall McLuhan 所说的“我们总是透过后视镜驶入未来”。）\n今天，我们把它看作模仿谷歌搜索框的AI聊天机器人。我们正深处每一次技术范式迁移都会经历的那段令人不适的过渡期。\n下一步会发生什么，我没有全部答案。但我喜欢借用一些历史隐喻，来思考AI如何在不同尺度上工作：从个人，到组织，再到整个经济体。\n个人：从自行车到汽车\n最初的影子，可以从知识工作的“大祭司”——程序员身上看到。\n我的联合创始人Simon曾是我们所谓的“10x倍程序员”，但他如今很少亲自写代码。走过他的工位，你会看到他同时编排三四个AI编程代理（coding agents）。它们不只是打字更快，还会思考，这让他总体上成为“30～40×倍工程师”。他会在午饭或睡前安排好任务队列，让它们在自己离开时继续工作。他已经变成了无限心智（Infinite Minds）的管理者。\n20世纪80年代，乔布斯称个人电脑是“思维的自行车”。十年后，我们铺就了互联网这条“信息高速公路”。但直到今天，大多数知识工作仍然靠人力驱动。就像我们一直在不限速高速上骑自行车（autobahn，德国不限速高速）。\n有了AI代理，像Simon这样的人，已经从骑车升级到开车。\n其他类型的知识工作者何时也能开上汽车？必须先解决两个问题。\n第一，上下文碎片化（context fragmentation）。\n对编程而言，工具和上下文往往集中在一个地方：IDE、代码仓库、终端。但一般知识工作散落在几十种工具中。想象一个AI代理要起草产品方案：它得从Slack聊天记录、战略文档、上季度的仪表盘指标，以及只存在于某人脑海中的“组织记忆”中拉取信息。今天，人类充当胶水，通过复制粘贴、切换浏览器标签把这一切缝合起来。在上下文得到整合之前，代理（agents）只能被困在狭窄的用例里。\n第二，缺少可验证性（verifiability）。\n代码有个神奇属性：可以用测试和报错来验证。模型构建者利用这一点，训练AI把编程做得更好（例如强化学习）。但你如何验证一个项目是否管理得当，或一份战略备忘录（strategy memo）是否写得好？我们还没有找到方法来改进模型，让它们胜任普遍性的知识工作（general knowledge work）。因此，人类仍需要“介入”（in the loop）来监督、引导，并示范“什么是好”。\n今年的编程代理给我们的教训是：“人要介入”并非总是理想的。这就像让人亲自检查流水线上每一颗螺栓，或者走在车前清路一样（参见1865年《红旗法案》）。我们希望人类在更有杠杆的位置上监督流程，而不是被卡在工作流程里。一旦上下文得到整合、工作可被验证，数十亿工作者就会从“蹬车”变为“开车”，再从“开车”变为“自动驾驶”。\n组织：钢与蒸汽\n公司是近代的发明。它们在扩张中退化，然后触及极限。\n几百年前，大多数公司不过是十来人的作坊。如今我们有了动辄数十万人的跨国企业。通信基础设施（用会议和消息串联起来的人脑）在指数级的负载下不堪重负。我们试图用等级、流程和文档来解决。但我们一直在用“人类尺度”的工具解决“工业尺度”的问题——好比用木头去盖摩天大楼。\n两个历史隐喻揭示了，当我们拥有新的神奇材料，未来的组织会有何不同。\n第一个是钢。在钢出现之前，19世纪的建筑高度极限大约是六七层。铁虽坚固，却脆且重；再加层数，建筑会被自身重量压垮。钢改变了一切。它既强韧又有延展性。结构可以更轻，墙体可以更薄，高楼突然拔地而起，达几十层之上。全新类型的建筑因此成为可能。\nAI之于组织，如钢之于建筑。它有潜力跨工作流维持上下文，适时呈现决策而不过度打扰。人类沟通不必再充当承重墙。每周两小时的对齐会，变成五分钟的异步评审。本该经过三级审批的高层决策，很快也许几分钟就能完成。公司可以扩张——真正地扩张——而不再出现我们曾认为不可避免的组织退化。\n第二个故事是蒸汽机。工业革命初期，早期纺织厂依河傍溪而建，以水车为动力。蒸汽机到来时，厂主们最初只是把水车换成蒸汽机，其他一切照旧。生产率提升有限。\n真正的突破，是当厂主意识到他们可以彻底摆脱水源。工厂可以建得更大，更靠近工人、港口和原料。他们围绕蒸汽机重塑工厂布局。（后来，电力出现，厂主进一步摆脱中心传动轴，把小型电机分散到工厂各处，驱动不同的机器。）生产率飙升，第二次工业革命由此真正起飞。\n我们仍停留在“把水车换掉”的阶段：把AI聊天机器人硬装在现有的工具上。我们尚未重新想象，当旧约束消解、你的公司可以由“无限心智”昼夜运转时，组织会是何种模样。\n在我的公司Notion，我们一直在试验。除了1000名员工之外，如今已有700多个代理在处理重复性工作。它们做会议记录、回答问题、整合部落式的知识（tribal knowledge）。它们处理IT请求，记录客户反馈。它们帮助新人办理入职与员工福利。它们撰写周报，让人们不必再复制粘贴。而这还只是“学步”。真正给收益设限的，只有想象力与惰性。\n经济：从佛罗伦萨到特大城市\n钢与蒸汽改变的不只是建筑与工厂，它们也改变了城市。\n在几百年前，城市依然是“人类尺度”的。你步行四十分钟就能走完佛罗伦萨。生活的节奏由人的步行远近，嗓门大小的传播距离所决定。\n后来，钢架让摩天楼成为可能。蒸汽机为铁路供能，连接起城市中心与腹地。电梯、地铁、高速公路接踵而至。城市在规模与密度上爆发式增长。东京。重庆。达拉斯。\n它们不是放大版的佛罗伦萨，而是另一种生活方式。特大城市令人迷失、陌生、难寻方向。这种模糊难辨是规模化的代价。但它们也提供更多的机会与更大的自由。更多的人，在更多的组合里，做更多的事——远超一座人类尺度的文艺复兴城市所能容纳。\n我认为，知识经济正要经历同样的转变。\n今天，知识工作约占美国GDP的近一半。多数仍以人类尺度运作：几十人的团队，以会议和邮件为节奏的工作流，过了几百人，组织就开始吃力。我们用石头与木头搭出了佛罗伦萨。\n当AI代理大规模上线时，我们将要搭建东京。组织能跨越数千个代理与人类；工作跨越时区持续运行，无需等谁醒来；决策以恰到好处的“需要人介入”被整合完成。\n这会感觉很不一样。速度更快，杠杆更大，但刚开始也会更令人迷失。每周例会、季度规划、年度评审的节奏，或许不再合理。新的节奏会出现。我们会失去一些清晰度，收获规模与速度。\n超越水车\n每一种神奇材料都要求人们停止从后视镜里看世界，开始去想象一个新的世界。卡内基望向钢铁，看到的是城市天际线。兰开夏郡的工厂主看着蒸汽机，看到的是不必再傍水而建的厂房平面。\n我们仍处在AI的水车阶段，把聊天机器人拴在为人类设计的工作流上。我们需要停止把AI仅仅当作副驾（Copilot）。我们要去想象：当人类组织由“钢”加固，当繁重琐事交给永不休眠的心智时，知识工作会变成什么样。\n钢，蒸汽，无限心智。下一片天际线，正等着我们去建造。\n补充说明\n1. 本文为官方中文翻译版，保留原文行文逻辑与核心观点，无额外增删；\n2. 英文原题：Steam, Steel, and Infinite Minds，发布于2025年12月；\n","permalink":"https://cfo580.cn/article/zheng-qi-gang-tie-yu-wu-xian-xin-zhi/","summary":"作者：Ivan Zhao（赵伊，Notion 联合创始人兼CEO） 原文发布于 Notion 官方博客，2025年12月 每个时代，都被那个时代的神奇材料塑造。钢铁锻造了镀金时代（Gilded Age）。半导体开启了数字时代。而如今，AI作…","title":"🏗️ 蒸汽、钢铁与无限心智"},{"content":"作者：虑得先生\n什么是正则表达式？\n正则表达式 (Regular Expression, 简称 regex/RE) 是一种用来匹配、查找、替换和验证文本 的特殊字符串模式。你可以把它理解成一套“文本搜索的高级规则”——用少量的字符组合，就能精准描述你想要找的文本格式。\n它只做三件事：匹配、提取、替换\n检查某个字符串是否符合我规定的模式（匹配）；\n把符合的部分拎出来（提取）；\n把符合的部分替换成别的（替换）。\n举个例子：\n单元格A1的内容“张三13901234567”，这条记录内容违反了“数据三范式”的“字段原子性”原理，需要进行“数据清洗”，要把电话号码单独提取出来。\n好消息是，WPS表格推出了正则表达式函数：REGEXP，而Excel只有Microsoft 365提供，PC版的Excel没有。\nWPS的REGEXP函数语法：\n=REGEXP(text, pattern, [match_type], [replace])\n解释：\ntext：文本字符串或含文本字符串的单元格引用；\npattern：元字符\nmatch_type=0（默认）→返回第一处匹配结果；\nmatch_type=1→返回所有匹配（溢出到相邻单元格）；\n第 4 位参数，给字符串就变成“替换模式”，此时返回替换后的完整文本。\n元字符：\n**.**（点号）任意单个字符（默认不含换行）\n**\\d** 数字 0-9，等价于 [0-9]\n**\\D** 非数字，等价于 [^0-9]\n**\\w** 字母、数字、下划线，等价于 [A-Za-z0-9_]\n**\\W** 非单词字符，等价于 [^A-Za-z0-9_]\n**\\s** 任意空白（空格、制表、换行等）\n**\\S** 任意非空白\n**\\t** 制表符 Tab\n**\\n** 换行符\n**\\r** 回车符\n**^** 行首锚点（WPS 默认单行模式）\n**$** 行尾锚点\n**\\b** 单词边界\n**\\B** 非单词边界\n***** 0 次或多次（贪婪）\n**+** 1 次或多次（贪婪）\n**?** 0 或 1 次（贪婪）\n**{n}** 恰好 n 次\n**{n,}** 至少 n 次\n**{n,m}** n 到 m 次\n***?** 0 次或多次（懒惰）\n**+?** 1 次或多次（懒惰）\n**??** 0 或 1 次（懒惰）\n**()** 捕获组，后续可用 $1 $2 … 反向引用\n**(?:)** 非捕获组\n**(?=)** 正向肯定预查（零宽）\n**(?!)** 负向肯定预查（零宽）\n**[]** 字符集，匹配其中任意一个字符\n**[^]** 负字符集，匹配未列出的字符\n**\\** 转义符；要匹配字面量 * 请写 \\*\n实操：\n还是这例子：单元格A1的内容“张三13901234567”，需要提取电话号码。\n在单元格B1中输入：=REGEXP(A1,\u0026quot;\\d{11}\u0026quot;)\n说明：在A1单元格中，提取：\\d 代表 0-9 的数字，{11}代表提取11位数。\n在写完“=REGEXP”后，使用编辑栏的“fx”按钮，在弹出来的参数编辑框里写，比较方便。\n虽然Ctrl+F、 Ctrl+E 也能完成部份相同的任务，但使用REGEXP函数，更精准，提取内容时也更丰富和灵活。\n会计人学会这一个函数，可以节省大量的数据清洗时间。\n我是虑得先生，准备在网上卖会计人需要的EXCEL模版和python自动化脚本，帮助会计人节省重复操作的时间，助力会计人早日升职加薪！当然，如果你是EXCEL或python小白，我也可以陪跑伴读。\n","permalink":"https://cfo580.cn/article/shui-shuo-guo-chan-wps-bu-ru-excel-cong-zheng-ze-biao-da-shi-kan-chu-guo-chan-de-ni-xi/","summary":"作者：虑得先生 什么是正则表达式？ 正则表达式 (Regular Expression, 简称 regex/RE) 是一种用来 匹配、查找、替换和验证文本 的特殊字符串模式。你可以把它理解成一套“文本搜索的高级规则”——用少量的字符组合，就…","title":"🔍 谁说国产WPS不如EXCEL，从正则表达式看出国产的逆袭"},{"content":"作者：虑得先生\n这道题是财务面试高频考点！很多会计新人容易忽略，未分配利润真不是账面数字那么简单 —— 一旦账面余额过高，股东分红就得缴 20% 的个税。年盈利 500 万的话，光税款就要 100 万，老板能不着急吗？\n先划重点：未分配利润≠可分红现金！这 4 种常规处理方式，第 3 种最让股东心疼\n计提法定盈余公积：按净利润的 10% 提取，累计金额达到注册资本 50% 时就可以停止计提，相当于给公司留了一笔“应急备用金”。\n转增实收资本：把账面利润转为股东的出资额，自然人股东要缴 20% 个税（符合税收优惠政策的除外）。\n股东分红：自然人股东拿到分红，20% 的个税是必缴的，分 100 万到手只剩 80 万，实在肉痛。\n公司注销：就算走到注销这一步，未分配利润也会被认定为股息，20% 的个税照样躲不掉！\n别慌！分享 6 个能落地的合规方案✅，能把 20% 的税负降到 6%\n调整股权架构：把“自然人直接持股”改成“公司持股”，法人股东获取分红时免征个税，后续还能将分红资金用于再投资，直接省下一大笔钱。\n给股东发放工资：每年给股东发 30 - 50 万的工资加奖金，按最高标准缴纳五险一金，综合税负只有 4% - 6%，比分红缴税划算得多，这笔钱还能作为公司成本抵扣企业所得税。\n股东家人合规领薪：如果股东家人确实参与公司经营，比如担任董事、行政助理等岗位，就签订正式劳动合同、留存考勤记录，合理发放工资，合规降低未分配利润。\n巧用辞退福利：给离职员工发放的补偿金，只要低于当地上年度职工平均工资 3 倍的部分，就能免征个税，既安抚了员工，又能抵扣公司成本。\n清理坏账损失：确定收不回来的应收账款，可转为营业外支出。就算这笔损失不能税前扣除，也能减少未分配利润。处理时要留存好催收记录、对方破产证明等完整凭证。\n规范无票支出入账：真实发生但没拿到发票的业务，先正常入账（分录：借：成本 / 费用 贷：其他应付款 / 银行存款），汇算清缴时做纳税调增补缴税款。就算要缴 5% 的企业所得税，也比 20% 的分红个税划算！\n最后附上股东分红的标准会计分录，新手直接套用就行：\n财务人的核心竞争力在于提前做好合规规划。\n#财务干货 #会计实操 #会计人会计魂 #会计工作 #企业盈利能力 #面试日常\n","permalink":"https://cfo580.cn/article/cai-wu-mian-shi-bei-wen-dao-wei-fen-pei-li-run-guo-da-zen-me-ban/","summary":"作者：虑得先生 这道题是财务面试高频考点！很多会计新人容易忽略，未分配利润真不是账面数字那么简单 —— 一旦账面余额过高，股东分红就得缴 20% 的个税。年盈利 500 万的话，光税款就要 100 万，老板能不着急吗？ 先划重点：未分配利润…","title":"💰 财务面试被问到未分配利润过大，怎么办？"},{"content":"【本文译自斯坦福数字经济实验室报告《企业AI实战手册：来自51个成功部署案例的经验教训》，作者 Elisa Pereira、Alvin Wang Graylin 与 Erik Brynjolfsson，2026年4月。译文供会计人了解 AI 趋势，版权归原作者所有。】\nElisa Pereira, Alvin Wang Graylin 与 Erik Brynjolfsson\n斯坦福数字经济实验室\n斯坦福大学 · 2026年4月\n关于本报告\n如今，关于人工智能的预测和情绪调查层出不穷。\n每周都有新的预测和争论：AI是否有用、哪些工作会消失、哪些行业会被颠覆、哪些公司会主导。但当我们与真正在企业内部部署AI的高管交流时，听到的是另一组问题。不是五年后可能发生什么，而是现在正在发生什么。是实际现实，不是抽象框架。\n本报告源于一个简单的信念：关于AI应用最有价值的洞见，不在假设或预测中，而在那些已经走过这条路的人的模式里。\n我们试图做一些实证性的工作。记录真正创造了商业价值的真实用例。梳理那些不仅在试验AI、而且在规模化成功部署AI的组织的实践。我们想要深度。了解那些不会出现在新闻稿中的陷阱、区分成功试点与失败试点的细微差别，以及任何供应商白皮书都不会告诉你的组织现实。\n在5个月内研究51个企业案例后，我们发现了以周计和以年计的转型故事。相同的技术、相同的用例，结果却天差地别。差异从来不是AI模型。始终是组织本身。它的准备度、流程、领导力、改变和失败的意愿。\n我们的目标很简单：提供一个实用的窗口，展示企业利用AI创造价值时内部实际发生的情况，包括详细的公司案例研究。只有先理解工作的现在，工作的未来才有意义。\n在结论中，我们基于AI领域的 upcoming 趋势提供了一些前瞻性见解。我们希望这些发现既能成为一面镜子，也能成为一张地图。反映你的组织可能处于什么位置，并照亮你如何自信前行的路径。\nElisa Pereira, Alvin Wang Graylin \u0026amp; Erik Brynjolfsson\n研究团队\n斯坦福数字经济实验室\n贡献者\nElisa Pereira\n斯坦福数字经济实验室研究员 · 斯坦福商学院MSx候选人\nElisa Pereira是斯坦福数字经济实验室的研究员，也是斯坦福商学院的MSx候选人，拥有风险投资背景和在拉丁美洲构建数十个企业AI解决方案的实践经验。她目前的研究聚焦于衡量这些部署的实际影响、识别成功实施背后的模式，以及探索拉丁美洲如何建立技术主权。\nAlvin Wang Graylin\n斯坦福数字经济实验室数字研究员 · 斯坦福大学\nAlvin Wang Graylin是斯坦福数字经济实验室的数字研究员，也是一位作者、连续创业者和技术高管，在AI、XR、网络安全和半导体行业拥有超过35年的经验。他目前是虚拟世界协会主席、亚洲协会政策研究所CCA高级研究员、MIT讲师，并为政府、组织和企业提供技术转型咨询。他的著作《Our Next Reality》探讨了AI和沉浸式技术将如何在未来十年重塑我们的世界。他目前的研究聚焦于AI经济学以及确保向后劳动经济模式平稳过渡所需的政府政策。\nErik Brynjolfsson\n斯坦福数字经济实验室主任 · 斯坦福大学教授\nErik Brynjolfsson是斯坦福数字经济实验室主任，也是斯坦福大学Jerry Yang和Akiko Yamazaki教授、斯坦福以人为本AI研究所（HAI）高级研究员。他还是SIEPR的Ralph Landau高级研究员、斯坦福商学院和经济系兼任教授，以及美国国家经济研究局（NBER）研究助理。他是信息经济学领域被引用最多的作者之一，合著了数百篇文章和书籍，包括《第二次机器革命》和《机器、平台、 crowd》。他通过联合创立的Workhelix公司将学术洞见付诸实践，以识别和衡量AI的效益。\n目录\n前言\n贡献者\n宏观背景\n方法论\n关键发现摘要\n第1章：为什么AI商业案例低估了真实投资？\n第2章：如何跨越部署与ROI之间的死亡之谷？\n第3章：多少人类监督是最优的？\n第4章：推动结果的发起人与只批预算的发起人有什么区别？\n第5章：致命阻力来自哪里？\n第6章：当生产力提升很高时，员工人数会发生什么变化？\n第7章：AI在哪里打开了以前关闭的门？\n第8章：代理式AI是否在创造真实价值？\n第9章：企业数据到底需要多干净？\n第10章：严格的安全是保护项目还是扼杀项目？\n第11章：基础模型选择何时不是商品？\n结论\n附录：衡量指标与应避免的陷阱、研究样本\n尾注\n宏观背景\n为什么企业AI实施现在很重要\n像AI这样的通用目的技术，既需要也要求对流程重新设计、劳动力发展和组织重组进行大量互补投资。这些投资大多是无形的，在国民账户中衡量不足，这意味着在新技术的早期阶段，生产率增长被系统性低估，而在后期收益收获时又被高估。Brynjolfsson、Rock和Syverson（2021）将这些观察形式化为一个名为\u0026quot;生产率J曲线\u0026quot;的模型。\n宏观经济结果不取决于技术本身，而取决于组织如何部署它。我们面临一个\u0026quot;生产率分叉\u0026quot;：AI既可以增强工人并创造新能力，也可以主要自动化现有任务并削减员工人数。所选择的路径将塑造未来几十年的经济增长。特别是，自动化将工人从现有任务中替代出来，但创造人类具有比较优势的新任务可以恢复劳动力需求。AI是带来广泛繁荣还是集中收益，取决于组织是否创造足够的新机会来抵消劳动力替代。\n一些就业效应已经显现。对覆盖数百万美国工人的高频工资数据的分析发现，AI暴露职业中的早期职业工人就业相对下降了16%，22至25岁的软件开发者下降了近20%。这些\u0026quot;煤矿中的金丝雀\u0026quot;表明，许多人预期的劳动力市场 disruption 已不再是假设。\n这些衡量挑战不仅仅是学术性的。GDP等标准指标系统性地未能捕捉新数字商品和免费数字商品的福利贡献。他们的GDP-B框架衡量消费者收益而非生产成本，揭示了数字经济中大量未被衡量的价值创造。如果总体统计低估了相对简单的数字服务的收益，它们很可能错过AI在组织内部创造的更多价值——正是本报告试图记录的那种价值。AI代理系统为软件开发者带来的一项新的非货币收益是\u0026quot;自由时间\u0026quot;来思考。当AI代理自主构建越来越大部分的代码时，人类程序员有更多咖啡休息时间来思考更大的问题。这不会出现在标准生产率衡量中，但它是一种真实的收益，改善了他们的日常工作。\n这些宏观发现与组织内部发生的事情之间的差距是显著的。经济模型描述总体效应。企业层面的实验衡量更受控的环境。两者都没有捕捉到跨部门部署AI、克服阻力、构建J曲线框架认为必不可少的互补基础设施的混乱运营现实。这就是我们的研究要解决的差距。\n为什么做这项研究\n尽管企业AI支出达数十亿美元，MIT NANDA initiative 2025年的一项研究得出结论：95%的生成式AI试点项目未能产生可衡量的财务影响。他们认为失败不是源于模型质量，而是源于工作流整合不佳和组织激励错位。这是技术能做什么与组织设法用它做什么之间的差距。\n相比之下，我们的目标是理解AI成功部署的案例。我们深入公司内部，分析了51个企业AI交付可衡量价值的案例。这些组织做了什么不同的事情？整合实际成本是多少？阻力来自哪里，最重要的是，如何克服的？\n我们如何纳入失败\n虽然本报告聚焦于交付可衡量价值的实施，但我们并非孤立地研究成功。在每次访谈中，我们都明确要求参与者描述失败、错误起步和放弃的试点，这些是他们当前结果之前发生的。我们问他们首先尝试了什么、为什么没有成功、他们改变了什么。\n浮现出来的不是一个避免困难的组织的故事。而是一个迭代失败并建立系统性方法克服初始挫折的组织的故事。我们调查的公司中有三分之二在实现价值创造之前有过重大失败尝试。本报告中的模式既反映了这些组织从过程中学到的东西，也反映了他们通过成功实现的东西。\n我们想坦诚地说，这确实有一个已知局限：对积极结果的選擇偏差。我们的发现描述了成功是什么样子以及达到成功需要什么；我们并不声称提供关于成功在整个经济中有多普遍的代表性数据。\n\u0026ldquo;幸福的家庭都是相似的；不幸的家庭各有各的不幸。\u0026rdquo; —— 列夫·托尔斯泰\n方法论\n本研究基于对已规模化部署AI解决方案的高管和项目负责人的深度访谈。我们只关注已超越试点阶段并交付可衡量商业价值的举措。\n研究样本概况\n我们的51个案例研究来自41个组织、7个国家、5个地区，代表超过100万名员工。（完整匿名公司列表见附录。）\n51 案例\n9 行业\n14 职能\n图1. 研究访谈和分析工作流程\n选择标准\n四个维度定义了我们对成熟AI项目的选择：\n运营稳定性 ：系统已上线，整合到真实工作流中，并在生产环境中持续使用。\n持续业务采用 ：跨职能团队积极依赖AI系统进行决策，持续数月（3个月以上）。\n量化价值创造 ：明确的业务成果，如生产力提升、收入增长或客户满意度。\n可扩展性与可复制性 ：可以扩展到团队、地区或业务单元。\n技术范围从数据科学模型（机器学习、深度学习）到代理式工作流。\n访谈方法\n每个案例研究通过每家公司至少一次结构化60分钟访谈完成，遵循一致的讨论框架。我们用参与者公司提供的书面文档补充访谈数据，包括内部指标/报告、项目计划/审查和财务更新。访谈于2025年8月至2026年2月进行。\n图2. 访谈方法和补充数据来源\n评分标准\n每个维度基于记录的证据评分：3=强（满足所有标准），2=中等（满足大多数标准），1=弱（满足少数标准）。我们要求来自系统、文档或具名负责人的证据。\n样本构成\n在业务职能方面，我们的案例覆盖广泛的应用。这种多样性使我们能够识别超越特定用例的模式。\n图3. 按业务职能的样本构成\n我们的样本跨越9个行业，在制造业、金融服务和技术领域尤为深入。分布反映了当前企业AI应用的格局。\n图4. 按行业的样本构成\n局限性\n本研究主要依赖访谈参与者的自我报告数据。虽然我们在可能的情况下对信息进行了三角验证，并聚焦于有记录成果的成熟举措，但读者应考虑对成功部署的潜在选择偏差。\n我们的样本虽然多样，但不代表所有企业AI举措。技术和金融服务的集中反映了早期采用模式，而非AI部署的完整范围。\n所有数据均已匿名化和聚合，以保护专有信息并遵守主题公司披露政策。具体公司名称和识别细节已被删除或泛化。\n关键发现摘要\n技术不是最难的部分。 77%的最艰难挑战是无形的、不可见的成本：变革管理、数据质量和流程重新设计。61%的成功项目至少包含一次先前失败，其成本从未出现在最终ROI中。\n时间线差异是组织性的，不是技术性的。 类似的用例在一家公司需要几周，在另一家需要几年。差异在于高管发起、现有组织流程和最终用户意愿。\n基于升级的模式与更好的结果相关。 基于升级的模式（AI自主处理80%以上，人类审查例外）交付了71%的中位生产力提升，而审批模式为30%。这可能部分反映了所处理任务类型的不同。\n高管发起在于行动，不在于批准。 有效的发起人每周清除障碍，桥接业务和技术团队，将AI采用与企业OKR挂钩。最关键的是，他们创造了一种允许失败的文化。\n幕僚职能是最常见的阻力来源，但部分在 buy-in 后可能成为推动者。 法律、HR、风险和合规是最常见的阻力来源，占35%，高于内部最终用户的23%。\n裁员很常见但并非不可避免。 裁员是45%部署中最大的结果，但替代方案（避免招聘、重新部署、不裁员）占55%。更广泛的劳动力市场数据表明，AI暴露职业中的入门级角色已经在下降。\n来自AI的收入是真实的，但仍然罕见，并遵循三种模式。 转化性个性化、赢得交易的的速度、内部工具重新包装为产品。一小部分案例还显示AI使以前不可能的工作成为可能。\n代理式AI有效，但大多数公司尚未使用。 代理式实施显示71%的中位生产力提升，而高自动化为40%，但仅占案例的20%。代理式AI不是新的UI；它是对工作流中人类和机器角色的重新定义。\n混乱的数据不是障碍，如果你围绕它设计。 LLM解决了许多它们本应挣扎的数据问题。存储一切，连接它，让模型来做清理。\n安全促进多于阻碍。 在我们研究的任何案例中，安全都不是项目杀手。最初作为障碍的要求后来使项目能够处理敏感数据。\n对于许多用例，模型选择是商品。 对于42%的实施，模型选择完全可互换。公司并不总是需要最好的可用AI模型。持久的优势在于编排层，而非基础模型。\n第1章：为什么AI商业案例低估了真实投资？\n决定成功或失败的隐藏成本\n已发表发现\n规模化需要大量非模型投资。 McKinsey的研究发现，高绩效AI组织（将EBIT的5%以上归因于AI的组织）更可能投资于\u0026quot;重新布线\u0026quot;业务流程和数据产品，而不仅仅是模型部署。\n\u0026ldquo;概念验证工厂\u0026quot;代表沉没成本。 Accenture估计80-85%的公司停留在\u0026quot;概念验证工厂\u0026quot;阶段，他们进行实验但回报低、规模化成功率低。\n数据基础是主要项目。 战略规模化者更可能拥有大型、准确的数据集（61% vs 非规模化者的38%），并在数据质量、管理和治理框架上大量投资。\n生产率J曲线意味着隐藏投资。 早期研究发现，每1美元的有形技术投资，公司花费高达10美元在无形投资上（流程重新设计、再培训、组织转型），最初压低生产率，然后才实现收益。\n我们的发现\n77%的实践者面临的最艰难挑战是无形成本：变革管理、数据质量和流程重新设计，而非技术问题。技术始终被描述为最容易的部分。成功部署的真实成本通常包括至少一次失败尝试（见发现2），大部分投资流向了模型以外的一切。\n77%的最艰难挑战是\u0026quot;无形成本\u0026rdquo;\n当我们问实践者\u0026quot;最难修复的是什么？\u0026ldquo;时，答案揭示了AI预算实际流向何处。\n按类别的最艰难挑战：\n类别｜占比\n变革管理与采用｜33%\n数据质量与架构｜17%\n流程重新设计｜10%\n质量与准确性｜10%\nROI/商业案例｜7%\n技术/整合｜10%\n治理/合规｜7%\n供应商/平台｜6%\n橙色：无形成本（77%）；灰色：技术/可见成本（23%）\n\u0026ldquo;所有艰苦的工作都在流程文档和数据架构中。如果你能做好这两件事，其他一切都很简单。\u0026rdquo; —— 电信公司高管\n\u0026ldquo;技术不是瓶颈——组织采用才是失败点。\u0026rdquo; —— 专业服务公司高管\n61%在 current 成功之前有过失败的AI项目\n这些失败的实验代表了从未出现在\u0026quot;成功\u0026quot;项目ROI中的沉没成本：\n有过先前AI失败：61%\n没有先前失败：39%\n这些失败的实验可能是永远不会出现在成功项目ROI中的沉没成本，但往往对其至关重要。失败有一个共同模式：团队将AI视为技术项目，而非流程和变革管理项目。第一次尝试失败于应用于破碎的工作流、由没有业务所有权的技术团队领导，或组织假设模型会修复需要重新设计工作本身的问题。\n\u0026ldquo;这实际上是他们第二次为招聘流程寻求AI。最初失败是因为他们没有考虑偏见，他们认为AI会直接修复流程，而不需要流程重新设计。\u0026rdquo; —— 专业服务公司AI项目负责人\n技术始终被描述为最容易的部分。\n\u0026ldquo;你在数据上投入越多，你从这些AI解决方案中获得的就越好。\u0026rdquo; —— 技术公司经理\n\u0026ldquo;问题不在模型。\u0026rdquo; —— 专业服务公司高管\n对预算编制的启示：成功AI部署的真实成本通常包括至少一次失败尝试，大部分投资流向了模型以外的一切。\n案例研究：物流公司的发票处理\n如何克服无形成本\n公司\n一家价值10亿美元以上的美国物流公司，管理大量冷藏拖车车队。公司每年从全国各地的供应商处收到超过10万张发票，用于拖车维护——从换轮胎到更换传感器。\n挑战\n发票的数量和多样性造成了巨大的运营负担。七名全职员工专门负责这项任务：整合发票、匹配内部模板、验证工作、将数据输入ERP系统、生成客户发票。\n\u0026ldquo;他们从不同渠道收到所有这些发票，包括传真。他们可能接到电话。很多维修店在偏远地方，他们直接打电话说，嘿，我们做了这个维修。所以可能是电话、邮件，他们获取信息的方式各种各样。\u0026rdquo; —— 技术服务公司高级高管\n无形工作\n流程简化： 数千个模板减少到数百个。多年积累的发票模板冗余且不一致。在任何AI能工作之前，这种清理是必需的。\n\u0026ldquo;我们很快意识到，750个模板没有意义，大多数是重复的。没有人真正审查过这个。\u0026rdquo; —— 技术服务公司高级高管\n数据标注： 主题专家（SME）审查了数千个AI输出。他们在日常工作之上验证AI生成的发票，解释每一个错误以改进模型。\n高管发起： 总裁参与每周检查。这清除了瓶颈并确保了运营团队的 buy-in。\n\u0026ldquo;总裁每周都在检查——进展如何，我们在哪里，瓶颈是什么？然后团队其他成员也参与了。\u0026rdquo; —— 技术服务公司高级高管\n知识转移： 两名初级IT员工从第一天起嵌入。每日站会，每周和每月审查。没有黑箱——公司可以独立运营系统。\n解决方案\n简而言之，公司构建了一个系统，无论发票如何到达都能自动读取，理解其内容，并将数据直接输入公司的财务系统，消除手动处理的需要。\n技术实施使用Azure Document Intelligence和Azure OpenAI Service，结合光学字符识别（OCR）解析与基于LLM的语义映射。系统从多个渠道（邮件、传真、电话转录）摄取发票，使用OCR解析和提取数据，将发票内容映射到简化的模板分类，并将验证过的数据直接写入MS Dynamics D365。\n结果\n7 → 2 全职当量（FTE）\n处理时间 \u0026lt; 24小时\n准确率 85%\n投产时间 8周\n创造价值 \u0026gt; 100万美元\n关键教训\n\u0026ldquo;一切从人开始。有人、流程和技术——我知道是这个顺序，尽管我代表一家技术公司。技术是最容易的部分。我们基本上使用了很多开源和现成的东西。\u0026rdquo; —— 技术服务公司高级高管\n\u0026ldquo;各位，80%对我们来说就完美了。我们可以把这些人放到其他瓶颈上。我理解你可以继续改进，某个时候模型会达到95%，但我们不在乎。我们关心的是立即的成本节约和消除这些积压。\u0026rdquo; —— 物流公司总裁\n第2章：如何跨越部署与ROI之间的死亡之谷？\n类似用例中什么区分了数周与数年\n已发表发现\n有意图的时间线胜过\u0026quot;快速行动\u0026rdquo;。 Accenture得出结论，成功的AI规模化者更可能设定1-2年的时间线从试点走向规模化，高出65%。与\u0026quot;快速行动\u0026quot;的精神相反，他们对负责任地规模化所需的时间更有意图。\n高绩效者重新设计工作流，而不仅仅是部署工具。 McKinsey报告，顶级绩效者从根本上重新设计工作流的可能性几乎是其他公司的三倍。55%的高绩效者围绕AI重新设计了工作流，而其他公司仅为20%。\n大多数公司停留在试点模式。 虽然88%的组织至少在一个职能中使用AI，但只有三分之一开始在企业层面规模化其AI项目。三分之二仍处于测试或概念验证阶段。\n我们的发现\n类似用例可能因组织而异需要数周或数年。我们识别了三个持续加速项目的因素——高管发起、现有基础和最终用户意愿——以及四个减缓因素。我们样本中每个成功项目都使用了迭代方法。\n发现1：范围是戏剧性的：类似用例从数周到数年\n一家大型金融科技公司使用AI编码代理将数百万行遗留ETL代码迁移到现代架构。项目花了数周。一家技术公司用AI重新设计客户支持系统，六个月上线。一家大型银行尝试相同的客户支持用例，报告项目需要数年。\n\u0026ldquo;AI代理上线后数周内，我们发现了明确的机会，以一小部分工程时间加速迁移。\u0026rdquo; —— 金融科技高管\n\u0026ldquo;我们甚至需要数年才能把其中一个建立起来。\u0026rdquo; —— 金融服务高管\n相同的用例，相同的AI模型，截然不同的时间线。洞见不是中位数或平均值。而是组织背景比技术本身更重要。\n发现2：三个因素持续加速价值实现时间\n加速因素｜频率\n高管发起｜43%\n建立在现有基础上｜32%\n最终用户意愿｜25%\n建立在现有基础上。 利用现有基础设施或平台的项目移动得明显更快。一家技术公司因为已经为客户支持开发了AI平台，在几个月内构建了销售copilot。\n\u0026ldquo;我们在4月推出了第一个MVP。因为我们提前完成了客户支持项目，我们继续构建了这个。\u0026rdquo; —— 技术公司高管\n最终用户意愿。 当用户真正想要解决方案时，采用摩擦消失。在医疗保健中，医院系统采用环境AI转录，尽管ROI不明确，仅仅因为医生迫切需要 relief。在现有流程下，一天工作后，他们被迫花费数小时记录日常活动。\n\u0026ldquo;当前医疗实践的状态如此糟糕，医生如此疲惫，医院系统愿意尝试任何东西，就像绝望中的救命稻草，看看是否有用。\u0026rdquo; —— 医疗AI公司高管\n发现3：延迟因素\n延迟因素｜频率\n学习曲线和迭代｜25%\n数据质量和准备｜21%\n监管和合规｜21%\n流程文档缺口｜21%\n数据质量是一个反复出现的主题。监管约束在金融服务中造成了结构性延迟，合规要求无论技术准备如何都会延长时间线。\n\u0026ldquo;大多数客户在维护知识库方面做得不好。\u0026rdquo; —— 软件公司高管\n每个成功项目都使用了迭代方法\n100% 使用了迭代方法\n在我们能识别开发方法论的案例中，所有都使用了迭代方法。没有一个使用传统的瀑布式规划。模式是一致的：从小处开始，学习，扩展。\n\u0026ldquo;把它想象成 layered cake。我们构建一个流程，记录下来，然后在其上构建代理层，然后是第二个功能，第三个功能。\u0026rdquo; —— 物流公司高管\n\u0026ldquo;可能90%的试点和测试失败，但我们在这些基础上迭代，直到找到它们，然后它不断增长。\u0026rdquo; —— 食品配送公司高管\n案例研究：翻译服务公司的招聘\n如何跨越死亡之谷\n专业服务 | 招聘 | 中型市场\n公司\n他们的招聘流程已成为最大的成本 sink 和战略瓶颈：候选人 intake 慢、流动率高、难以配备小众语言和方言、筛选质量不一致，限制了公司的增长速度。\n第一次尝试——以及为什么失败\n这是该公司第二次尝试用AI进行招聘。第一次失败有两个原因：他们没有考虑筛选算法中的偏见，他们假设AI会修复破碎的流程，而不解决底层工作流问题。\n\u0026ldquo;他们认为AI会直接修复流程，而不是退一步确保一切按预期工作。\u0026rdquo; —— 专业服务高管\n第二次改变的是什么\n三件事不同了：\n第一，CEO亲自负责，而不是委托给CTO。项目有高管可见性和每周检查，快速清除瓶颈。\n第二，他们在应用AI之前修复了流程。他们映射了整个招聘工作流，识别了真正的痛点。\n第三，他们针对真正的痛苦。招聘人员不是轻微不便。他们被每天淹没团队的申请流所困扰，而且不断累积。\n\u0026ldquo;这对那些人来说是止痛药。不是\u0026rsquo;嘿，这会很棒。\u0026lsquo;而是\u0026rsquo;我要淹死了。\u0026rsquo;\u0026rdquo; —— 专业服务高管\n解决方案\n团队构建了一个AI驱动的招聘管道，具有按语言和方言的超个性化筛选、自动化的第一轮视频面试与偏见缓解评估，以及连接招聘结果回筛选标准的反馈循环。系统学习哪些候选人信号预测成功。\n结果\n1个月\n每个职位时间 3小时 → 3分钟\nIntake效率 +83%\n筛选效率 +79%\n候选人转化率 +75%\n关键教训\n同一家公司、同一职能、同一目标——但结果截然不同。第一次尝试失败。第二次花了一个月，交付了83%的效率提升。差异不是技术。\n在应用AI之前修复流程。 AI放大它所应用于的任何流程。如果流程是破碎的，AI会更快地让它更糟。\n针对真正的痛苦。 采用很容易，因为用户迫切需要 relief。招聘团队不需要被说服。他们需要被拯救。\n第3章：多少人类监督是最优的？\n审视AI实施中的人类参与\n已发表发现\n企业和个人使用模式不同。 Anthropic的经济指数发现，52%的个人Claude.ai使用涉及人机协作，而45%为完全自动化。企业API使用显示相反：77%自动化。这表明企业部署AI的方式与个人不同，但最优平衡仍不明确。\n结构化人类监督与成功相关。 McKinsey报告，65%的AI高绩效者有明确的人在回路流程来确定模型输出何时需要人类验证，而其他组织仅为23%——近三倍差异。\n我们的发现\n基于升级的运营模式（AI自主处理80%以上，人类仅审查例外）交付了最高的生产力提升，中位数为71%。这部分反映了任务选择：升级模式通常应用于高容量、可恢复的任务，而审批和协作模式服务于受监管或高风险工作。人类监督的水平取决于错误容忍度、监管要求和任务复杂性，通常是战略设计选择而非限制。\n发现1：适度人类监督与最高生产力提升相关\n我们根据人类参与程度将每个案例分为三级：\n人在回路（HITL）级别｜描述\n升级｜AI自主处理80%以上；人类仅审查例外或抽样≤20%\n审批｜AI做工作；人类在行动前审查和批准每个输出\n协作｜人类和AI在每个任务上持续合作\n图6. AI部署中的人类监督模式\n按监督模式的生产力提升：\n监督模式｜中位收益｜平均收益\n升级（AI处理80%以上）｜71%｜63%\n审批（人类审查所有）｜30%｜44%\n协作（共同工作）｜30%｜43%\n\u0026ldquo;90%或95%现在由代理完全自动化。如果有人说他们的食物没到或订单出了问题，90%到95%完全自动化。\u0026rdquo; —— 食品配送公司AI负责人\n发现2：最优监督水平因职能而异\n适当的人类监督水平（HITL）取决于错误容忍度、监管要求和任务复杂性。\n职能｜典型HITL级别｜平均收益\nIT运营｜升级｜90%\n客户支持｜升级｜71%\n理赔处理｜升级｜50%\n现场服务｜审批｜80%\n临床文档｜审批｜66%\n编码｜协作｜54%\n在客户支持中，一家技术公司通过围绕AI优先解决重新设计工作流，实现了82%的工单 deflection。在临床文档中，医生必须批准每个AI生成的笔记，因为这是法律文件。在编码中，工程师从编写代码转向审查AI生成的更改。\n\u0026ldquo;工程师不需要完成整个迁移任务，他们可以只审查更改、做 minor 调整，然后合并他们的PR。\u0026rdquo; —— 拉丁美洲金融科技工程负责人\n当人类监督是明显选择时\n人类监督不是AI不成熟的标志。在许多情况下，它是战略上正确的设计选择。四种模式出现，人类参与创造明确价值：\n零错误容忍。 当单个错误的成本超过数千个正确输出时，人类审查至关重要。主要品牌的营销内容、法律文件和面向客户的沟通属于这一类。\n\u0026ldquo;我不能运行一个有错误的 campaign。我不能运行一个覆盖数百万客户的大型 campaign 而不确定。\u0026rdquo; —— 企业AI公司战略负责人\n监管要求。 在医疗、金融和其他受监管行业，人类审查是法律规定的，无论AI能力如何。问题不是AI是否能做工作，而是监管者是否接受AI做工作。\n\u0026ldquo;医生审查、批准，然后它被送回EMR。医生仍必须审查每个笔记，因为法律要求。\u0026rdquo; —— 医疗AI公司高管\n企业风险管理。 大型组织即使技术上可行也偏好人在回路的解决方案。自主AI的感知风险超过效率收益。\n持续改进。 人类审查者识别AI错误中的模式，反馈给模型改进。这种反馈循环以完全自动化系统无法匹配的方式加速学习。\n案例研究：金融服务公司的营销内容\n如何校准人类监督\n金融服务 / 营销 / 企业\n公司\n一家金融服务公司面临内容瓶颈。他们有客户数据实现超个性化，但无法足够快地生成内容来利用它。传统代理工作流每个 campaign 需要七周。\n解决方案\n他们部署了一个AI平台，生成多渠道内容同时保持品牌一致性。团队选择了80/20模式：AI处理80%的生成，人类提供20%的完善和质量保证。随着技术成熟和经验学习增长，卸载给AI的百分比最终将走向100%。\n人类监督如何促成成功\n这种分工是刻意的。企业营销不能容忍面向客户内容的错误。\n\u0026ldquo;要在企业层面运行，你需要80%技术加20%人类完善。AI行业还没有达到你能搞定最后20%的水平。\u0026rdquo; —— 企业AI公司战略负责人\n人类层服务于三个功能：\n品牌保护，防止会损害多年品牌建设的错误。\n边缘案例处理，处理需要判断的不寻常组合。\n反馈循环，审查者识别改进AI输出的模式。\n结果\n上市时间：7周 → 6小时\n点击率：2倍提升\n生产效率： \u0026gt;80%时间减少\n关键教训\n人类监督不是生产力的税收。80/20模式在保持零错误容忍的同时，交付了97.6%的上市时间减少。\n监督水平应与利害关系匹配。公司将20%人类组件视为过渡性的，预计随着AI改进而减少，但他们从有效的东西开始，而不是等待完美自动化到来。\n第4章：推动结果的发起人与只批预算的发起人有什么区别？\n定义有效高管发起的活动\n已发表发现\n与绩效高度相关。 McKinsey报告，AI高绩效者同意高级领导对AI举措展示所有权和承诺的可能性高出3.0倍。\n冠军 profile 很重要。 Accenture发现，战略规模化者通常由首席AI、数据或分析官 champion，而挣扎的公司依赖技术部门的单一 champion。\n意图胜过存在。 规模化者推动AI锚定在C-suite目标中；概念验证工厂缺乏与战略要务的联系。\n上述研究建立了相关性，但没有说明发起人实际做了什么来产生差异。\n我们的发现\n主动引导（每周检查、主动清除障碍）是成功项目中最常见的模式。但实现组织范围转型的七个案例都达到了战略整合：发起人将AI采用作为公司OKR与奖金挂钩，而不仅仅是一个支持的项目。当我们超越发起人做了什么来看他们如何领导时，一个一致的模式出现了：最有效的发起人创造了团队可以失败、学习和再次尝试而不会受到职业后果的条件。关键不是高管本人，而是他们创造了一种鼓励实验、要求协作、设计问责制并培育 initiative 不被惩罚的安全环境的企业文化。\n发现1：主动引导很常见，但战略整合驱动转型\n我们将发起人参与分为四级：\n级别｜含义\n1 被动批准｜批准预算，完全委托，很少持续参与\n2 定期监督｜每月审查，在升级时清除障碍，被动\n3 主动引导｜每周检查，主动清除障碍，参与决策\n4 战略整合｜AI纳入公司OKR，激励与采用挂钩，文化变革\n参与级别｜占比\n定期监督（级别2）｜12%\n主动引导（级别3）｜58%\n战略整合（级别4）｜29%\n主动引导适用于单一职能内的项目。但实现组织范围转型的七个案例都达到了战略整合：发起人将AI采用作为组织成功的衡量标准，而不仅仅是一个支持的项目。\n发现2：四个活动定义有效发起人做什么\n活动｜案例占比｜样子\n资源分配｜59%｜为AI投入专用预算、人员、基础设施\n战略整合｜49%｜AI与业务目标和OKR连接\n组织沟通｜32%｜在整个组织传递AI重要性的信息\n障碍清除｜20%｜在升级前主动清除障碍\n资源分配是基本要求。区分有效发起人的是他们在预算之外做了什么：将AI与业务目标连接、在整个组织沟通其重要性，以及最关键的是，在团队不得不升级之前主动清除障碍。\n\u0026ldquo;总裁亲自抓，每周检查：进展如何，我们在哪里，瓶颈是什么？这很有帮助，因为然后团队其他成员也参与了。\u0026rdquo; —— 技术服务公司高级高管\n发现3：业务加技术联合发起解锁跨职能项目\n八个案例显示业务和技术领导者之间的联合发起是差异所在。在一家专业服务公司，第一次AI推动由CTO领导，未能获得 traction。第二次尝试成功，当CEO和人才负责人与CTO共同推动时：\n\u0026ldquo;组织需要知道这是CEO领导的，不仅仅是CTO。当AI是技术主导和技术优先时，它不会成功，或者很少成功。\u0026rdquo; —— 专业服务公司高管\nCEO提供战略授权。人才负责人定义激励和成功指标。CTO负责实施。每个人都带来了其他人缺乏的东西。\n在一家电信公司，成功来自找到一位桥接两个世界的领导者：\n\u0026ldquo;最大的推动因素是我们聘请了一位高级AI副总裁，他对流程有深入理解，能详细映射出来。但他也对人工智能有深入理解。这是我们最重要的问题：我们缺乏既理解流程又理解AI并能将两者结合的人。\u0026rdquo; —— 保险公司高管\n有效的发起人给团队失败的许可\n第1章报告，61%的成功项目包含先前失败。但失败只有在特定条件下才能转化为学习。当我们审视发起人如何处理挫折时，三种策略区分了失败加速下一次尝试的组织和导致放弃的组织。\n发起人在失败中的连续性。 在每个我们能识别同一高管是否发起失败和成功尝试的案例中，答案都是肯定的。在一家技术公司，构建然后废弃第一个平台的高管亲自领导了六个月后的重新设计。在一家半导体制造商，早期AI举措停滞，因为工程部门在没有协调的情况下构建解决方案。监督这些失败的同一AI领导者升级到CEO并推动第二波进入生产。当发起人在失败后更换时，机构记忆走出门外：不该做什么、涉及哪些利益相关者、真正的瓶颈在哪里。最重要的是，它向所有人发出信号：失败是职业风险。\n受控范围作为失败策略。 73%的实施故意从小处开始，63%明确将试点框定为实验。这不是胆怯。这是政治计算。小试点失败成本低。便宜的失败不会结束职业生涯。一家专业服务公司在先前的技术实施上失败了两次。发起人接受80%准确率作为足够好来向前推进，将不完美视为起点而非缺陷。从可实现的 bar 开始，给团队空间迭代，而没有第一次尝试就交付成品压力。\n反馈循环而非发布日期。 处理失败最有效的方法不是事后容忍，而是提前设计处理。在一家半导体制造商，失败和成功尝试之间的转变是使持续用户反馈和迭代成为解决方案生命周期的一等优先事项，而不是将每次部署视为成品。\n共同点：在我们研究的任何案例中，没有人因为失败的AI举措而受到惩罚。\n案例研究：半导体公司的现场服务\n如何实现有效的高管发起\n硬件制造 | 现场服务 | 企业\n公司\n一家为企业客户生产固态硬盘的半导体制造商。公司有多个部门，技术需求水平不同：工程和IT在前，运营和财务在中，法律和HR在后。\n问题\n当企业客户报告问题时，现场服务工程师需要在诊断前收集技术数据。产品规格、测试库、数据表、工程日志分布在五六个不同团队拥有的不同仓库中。仅数据收集的SLA就是40小时。\n\u0026ldquo;文档、不同的数据表、不同的测试库，都不集中。每个都由不同团队拥有。当你有一个 sighting 时，所有这些都必须汇集在一起。\u0026rdquo; —— 制造公司AI负责人\n解决方案\n在每个部门建立AI champion。 工程和IT快速采用。但法律、HR和其他非技术部门滞后。发起人在每个部门创建 champion 来推动同行采用。 \u0026ldquo;我看到组织内有不同层次……所以我们在每个部门都有AI champion。\u0026rdquo; —— 制造公司AI负责人\n将AI采用作为公司OKR。 当同行压力不够时，发起人升级到CEO，将AI采用作为公司衡量成功的方式。\n通过AI演示日创造可见的领导承诺。 CEO出席演示日，表彰推动采用的团队。这发出信号：AI是战略优先事项，不是IT实验。\n\u0026ldquo;我们有AI演示日，颁发奖励，CEO颁发奖品。来自做工作的人的认可和自豪实际上推动了势头。\u0026rdquo; —— 制造公司AI负责人\n解决方案\n在组织支持到位后，团队为现场服务瓶颈构建了多代理框架。当客户问题进来时，代理自动从所有仓库拉取数据。\n\u0026ldquo;代理框架所做的是进入五六个不同领域，寻找与这个客户、这个问题、这个工程领域相关的信息，然后拉进来。\u0026rdquo; —— 制造公司AI负责人\n结果\n数据收集时间 40+小时 → \u0026lt;1小时\n完整数据的问题 0% → 95%+\n产品测试周期减少20%\n关键教训\n部门AI举措在需要跨职能采用时达到天花板。将AI采用与公司OKR和奖金挂钩打破了标准沟通和培训无法突破的阻力。\n\u0026ldquo;AI是一种心态改变，仅此而已。它实际上是完全由变革管理驱动的。\u0026rdquo; —— 制造公司AI负责人\n第5章：致命阻力来自哪里？\n理解阻力来源及如何克服\n已发表发现\n最终用户采用是主要障碍。 Accenture将缺乏员工采用列为AI实施的首要挑战之一。\n领导参与程度不同。 McKinsey指出，33%的高绩效者有高级领导积极推动采用，而一般群体中显著更少。\n劳动力构成很重要。 Anthropic发现，技术工人浓度较高的美国州AI采用率更高，表明非技术劳动力中阻力可能更高。\n上述研究没有将中层管理隔离为独特的阻力来源，也没有解决阻力的性质：是害怕被替代、缺乏技能还是工具不佳？\n我们的发现\n幕僚职能（法律、HR、风险、合规）是最常见的阻力来源，占35%，而非AI最终用户。每个来源因不同原因抵抗：C级要求可衡量的ROI证明，幕僚职能担心流程风险和责备，最终用户不信任系统不一致性，一线工人害怕被替代。每个群体需要不同的解决方案。\n发现1：幕僚职能，而非最终用户，是最常见的阻力来源\n主要项目阻力来源：\n来源｜占比\n幕僚职能（法律、HR、风险、合规）｜35%\n最终用户/一线｜23%\n外部（客户、政治）｜23%\nC级（CFO、CTO）｜15%\n无/最小｜8%\n来源：斯坦福数字经济实验室，2026年。N=51个实施。\n传统智慧聚焦于最终用户阻力，但幕僚职能是最常见的阻碍者。法律部门担心责任。HR担心变革管理。风险和合规团队担心监管暴露。这些职能有组织权力减缓或停止项目，无论高管支持如何。\n\u0026ldquo;我看到组织内有不同的AI成熟度层次。工程和IT想推进。其他组织，也许法律，在拖后腿。\u0026rdquo; —— 制造公司AI负责人\nIT职能是一个显著例外：他们不是阻碍，而更常作为推动者，提供平台基础设施和数据管道，让业务单元更快移动。\n\u0026ldquo;中层管理最抗拒，而高级管理层和初级员工更接受。\u0026rdquo; —— 零售公司高管\n发现2：每个来源因不同原因抵抗，需要不同解决方案\n幕僚职能担心风险。 在一家大型银行，过去的监管问题使风险团队极其谨慎。解决方案是 mandate，不是说服。当AI采用通过公司OKR影响薪酬，且他们不需要为潜在失败承担责任时，法律和HR找到了 enable 而非阻碍的方法。当被赋予治理角色而非仅仅被告知批准时，幕僚职能经常从阻碍转向积极支持部署。\n\u0026ldquo;我几乎所有时间都花在风险和控制上，每个人都害怕做任何事情。\u0026rdquo; —— 大型银行高管\nC级要求ROI证明。 CFO在批准AI投资前需要明确的财务理由。解决方案是衡量的试点，在请求更广泛投资前展示价值。\n\u0026ldquo;医院C-suite高管需要对资产负债表的直接 line-item 影响来证明软件购买的合理性。\u0026rdquo; —— 医疗AI公司高管\n最终用户不信任不一致性。 习惯于确定性系统的用户难以应对AI可变性。解决方案是期望设定：用户需要理解AI输出需要审查，常规任务上\u0026quot;足够好\u0026quot;的性能为更高价值工作释放时间。\n\u0026ldquo;我们必须从设定现实期望开始。部分是改变思维方式，稍微转变范式。\u0026rdquo; —— 咨询公司高管\n一线工人害怕替代。 这是最常讨论的担忧，但仅出现在两个案例中。恐惧是真实的但可解决。解决方案是展示具体的前进路径：什么工作消失、什么工作保留、角色如何演变。\n案例研究：技术服务公司的安全运营\n如何克服团队阻力\n技术服务 | 安全运营 | 中型市场\n公司\n一家技术服务公司，拥有六人安全运营中心（SOC），每月处理约1,500个安全警报。大多数是误报，需要手动分类。\n问题\n团队被警报淹没。容量有限，分析师只能彻底调查高优先级警报。低优先级警报获得最少覆盖。工作是机械的：分类、归类、升级或关闭。分析师大部分时间花在重复任务上，而非需要专业知识的判断密集型调查。\n解决方案\n团队部署了一个AI系统，自动化警报分类。AI处理初始分类和误报过滤，在数秒而非数小时内处理警报。它只将需要人类判断的警报升级给分析师。\n阻力\n当领导层提出AI解决方案时，预期的担忧是工作保障。六人团队，AI能替代大部分工作量，阻力风险是真实的。\n发起人如何克服阻力\n技术负责人有完全授权，不依赖其他团队。他 buy into 解决方案，将实施作为专门项目管理。\n第一，背景做了大部分工作。团队已经不堪重负，未能覆盖低优先级警报。这不是一个表现良好、AI会 disrupt 的团队。这是一个无法跟上的团队。AI被定位为 relief，而非替代。\n第二，分工是直观的。AI承担了消耗他们大部分时间的机械分类：分类、误报过滤、常规升级。分析师保留需要专业知识的判断密集型工作。\n第三，发起人将释放的容量框定为向上路径，而非 out。额外带宽将用于团队从未有时间追求的高价值活动。信息很具体：AI替代公司否则需要做的招聘，而不是已经在的人。\n\u0026ldquo;你必须为人制定路线图。对个人有什么好处？他们应该看到生活变得更轻松。因为更轻松，额外带宽现在用于其他活动，提升他们的技能。\u0026rdquo; —— 技术服务公司高管\n重新框定很具体：AI替代公司否则需要做的招聘，而不是已经在的人。\n\u0026ldquo;AI不是替代你有的人。AI是替代你不需要雇的人。你有的人现在可以做两、三、四个人的工作。\u0026rdquo; —— 技术服务公司高管\n结果\n1,500 → 40,000/月\n警报覆盖：高优先级 → 100%\n所需团队容量：6 → 1.5 FTE\n释放容量重新部署：4.5 FTE\n没有人被裁员。4.5 FTE的释放容量被重新部署到威胁狩猎、安全架构和能力开发。\n关键教训\n当前进路径具体时，对替代的恐惧消散。发起人准确展示了什么工作会消失（机械分类）、什么工作会保留（专家调查）、什么新工作会出现（能力建设）。一旦团队将AI视为从苦差事中解放而非就业威胁，他们从阻力转向倡导。\n第6章：当生产力提升很高时，员工人数会发生什么变化？\n裁员、重新分配还是冻结招聘？\n已发表发现\n预期减少。 McKinsey发现，32%的受访者预计未来一年其组织劳动力将因AI减少，43%预计变化不大，13%预计增加。\n服务运营受冲击最大。 过去一年，39%的服务运营受访者和30%的制造业受访者报告因AI减少员工。\n去技能化 vs 技能提升。 Anthropic的分析表明，AI覆盖高等教育任务，可能导致某些角色去技能化，其他角色技能提升。\nAnthropic最近的一篇论文调查了理论AI工作暴露与实际观察到的职场AI覆盖，显示尽管在某些领域暴露可达90%，但实际当前采用显著更低。这有助于解释为什么当前对失业的影响可能没有许多人担心的那么高。但随着采用扩大，前景可能变得更加黯淡。\n上述研究捕捉了期望和总体趋势，但没有将特定高生产力项目与实际员工人数决策联系起来。\n我们的发现\n减少是最常见的结果，占45%，但不是多数。替代方案（避免招聘、不减少、重新部署）合计占55%。三种不同策略出现：加速而非削减、重新部署到更高价值工作、或直接减少员工人数。技术不决定结果。创收应用更常导致重新部署或加速，而成本削减应用更常导致直接削减。\n发现1：减少是最常见的结果，但不是多数\nAI部署后的员工人数结果：\n结果｜占比\n减少｜45%\n避免招聘｜19%\n不减少｜19%\n重新部署｜17%\n图8. AI部署的员工人数影响\n减少是最大的单一类别，但不到一半的结果。今天，公司仍在寻找捕捉AI生产力而不消除职位的方法。随着生产力提升增长和社会规范演变，这可能会改变。\n发现2：三种不同策略出现\n策略1：加速而非削减。 一些公司明确选择将生产力收益再投资于增长而非成本削减。\n\u0026ldquo;关于AI是否应该减少员工人数存在争论。CEO和COO倾向于成本削减；我推动利用收益加速路线图，因为有大量积压。\u0026rdquo; —— 教育科技公司CTO\n生产力收益用于更快发布更多功能，而非减少工程员工人数。\n策略2：重新部署到更高价值工作。 其他公司将人员从自动化任务转移到需要人类判断的工作。在一家技术咨询公司，AI自动化了80%的发票处理。他们没有削减团队，而是将人员转移到下一个瓶颈。\n策略3：直接减少员工人数。 一些公司裁员。在一家私募股权拥有的公司，编码88%的生产力提升导致开发团队从七人减少到三人。\n选择取决于战略背景。成长阶段公司倾向于加速。成本聚焦的所有权（PE、 turnaround）倾向于减少。技术不决定结果。\n案例研究：教育科技公司的工程\n如何选择加速而非裁员\n教育科技 | 工程与内容 | 企业\n公司\n一家教育科技公司，拥有数千名员工，包括200+技术人员和100+工程师。公司提供受监管行业的继续教育和专业认证课程。\nAI实施\nCTO实施了三大支柱AI战略：工程生产力工具、客户体验改进和AI差异化产品。工程团队进行了六个月的GitHub Copilot和Cursor试点。\n\u0026ldquo;结果：工程师早期时间和精力减少20%到30%，随着提示和信心改善，预计还有上升空间。\u0026rdquo; —— 教育科技公司CTO\n在内容方面，公司重新架构生产，使主题专家成为人在回路审查者而非起草者。AI起草内容；SME完善。这产生了数百万的成本节约。\n员工人数辩论\n有了记录的生产力提升和成本节约，领导团队面临决定：用收益减少员工人数还是再投资。\n立场明确。CEO和COO在PE压力下要求回报，倾向于成本削减。CFO最初不相信AI会产生净节约。CTO主张加速。\n决定\n对于工程，公司选择加速而非削减。理由是战略性的：公司有大量产品积压。更快发布功能比削减发布功能的团队产生更多收入……目前如此。\n\u0026ldquo;节约用于加速路线图，而非减少员工。\u0026rdquo; —— 教育科技公司CTO\n对于内容生产，节约被捕获并再投资：\n\u0026ldquo;我们在2025年预算中通过减少某些部门预算并再投资于AI来捕获真实节约。最大的节约驱动因素：SME内容生产重新设计。\u0026rdquo; —— 教育科技公司CTO\n结果\n节省20-30%时间\n开发成本：数百万节约\n工程员工人数：无减少\n节约再投资于AI开发\n关键教训\n生产力提升创造战略选择，而非自动结果。同样的收益既可以证明裁员的合理性，也可以证明加速路线图的合理性。决定取决于公司优先考虑近期成本削减还是长期增长。\n前瞻性警告\n上述发现来自回顾性数据：组织在2025年初之前选择如何处理AI驱动的生产力提升。在我们的样本中占主导的重新部署和加速模式可能不会持续，随着AI能力改善和经济压力加剧。斯坦福数字经济实验室和Anthropic的研究提供了更广泛劳动力市场转变已经开始的早期证据。Brynjolfsson、Chandar和Chen（2025）分析覆盖数百万美国工人的ADP高频工资数据，发现AI暴露职业中的早期职业工人（22-25岁）自2022年底以来就业相对下降16%。一项互补的Anthropic研究发现迄今没有系统性失业增加，但识别出AI暴露领域的年轻工人招聘已经放缓，实际AI部署仍是理论能力的一小部分，表明劳动力市场影响仍处于早期阶段。\n这很重要，因为我们样本中记录的重新部署和避免招聘策略是早期采用阶段的特征，组织仍在学习AI能做什么。随着实施成熟、模型改进和成本压力增加，结果的分布可能会改变。我们观察到的45%减少率可能代表 floor，而非 ceiling。今天选择加速而非削减的公司，在下一代模型到来时可能面临不同的计算。金丝雀在歌唱。\n第7章：AI在哪里打开了以前关闭的门？\n企业如何从效率走向新收入、新能力和战略优势\n已发表发现\n收入增长是愿望，不是现实。 Deloitte 2026年对3,235名领导者的调查发现，74%的组织希望通过AI增长收入，但今天只有20%在这样做。只有34%正在使用AI深度转型其业务，通过新产品、服务或重塑商业模式。\n高绩效者追求增长，不仅仅是效率。 McKinsey 2025年AI状态调查发现，虽然80%的组织将效率设为AI目标，但看到最多价值的公司也设定了增长或创新目标。然而只有6%的组织报告AI的EBIT影响超过5%，大多数收入收益仍集中在营销和销售、战略和产品开发。\n已发表研究显示，通过AI实现增长被广泛渴望但很少实现。\n我们的发现\n大多数实施被衡量为成本节约。但最高回报来自将AI指向收入的公司：为每个客户而非细分个性化优惠、在数小时而非数周内完成交易、将内部工具打包为卖给客户的产品。其他公司走得更远，使用AI做以前没人尝试过的工作，如迁移遗留代码库或在没有结构化数据的市场中构建销售智能。\n随着代理系统改变工程师和产品经理的工作流，他们将越来越多地从手动编码和开发任务的苦差事中解放出来。这将给他们更多时间专注于更高价值的工作、实验和协作创新。随着时间的推移，这种工作模式变化产生的新应用和想法可能产生显著红利。\n发现1：来自AI的新收入是真实的，但罕见，并遵循三种模式\n我们样本中的大多数实施被衡量为生产力或成本削减。但一个子集显示直接、量化的收入影响。区分这些案例的不是技术。而是有人衡量了收入侧，而不仅仅是成本侧。收入机制落入可识别的模式。\n转化性个性化。\n一家零售公司部署AI大规模个性化营销邮件，结合机器学习推荐引擎和生成式AI内容。在第一个月，他们测量到购买意图增加40%，实际购买增加20%。AI没有改变产品。它改变了每个客户看到哪个产品。\n\u0026ldquo;这唯一做的就是给他们更好的邮件发送。\u0026rdquo; —— 零售公司高管\n\u0026ldquo;60%打开邮件，40%访问网站，可能20%购买了东西。\u0026rdquo; —— 零售公司高管\n一家食品配送公司服务数百万月度订单，从基于群体的细分（每段500客户）转向个人个性化。以前的方法不是慢。它在结构上无法以这种粒度运营。\n\u0026ldquo;不是花三周创建50个 campaign，现在你可以为每个人创建一个 campaign。\u0026rdquo; —— 食品配送公司高管\n一个企业内容平台测量到AI生成 campaign 的点击率增加200%。上市时间从七周降至六小时。表面上是效率指标，但它们解锁的量和精度直接转化为收入。\n赢得交易的速度。\n一家保险服务公司发现AI驱动的合同起草将速度变成了竞争武器。以前需要数周的合同在四小时内交付。结果不仅仅是效率。他们赢得了本来会失去的交易。\n\u0026ldquo;他们在四小时内起草了一份真正完美的合同，由律师监督。过去需要数周，他们可能会失去合同。\u0026rdquo; —— 私募股权公司合伙人（运营公司所有者）\n在响应速度决定谁获得交易的市场中，四小时对四周不是效率提升。这是中小企业的不同竞争地位。\n\u0026ldquo;中小企业可以更好地利用这种杠杆，他们实际上可以成为这场革命的赢家。\u0026rdquo; —— 私募股权公司合伙人\n在半导体制造中，同样的模式以不同规模出现。将测试周期减少20%，将客户问题解决从40小时降至不到一小时，改变了公司竞争企业账户的方式。\n\u0026ldquo;当产品上市时间缩短时，不是500万、1000万的节约。是数亿美元的节约。\u0026rdquo; —— 半导体制造商高管\n从洞察到产品。\n一些公司发现他们的内部AI能力可以成为收入来源。一家咨询公司为营销归因构建了分析平台，意识到AI层可以生成预测性建议并模拟 campaign 结果。该公司现在将此作为产品推出，预计平台收入\u0026quot;翻倍\u0026quot;。\n\u0026ldquo;然后当我们走向产品化模拟器时，是的，可能翻倍收入是我们预期的。\u0026rdquo; —— 咨询公司高管\n一家技术服务公司走得更远。在为内部使用构建AI发票处理解决方案后，他们将其打包并开始对外销售。一家专业服务公司的内部AI平台现在服务新客户，成为服务线的基础。\n\u0026ldquo;我们实际上把它打包，拿了一些版本给客户。地球上三大咨询公司之一正在使用它。\u0026rdquo; —— 技术服务公司高管\n这些案例共享的不是共同的技术栈或行业。而是有人问了\u0026quot;我们如何降低成本？\u0026ldquo;之外的问题，并衡量了答案。\n\u0026ldquo;ROI是王道。如果你能在销售周期中展示这一点，那立即会让你到达需要去的地方。我在职业生涯中尝试用其他东西销售效率，真的很难。\u0026rdquo; —— 医疗AI公司创始人\nAI使从未在路线图上的工作成为可能\n除了收入，另一组案例显示AI使全新的工作变得可行。不是现有流程的更快版本。没有人计划或预算的工作，因为它被认为不可能。\n重写被认为技术上不可能的东西。 一家拥有超过1亿客户的金融科技公司需要将数百万行遗留代码迁移到现代架构。传统估计是18个月，1000多名工程师。有了AI编码代理，业务单元开始在数周内完成迁移。\n\u0026ldquo;工程师不需要跨多个文件完成整个迁移任务100%，他们可以只审查更改、做 minor 调整，然后合并他们的PR。\u0026rdquo; —— 金融科技高管\n一家保险公司发现AI可以从头重写遗留系统，比重构更快。一个原本报价5,000小时、七人团队、计划2027年完成的项目，在600小时内以三人团队完成。这打开了一个公司从未考虑过的战略问题：\n\u0026ldquo;你买一个客户群然后尝试改造它？你能从头开始，通过构建他们的技术来 disrupt 一家公司吗？\u0026rdquo; —— 保险公司高管\n在不可能存在的地方构建市场情报。 在有保险的医疗市场中，销售团队购买理赔数据来准确知道哪些提供者开什么、开多少。这是标准剧本。但医疗美容完全是现金支付。没有理赔、没有中央注册、没有结构化数据集。这个市场的区域情报不是昂贵或缓慢。是不可能的。一家医疗AI公司通过构建一个系统改变了这一点，该系统抓取公共来源、组装提供者档案，并按估计手术量和增长潜力评分潜在客户。销售代表第一次在一个从未有过的市场中有了合格管道。该公司现在正在扩展平台以服务其他制造商。\n将运营转化为数据资产。 一家机器人检测公司正在从一致的AI驱动检测中生成历史数据集，使预测分析和事件取证成为可能。竞争对手无法在数年类似部署的情况下复制这些数据。检测开始是效率举措。它们产生的数据正在成为全新的资产。\n这些案例共享一个共同特征：它们在AI使之成为可能之前不在路线图上。没有团队被要求更快地做这项工作。AI不仅用于提高效率， emergent 解决方案自己显现出来。工作本身是新的，解决了他们没有意识到存在的问题。\n案例研究：呼叫中心的客户关系\nAI如何将传统呼叫中心变成增长引擎\n呼叫中心服务 | 客户关系 | 中型市场\n公司\n一家呼叫中心即服务（CCaaS）公司，为企业客户提供传统呼叫中心服务：接听电话、路由查询、管理工单队列。在一个日益由AI原生竞争对手定义的市场中，公司的价值主张受到压力。\n问题\nCCaaS市场正在转变。企业客户开始期望AI驱动能力作为标准，而非高级附加。AI原生初创公司可以从第一天就提供智能路由、自动解决和实时分析。公司的传统模式，建立在基于座位的定价和人工代理上，同时面临两个威胁：竞争对手可以在每次互动中交付更多价值，基础定价模式随着AI减少客户所需座位而侵蚀。\n\u0026ldquo;问题之一是它对SaaS模式有影响，因为它减少了座位数。所以你需要找到新的定价方式。\u0026rdquo; —— 私募股权公司合伙人\n挑战不是运营效率。是战略相关性。\n解决方案\n管理团队将代理式AI直接嵌入公司产品 offering。不是用AI让人工代理更快，他们重新设计服务，使AI可以端到端解决工单，不仅仅是接电话或回答问题，而是真正关闭问题。\n技术方法使用代理式AI框架，可以编排完整解决过程。这超越了copilot式协助，进入自主任务完成。\n结果\n2024年新项目 wins：20+归因于AI\n市场地位：AI for CX前4\n客户获取：每笔交易都有AI\n赢得新logo：没有AI就没有项目\n竞争重新定位：传统CCaaS → 对标AI原生\nAI解锁的超越成本削减的东西\n同样的技术栈可以用于减少员工人数或降低每工单成本，反而重新定位了公司在市场中的位置。三件事改变了，与效率无关。\n第一，公司开始赢得以前无法竞争的交易。产品中的AI能力成为差异化因素。三十个新项目赢得不是因为公司更便宜，而是因为比仍运营传统模式的竞争对手更有能力。\n第二，公司的竞争集合改变了。一项独立技术评估将公司在客户关系AI能力方面排名前四。其他三个是AI原生公司。传统呼叫中心现在被对标初创公司，而非其他 incumbent。\n第三，定价模式开始转变。不是卖座位，公司可以卖结果。AI能力成为产品，而非应用于旧产品的成本削减工具。\n\u0026ldquo;基本上，我们看到的是，这[AI]是一种帮助我们赢得新交易的方法。\u0026rdquo; —— 呼叫中心服务公司高管\n关键教训\n为效率部署的AI省钱。部署到产品中的AI改变竞争地位。差异不是技术。问题不是\u0026quot;我们如何降低成本？\u0026ldquo;而是\u0026quot;我们如何赢得以前无法赢得的交易？\u0026ldquo;这家公司问了第二个问题，三十个新项目之后，答案很明确。\n\u0026ldquo;我坚信中小型公司如果获得正确的能力，在AI革命中处于非常有利的位置。决策更快。他们没有那么多遗留系统。他们不知道如何处理非结构化数据，现在他们可以使用它。他们缺乏资源，资源可以用AI增强。\u0026rdquo; —— 私募股权公司合伙人（运营公司所有者）\n第8章：代理式AI是否在创造真实价值？\n自主AI在哪里有效，更简单的方法在哪里胜出\n已发表发现\n高炒作，低规模化。 McKinsey报告，62%的组织正在试验AI代理，但只有23%正在规模化。规模化限于一两个职能，最常见的是IT和知识管理。\n利基中的新兴价值。 OpenAI报告，企业AI采用按行业加速不均匀，技术（11倍）、医疗（8倍）和制造（7倍）显示最快的同比增长，而金融和专业服务在最大绝对规模运营。\n可靠性限制。 Anthropic警告，随着任务复杂性增加，成功率下降。他们的数据表明，API成功率在需要约3.5小时人类努力的任务中降至50%以下。\n代理能力呈指数增长。\nMETR，一个独立AI评估组织，衡量前沿模型可以可靠自主完成的软件任务长度。他们的研究显示，这一指标自2019年以来大约每七个月翻一番，但近几个月加速。截至2026年初，最有能力的模型现在可以可靠完成无需人类干预的任务，人类专家约需15小时。（见图）这一轨迹表明，适合代理式AI的企业任务集将在近期大幅扩展。这些是基准能力；现实世界部署仍取决于整合、权限和异常处理。\n我们的发现\n代理式实施目前是少数，占案例的20%。很可能是因为企业AI代理框架在2025年才进入流行时代。但即使脚手架如此不成熟，代理式AI在高容量、明确成功标准和可恢复错误的职能中交付更高的中位生产力提升（71% vs 高自动化的40%）。随着这些系统成熟和用例扩大，我们预计代理式AI的优势将加速。重要的是，代理式AI不仅仅是访问AI的新方式，它是对工作流中人类和机器角色的重新定义。\n发现1：代理式AI在生产中，但大多数实施使用更简单方法\n级别｜定义｜占比\n代理式｜AI采取自主行动，端到端完成多步骤任务，无需人类干预｜20%\n高自动化｜AI自主处理80%以上工作，人类仅审查例外或最终输出｜34%\n人在回路｜AI和人类一起工作，人类在行动前审查或批准每个输出｜46%\n代理式实施是少数。大多数成功企业AI使用更简单方法：带异常处理的高自动化或人在回路协作。这并不意味着代理式AI失败。它表明许多用例尚不需要完全自主来交付价值，而且代理式AI采用的更大障碍可能是技术不成熟和劳动力的有限部署经验。\n发现2：代理式AI交付更高生产力，但方差更大\n级别｜中位收益｜范围｜顶级用例\n代理式｜71%｜20% - 80%｜现场服务：80%\n高自动化｜40%｜10% - 90%｜IT运营：90%\n人在回路｜22%｜10% - 85%｜发票：85%\n代理式实施显示最高的中位生产力提升，为71%。最高收益来自现场服务，多代理框架自动跨仓库收集数据。人在回路显示22%中位数，适用于文档审查和临床文档，人类判断至关重要。\n随着代理框架成熟，我们预计越来越多的用例将落入完全自主类别。在编码领域，这一趋势已经越来越明显。编码代理（Claude Code、OpenAI Codex等）自主运行数天交付数十万行工作代码的例子在近几个月并不罕见。\n这种自主能力水平不仅会提高生产力，还会重新定义组织中的角色。技术经验有限或没有的团队成员很快就能通过自然语言对话构建和部署复杂项目，就像他们过去与开发团队负责人那样。这种能力水平不会仅限于软件开发领域。可以预见，这种工作流将迅速扩展到金融、会计、咨询服务和其他数据聚焦行业。当采用扩大时，对更广泛经济的宏观劳动力影响可能是戏剧性的。\n发现3：成功的代理式实施共享共同特征\n十个代理式案例集中在特定职能（采购、现场服务、安全运营、编码和客户支持分类），但比职能更重要的是这些实施的共同点：\n高容量、重复性任务。 安全运营处理数千警报。采购处理数百决策。客户支持分类工单。容量证明了对构建自主系统的投资。\n明确的成功标准。 警报有效或无效。采购决策正确或错误。工单解决或未解决。AI可以根据客观标准评估自己的输出。\n可恢复的错误。 错过的警报可以稍后捕获。错误的采购建议可以被覆盖。失败的工单解决升级给人类。错误代价高昂但非灾难性。\n跨系统数据访问。 代理式AI需要查询多个系统、收集信息和采取行动的能力。成功的实施投资了数据基础设施和API访问。\n\u0026ldquo;不要只是将AI应用于现有流程。那是个错误。我们正在重新设计工作流，这就是我们成功的原因。\u0026rdquo; —— 技术公司运营负责人\n案例研究：超市连锁的采购\n如何构建交付真实价值的代理式AI\n零售 / 采购 / 中型市场\n公司\n一家拥有约二十多家门店的区域超市连锁。与拥有大量利润率和巨大采购权力的市场领导者不同，这家公司运营在行业基准的大约一半，对供应商的谈判杠杆最小。\n问题\n超市经济学无情。利润率薄，浪费持续，缺货永久失去客户。公司面临三个相互关联的挑战：\n第一，浪费。易腐商品在货架上过期，季节性产品订购数量错误，促销品没有卖出。\n第二，缺货。空货架不仅失去一次销售。它们失去开车去竞争对手的客户，可能不会回来。\n第三，采购时机。人类买家根据直觉、供应商关系和能手动编译的数据做决策。他们不可能优化25家门店的数千个SKU。\n解决方案\n公司部署了一个AI系统，完全取代了人类采购职能。系统不协助人类或生成供审查的建议。它自主做出采购决策。\n架构有三个组件：从多个系统拉取库存、销售和供应商数据的数据平台；预测门店和SKU级别销售的 demand forecasting 模型；决定买什么、何时买、从哪个供应商买的自主采购代理。\n\u0026ldquo;他们用AI工具取代了人类采购员，AI在购买。告诉他们买什么。所以他们的超市充满了东西，库存得到优化。\u0026rdquo; —— 零售公司项目负责人\n什么使它成为代理式\n这个实施在三个方面跨越了从自动化到代理式AI的界限：\n第一，它取代了人类职能，而不仅仅是任务。AI完全接管采购角色，同时决定所有门店买什么、何时买、买多少。人类买家做同样决策无法在这个规模优化。\n第二，它连接了以前由直觉处理的多个决策步骤。单个采购决策需要预测需求、检查当前库存、考虑供应商交货时间、平衡浪费与缺货。系统在每个门店的每个产品上连续处理这个链条。\n第三，它在多个系统间操作，无需人类编排。AI从不同来源拉取库存数据、供应商目录和销售历史，一起处理，输出采购决策。以前，人类买家是集成层。\n结果\n40% → 80% EBITDA利润率\n翻倍\n\u0026ldquo;市场领导者有更高的利润率。这些人超级小。但他们做得几乎一样好，他们的采购权力与大玩家相比为零。但他们有的是没有浪费。\u0026rdquo; —— 零售公司项目负责人\n关键教训\n这个案例说明，即使对更传统的行业，当代理式AI正确应用时，它创造真实价值：对规则太复杂但对人类太重复的任务，有明确成功标准和可恢复错误。数十家门店的数千个SKU需要人类无法执行的持续优化。AI可以评估自己的表现，因为结果是可衡量的：产品卖出了、过期了还是缺货了？对于与巨头竞争的小零售商，代理式AI将智能变成了规模的替代品。\n样本局限和未来展望\n我们对代理式AI的发现应以一个重要警告解释：代理技术在数据收集期间（2024年8月至2025年1月）仍在涌现。我们样本中只有20%的实施涉及代理式工作流，大多数组织在试验而非规模化。代理式案例的有限样本反映了当时的技术状态，而非其长期轨迹。\n这一轨迹可能是变革性的。基础模型和代理框架在推理、规划多步骤工作流和从错误中恢复的能力上快速改进。\n这些正是定义代理式AI的能力。随着这些模型进步，适合代理式方法的企业用例份额将大幅增长。今天需要结构化自动化与人类监督的任务可能越来越多地由能够导航模糊性和做出上下文相关决策的自主代理处理。\n我们在代理式实施中观察到的71%中位生产力提升，相比高自动化的40%，表明当代理式AI应用于正确用例时，影响显著更大。随着技术成熟和成功部署条件更好理解，我们预计代理式实施将代表企业AI价值创造中越来越主导的份额。本章记录的模式捕捉了一个趋势的早期 innings，该趋势可能重塑组织如何思考人类和机器工作的边界。\n第9章：企业数据到底需要多干净？\n为什么真正的数据挑战是访问和存储，而非清洁度\n已发表发现\n干净数据是规模化者的优势。 在战略规模化者中，61%拥有大型、准确的数据集，而 stuck 在概念验证的公司仅为38%。战略规模化者擅长\u0026quot;调出数据噪音\u0026rdquo;，聚焦于金融、营销和客户数据等优先领域。\n数据产品是关键。 McKinsey指出，高绩效者更可能创建\u0026quot;可重用、业务特定的数据产品\u0026rdquo;。\n非结构化数据容忍度。 OpenAI报告，企业使用结构化工作流（Custom GPTs和Projects）今年迄今增长19倍，现在处理约20%的所有企业消息。这表明组织通过构建对现有数据的访问层而非在部署AI前要求完美数据结构来成功。\n上述研究建立了干净数据与AI成功的相关性。它没有量化数据可以多混乱而仍能产生结果。\n我们的发现\n只有6%的实施数据完全准备好用于AI。但在数据挑战存在的大多数案例中，LLM是解决方案的一部分，不仅是干净数据的消费者，而且是使混乱数据可用的工具。模型在88%的案例中解锁了以前无法访问的数据，处理语音转录、扫描文档、遗留代码和分散的知识库，这些是以前任何技术都无法处理的。一个警告：因为这个样本聚焦于成功实施，它可能低估了数据质量被证明无法克服的案例。发现反映了有意设计下可能实现的东西，而非普遍保证。\n发现1：LLM不仅在消费数据。它们在修复它！\n传统叙事假设AI需要干净数据才能工作。我们的数据讲述了不同的故事。只有6%的实施数据完全准备好用于AI部署。绝大多数面临从中度到严重的数据挑战。然而在大多数这些案例中，LLM是解决它们本应挣扎的数据问题的一部分。\nLLM如何跨实施解决数据挑战：\n方法｜占比\n多解决方案（提取、清洗、结构化、多阶段管道匹配）｜53%\n提取（读取和结构化非结构化文档：PDF、发票、转录）｜31%\n翻译（转换遗留格式，如COBOL到Java、菜单到自然语言）｜6%\n其他（语音处理、结构化）｜6%\n分类（在高容量数据流中区分信号与噪音）｜3%\n图9. 跨部署的数据质量挑战\n这是一个根本性转变。以前，非结构化数据需要人类分析师在进行分析前强加结构。现在，我们91%的实施成功处理了非结构化数据，包括语音转录、扫描文档、图像、聊天日志和遗留代码，这些在两年前是不可用的。在88%的案例中，LLM解锁了以前无法访问的数据，不是因为不存在，而是因为以前的方法（OCR、规则引擎、手动标记）无法以所需的准确性和规模处理它。\n\u0026ldquo;我们有过合作伙伴告诉我们，嘿，清理这个需要两个月，你们在一天内标记了所有数据问题。\u0026rdquo; —— 专业服务公司AI副总裁\n新可访问的数据类型跨越企业信息的完整范围。\n语音和对话数据。 医疗中的环境转录使医患对话首次可被编码团队访问。呼叫中心转录成为实时辅导和质量评估的来源。以前，编码团队没有临床决策的窗口。现在他们有完整对话。\n\u0026ldquo;有了环境转录技术，现在那个人确实可以访问作为该人医疗护理一部分讨论的一切。医疗护理的可审计性和可追溯性现在用这项技术更加可能。\u0026rdquo; —— 医疗公司高管\n分散的文档和知识库。 一家半导体制造商通过部署多代理框架自动从五六个不同仓库拉取信息，将数据收集减少了10倍以上。数据在技术上是可用的，但由于组织孤岛和手动组装所需的大量时间，实际上无法访问。\n\u0026ldquo;文档、不同的数据表、不同的测试库——都不集中。每个都由不同团队拥有。\u0026rdquo; —— 半导体制造商工程副总裁\n视觉和多模态数据。 现场技术人员现在可以拍摄设备照片并立即收到AI生成的维修说明。零售采购系统处理扫描的纸质表格、邮件和Excel电子表格，这些以前需要大量手动数据输入员。\n\u0026ldquo;你可以拍张照片，AI会立即给他详细描述那个设备以及如何修复。\u0026rdquo; —— 电信公司AI副总裁\n发现2：流程文档和访问比数据完美更重要\n在我们能评估数据架构的实施中，59%的数据分散在由不同团队拥有的多个系统中。只有16%有完全集中的数据。然而成功不需要集中化。它需要访问。\n构建集成层——无论是API、RAG架构还是多代理框架——来连接分散数据的组织，表现与拥有集中数据存储的组织一样好。在前LLM世界，企业必须在提取价值前结构化和集中数据。今天，RAG架构和知识库连接器如果检索层设计良好，可以与混乱数据一起工作。\n\u0026ldquo;所有艰苦的工作都在流程文档和数据架构中。如果你能做好这两件事，其他一切都很简单。\u0026rdquo; —— 专业服务公司AI副总裁\n一家电信公司为不同设备类型构建了不同的知识库，索引它们，并通过模型上下文协议（MCP）给AI代理访问，从未集中底层数据。\n\u0026ldquo;我们基本上为不同对象构建了不同的知识库。MCP可以出去到我们为不同情况构建的各种工具。\u0026rdquo; —— 电信公司AI副总裁\n发现3：专有数据是持久的竞争优势\n每个前沿实验室都在训练它能访问的每一块公共数据。组织不能在这个轴上竞争。但每家公司都有前沿实验室从未见过或不被允许看到的专有数据。那是他们的优势。\n在我们的样本中，75%的实施提到专有数据是其AI战略的关键因素，47%明确描述其积累的数据为竞争护城河。模式在各行业一致：从AI产生最多价值的组织是那些在知道如何使用之前就存储数据——即使是不完美的数据——的组织。\n\u0026ldquo;我们的差异化因素，人们从我们这里购买的原因，是因为在我们过去13年的业务中，我们创建了这个知识图谱。我们有超过200亿个数据点。\u0026rdquo; —— HR科技公司高管\n\u0026ldquo;力量来自利用独特资产：数据、SME、客户群、关系。差异化需要他人无法快速复制的东西。\u0026rdquo; —— 教育科技公司CTO\n含义很直接。保存一切。存储数据的成本与在正确用例到来时没有它的成本相比微不足道。保存数据——无论多么不完美——的组织正在建立随时间复利的竞争优势。随着开源模型缩小与专有模型的性能差距，差异化因素从你使用哪个模型转向你喂给它什么数据。\n案例研究：建筑服务公司的采购\n如何在两边都有坏数据的情况下成功\n建筑服务 | 采购 | 企业\n公司\n一家大型建筑服务公司，现场技术人员需要将零件送到工作现场。\n问题\n技术人员通过纸质表格、邮件和Excel电子表格提交请求。一个团队手动将这些输入采购系统，并将项目匹配到零件目录。缓慢、易错、昂贵。\n解决方案\nAI从非结构化来源提取请求，匹配目录，自动创建请购单。还识别项目不在目录中时并建议替代品。\n数据挑战\n两边的数据质量问题：\n\u0026ldquo;从非结构化来源提取的质量不好——OCR没有给我们好结果。我们匹配的结构化数据的质量也不一致。核心数据本身不是最好的质量。\u0026rdquo; —— 专业服务公司AI实践负责人\n解决方案：\nOCR失败时用Python提取。\n用生成式AI清洗，使用向量化和嵌入消除杂散字符。\n尽管参考数据不完美，模糊匹配目录。\n人在回路处理例外，而非要求100%准确。\n\u0026ldquo;我们从\u0026rsquo;这是你的需求；这是它将做什么\u0026rsquo;转向\u0026rsquo;足够好是什么样子？\u0026lsquo;如果你监控它并随时间给它更好的数据，AI会改进。\u0026rdquo; —— 专业服务公司AI实践负责人\n结果\n投资：50万-100万美元\n生产力提升（预计3-5年）：30%\n预期ROI：3年10倍\n关键教训\n为\u0026quot;足够好\u0026quot;设计，而非完美。每个管道阶段即使前一个阶段的输入不完美也增加了价值。\n第10章：严格的安全是保护项目还是扼杀项目？\n安全要求如何影响AI项目结果\n已发表发现\n安全是首要任务。 McKinsey报告，51%的组织正在努力缓解网络安全风险，这是继不准确性之后的第二大常见缓解措施。\n高绩效者承担更多风险，而非更少。 反直觉的是，AI高绩效者更可能报告负面后果（如IP侵权），也更可能缓解风险。这表明他们在任务关键环境中使用AI，而非完全避免风险。\n受监管行业未被阻止。 OpenAI报告，医疗——监管最严格的行业之一——是企业AI采用增长最快的三个行业之一，同比增长8倍，而金融服务在最大绝对规模运营。这表明严格的安全和合规要求并未阻止高风险领域的采用。\n我们的发现\n在我们的样本中，安全不是纯粹的项目杀手。在每个安全创造障碍的案例中，那些同样的要求最终使项目能够处理否则禁止的敏感数据。影子AI（员工使用未授权的AI工具）在正式渠道无法跟上时出现。安全税是真实的，但是前置的。\n发现1：最初阻碍的安全要求最终使能\n在12个有完整数据的案例中，我们发现安全从来不是纯粹的项目杀手。在每个安全创造障碍的案例中，那些同样的要求最终使项目能够处理否则禁止的敏感数据。\n模式是一致的：被迫构建强大数据保护基础设施的团队解锁了没有此类基础设施的竞争对手无法触及的用例。\n\u0026ldquo;在大多数银行有一种心态，必须完全在内部。我们不会使用任何不在防火墙内的软件或硬件。现在当你引入AI，一切都是基于云的，所以我们必须更新那种政策。\u0026rdquo; —— 大型金融机构高管\n同一机构，经过多年的安全工作，现在运行面向客户的AI，处理敏感金融数据，在发送到外部模型前清除个人身份信息（PII），并在返回时重新组装。安全投资成为竞争对手无法快速复制的能力的基础。\n发现2：当正式渠道无法跟上时，影子AI出现\n影子AI指员工未经IT或安全团队正式授权使用AI工具和平台。这是AI时代的影子IT等价物，但带有放大的风险：员工经常将专有数据、客户记录和内部文档上传到缺乏企业安全控制的消费者AI平台。\n问题普遍存在。行业调查发现，70%到80%在工作使用AI的员工依赖未经雇主批准的工具。一项IBM研究发现，虽然80%的工人使用AI，但只有22% exclusively 使用公司提供的工具。在使用未授权平台的人中，57%承认输入敏感公司信息。财务后果是真实的：AI相关的数据泄露平均每次事件给组织造成超过400万美元的损失。\n我们的案例研究证实了这些发现，并揭示了数字背后的组织动态。\n影子AI在15%的案例中被明确提及。出现了两种不同模式：\n模式A：热情超过治理。 一家半导体制造商发现公司内使用的AI工具大量收集。员工不是恶意的。领导层在任何平台存在之前就发出了\u0026quot;使用AI\u0026quot;的信号。\n\u0026ldquo;当我做安全分析时，我们发现公司员工正在使用1,500或1,600种不同的AI工具。所以我们的目标是在我们说不能使用未批准工具之前建立可工作的内部平台。\u0026rdquo; —— 半导体制造商高管\n模式B：绝望胜过官僚主义。 在医疗保健中，医生采用环境转录工具而没有正式批准，因为医院系统评估和采购太慢。医生疲惫不堪，技术存在，正式流程耗时太长。\n\u0026ldquo;很多这些医生一直在采用这些技术而没有批准或正式供应商选择流程。\u0026rdquo; —— 医疗AI公司高管\n洞见不是影子AI是好是坏。而是影子AI是政策比技术移动慢的症状，需要在某种程度上预期和考虑。当正式安全流程无法跟上需求时，用户找到变通方法。在医疗、金融和政府等行业，法律和监管责任可能是巨大的。\n发现3：安全税是真实的，但投资向前支付\n量化安全延迟被证明是困难的，但受监管行业的定性证据表明税收是巨大的。\n\u0026ldquo;我来自科技初创公司，如果你不直接尝试东西，你会灭亡。进入大型受监管金融机构……简直是天壤之别。\u0026rdquo; —— 大型金融机构高管\n在这种环境中项目需要数年才能建立。这是最极端形式的安全税。\n但税收是前置的。一旦基础设施存在，后续项目利用它。公司构建了数据清除管道、与云提供商建立了合同、创建了合规归档系统。每个新的AI用例现在建立在该基础上，而非从头开始。\n税收合理时： 当安全投资使否则不可能的用例成为可能时，它是合理的。处理客户金融数据、处理医疗记录、管理机密M\u0026amp;A文档：没有强大的安全，这些都不可能。\n税收浪费时： 当安全税阻止工作而不使员工/客户问题的解决方案成为可能时，它是浪费的。当正式流程太慢时，影子AI填补空白，加剧了流程设计要防止的许多安全风险。\n案例研究：大型零售银行的客户面对\n如何从\u0026quot;一切在防火墙内\u0026quot;走向云AI\n金融服务 | 客户支持 | 企业\n公司\n一家大型美国零售银行，通过移动应用、分支机构和呼叫中心服务数百万客户。银行在联邦银行法规下运营，在过去的合规问题后面临 consent orders，创造了深度风险规避文化。\n问题\n银行想在移动应用中部署AI驱动的虚拟助手。但他们的技术政策禁止使用企业防火墙外的任何软件或硬件。现代AI是基于云的。该政策使基于云的AI不可能。\n解决方案\n团队开发了一个具有四个组件的数据保护架构：\n退出时PII清除。 客户话语在离开防火墙前被剥离姓名、账号和金额。\n合成数据替换。 外部处理期间用假值替换真实值。\n外部意图处理。 云模型确定客户意图并选择适当的工作流。\n返回时重新组装。 在呈现响应前在内部重新插入真实值。\n\u0026ldquo;我们发送到Google Cloud平台的是所需的最小清除集。我们换入假名字、假金额。它仍然可以辨别意图是什么。然后在返回时我们将所有这些重新组合到响应中。\u0026rdquo; —— 大型金融机构高管\n结果\n渠道成本：最低服务成本\n呼叫 containment：减少48-72小时\n下一阶段：代理式AI用于调度\n关键教训\n安全是基础设施，不是 overhead。多年花在安全上的时间为大规模处理敏感金融数据奠定了基础。没有那项投资，银行无法提供触及客户账户的AI服务。\n税收是前置的。大多数安全成本在首次部署之前。后续用例利用相同的管道、合同和归档系统。警告：现在有许多高度能力的开源解决方案可用，可能有可行的选项在内部部署AI功能，而不改变现有政策。\n风险规避文化是最难的障碍。技术解决方案并非完全直接，但使文化灵活性成为可能确实给了它比竞争对手更快的上市时间优势。改变由过去 consent orders 塑造的文化是真正的挑战。\n第11章：基础模型选择何时不是商品？\n模型选择何时重要、何时不重要，以及什么驱动开源 vs 闭源决策\n已发表发现\n模型质量随着复杂性增加而更重要。 Anthropic显示，成功率随着任务范围增长而急剧下降，意味着对于复杂、长范围或代理式工作流，模型能力成为约束。\n推理工作负载在增长。 OpenAI报告，推理token消耗同比增长320倍，表明企业正在将模型推向更复杂的领域，性能差异可能重要。\n开源模型达到闭源模型90%的性能。 MIT研究分析五个月的OpenRouter推理数据发现，开源模型在发布时 routinely 达到专有模型质量的90%以上，并迅速收敛。然而闭源模型仍占约80%的token使用。\n超过一半的企业已经使用开源AI ，通常与专有工具一起。McKinsey、Mozilla和McGovern Foundation对700名技术领导者的调查发现，超过50%的组织在堆栈某处使用开源AI，科技公司中升至72%。\n成本差距扩大速度快于性能差距缩小。 开源模型达到专有模型性能的约90%，而每次token的API定价平均便宜六倍，基于Artificial Analysis基准和定价数据。\n已发表研究捕捉了商品问题和开源与闭源模型之间的成本性能权衡。它没有解决的是生产中的企业实际如何做这些决策，基准之外的因素如何塑造结果。\n我们的发现\n对于42%的实施，模型选择完全是商品。商品边界存在于任务复杂性：常规任务成为商品的可能性是高级任务的4倍。多模型策略是新兴规范，抽象层将领导者与落后者分开。尽管开源可用性增长，企业绝大多数默认使用专有模型，决策由能力和速度驱动，而非成本。警告：未来，随着开源和闭源模型之间的能力差距继续缩小（这正在迅速发生），商品类别中的任务百分比可能会显著增长。\n发现1：对于大多数企业用例，模型选择是商品\n结论｜占比\n商品（可互换）｜42%\n中等重要｜39%\n关键差异化因素｜19%\n模式是一致的：成功来自模型周围的一切——数据质量、流程文档、集成架构、变革管理——而非模型本身。\n\u0026ldquo;我们做过的最重要的事情是花大量时间在我们的RAG上，真正确定我们的分块策略。\u0026rdquo; —— 专业服务公司总监\n发现2：商品边界由任务复杂性定义\n我们根据认知需求将实施分为两类：\n常规任务： 重复性、基于规则的工作，有明确成功标准。客户支持分类、文档搜索、营销内容、招聘筛选。\n高级任务： 需要多步骤推理、领域专业知识或后果性决策的工作。复杂编码、合规分析、临床文档、代理式工作流。\n按任务复杂性的模型重要性：\n任务类型｜商品（可互换）｜中等重要｜关键差异化因素\n常规任务｜71%｜29%｜0%\n高级任务｜18%｜47%｜35%\n图10. 按任务复杂性的模型可互换性\n在常规任务中，71%将模型视为完全可互换，没有人认为它是关键差异化因素。在高级任务中，只有18%将其视为商品，而35%认为它是关键的。\n\u0026ldquo;这里的进入壁垒比传统上低得多，因为LLM变得更加商品化。\u0026rdquo; —— 医疗AI公司高管\n发现3：多模型策略是新兴规范\n大多数实施使用多个模型而非承诺单一提供商。多模型方法采取几种形式：\n任务特定路由。 不同任务使用不同模型：快速、便宜的模型用于分类，更有能力的模型用于生成或推理。成本差异可以是10倍或更多。通常小模型可以在本地运行，意味着基本上只是电费而非使用昂贵的模型API，可以产生巨大节约，更不用说隐私优势。\n通过冗余验证。 对两个不同模型运行相同查询，只接受匹配的答案。\n\u0026ldquo;我想我们对两个不同的RAG模型运行它。如果我们得到相同的答案，那就是好答案。如果两个RAG模型不匹配，那就是坏答案。\u0026rdquo; —— 专业服务公司项目负责人\n基于查询的优化。 通过为每个模型添加智能评估和路由层，查询系统可以根据用例需求获得显著收益。\n\u0026ldquo;我们构建了一个多LLM网关。能够真正根据查询解决成本、准确性、相关性和延迟。在每个查询，目标是说好吧，这个结果需要深度搜索吗？还是mini模型就够了？\u0026rdquo; —— 技术公司运营负责人\n发现4：模型抽象层正在成为竞争优势\n最复杂的实施包括抽象层，允许模型切换而不重新架构系统。这些组织将模型视为更大平台内可互换的组件。\n\u0026ldquo;我的焦点不是工具。我的焦点是构建平台，一旦平台在那里，他们就会使用平台。如果某个模型变得更好或更便宜，你有灵活性 pivot。\u0026rdquo; —— 技术公司运营负责人\n一家食品配送公司在多个基础模型之上构建了自己的AI Chatbot：OpenAI、Gemini和Claude。这个抽象层使他们能够在客户服务中实现90-95%的自动化，而不依赖任何单一提供商。\n拥有抽象层的组织共享一个共同哲学：模型正在快速且不可预测地改进。与其押注单一提供商，他们构建了允许他们从任何来源采用改进的基础设施。随着所有前沿和开源实验室的快速发布，系统为工作选择正确模型的能力本身正在成为竞争优势。\n最高绩效的实施将模型视为他们控制的平台内可互换的组件。持久的优势在编排层，而非基础模型。\n发现5：开源模型正在进入生产，但在专业角色中\n开源并非缺席企业部署。它出现在特定功能中，定制和控制超过对前沿能力的需求：命名实体识别等专业任务、需要完全模型可见性的安全功能，以及领域数据微调驱动初始架构的初创产品。\n一家主要金融机构说明了新兴模式。其核心面向客户的能力运行在专有模型上，但其信息安全功能使用开源模型，团队需要定制和控制模型的确切行为。\n\u0026ldquo;我们用于信息安全的一些模型，我会说支持或辅助型模型……我们可能对某些使用开源模型，比如特别是NER，命名实体识别。那些是开源的。\u0026rdquo; —— 主要金融服务机构高级高管\n一家网络安全供应商走了不同路径，以Llama为基础模型构建整个产品并广泛微调。选择不是关于性能领导力，而是以可管理成本使模型适应窄领域的能力。\n\u0026ldquo;我们只是拿Llama作为基础模型，然后修改它。\u0026rdquo; —— 技术服务公司高管\n在光谱的另一端，一家云原生软件公司完全拒绝开源模型，优先考虑专有企业级许可带来的安全和隐私保证。\n\u0026ldquo;我们避免大多数开源或免费或未批准的工具，因为隐私和安全条款。我们是云原生；没有本地自托管。\u0026rdquo; —— 软件公司工程负责人\n企业AI中的开源采用正在通过专业化的低风险功能进入。问题不是企业是否会使用开源模型，而是支持基础设施多快能跟上，使它们对核心生产工作负载可行。随着闭源和开源产品之间的差距缩小，鉴于可观的成本和技术主权优势，开源将越来越多地获得 mindshare。\n2026年初出现的 capable 中国开源模型（Qwen、Kimi、Minimax、GLM等）缩小了与专有模型的能力差距，同时保持显著成本优势。在OpenRouter上，一个为超过400万用户路由API请求跨400+模型的平台，按token量排名前5的模型中有4个现在是中国开源，主要由代理式工作负载驱动，消耗的token比传统聊天机器人使用呈指数增长。尽管如此，大多数美国企业部署仍严重依赖美国提供商如OpenAI、Anthropic、Meta的Llama和Google的Gemini，合规、支持和供应商资格仍是关键因素。随着代理驱动架构扩展，用实时模型选择管理模型选择和推理成本（有时称为tokenomics）将成为技术团队越来越重要的能力。\n图11. OpenRouter周模型使用排名，2026年2月16日\n发现6：当前焦点是能力和速度，不是成本\n超过三分之二讨论模型选择标准的企业将能力列为首要原因，而非成本。企业选择能最快交付结果的模型，而非成本最低的。\n当通过总拥有成本而非仅推理价格来看时，这个模式是合理的。一家零售公司最初在专业供应商之上构建定制解决方案，然后发现可以用通用专有模型以更低总努力复制相同功能。\n\u0026ldquo;我们最终在Claude中重新开发了相同的代码。我们取消了合同，我们有了自己的专有解决方案。\u0026rdquo; —— 零售公司高管\n几个组织围绕多年积累的专有数据而非模型选择构建竞争护城河，如第9章所讨论。\n数据主权，常被视为开源和自托管的驱动因素，以不同于预期的方式解决。企业不是部署本地模型，而是与云提供商谈判合同保护。主权通过合同和数据最小化解决，而非模型架构。\n开源在推理层面的成本优势是真实的，但我们交谈的企业今天还没有优化推理成本。他们优化的是价值实现时间、运营简单性和风险降低。对于初创公司，模式可能看起来不同，推理成本从一开始就是更约束的因素，开源采用往往更高。这在不久的将来可能会改变。随着token饥饿的代理实施增加，推理成本可能成为模型选择的主要因素。随着小型和开源模型的能力缩小与前沿模型的差距，成本和技术独立性因素将在模型选择过程中发挥越来越主导的作用。\n案例研究：技术公司的客户支持\n如何构建模型无关的基础设施\n通信技术 | 客户支持 | 企业\n挑战\n客户支持量增长快于他们招聘代理的能力。技术挑战不是构建聊天机器人。而是构建基础设施，可以路由查询到最优模型、优化成本/准确性/延迟、避免供应商依赖，并随着新模型可用而改进。\n解决方案\n而不是选择单一模型提供商，公司构建了一个多LLM网关，从应用层抽象出模型选择。网关根据四个优化维度路由每个查询：成本、延迟、相关性和准确性。\n\u0026ldquo;我们不只用一个。我们用Claude，我们用OpenAI，我们用一些Llama。所以我们使用不同的模型。我们有时也用Bedrock。\u0026rdquo; —— 技术公司运营负责人\n结果\n工单 deflection：82%\n解决率：71%\n代理生产力：40%+提升\n支持员工人数：减少32%\n关键教训\n这个案例说明为什么模型抽象比模型选择更重要。上述业务成果由大规模自动化客户支持驱动。多LLM网关主要在该系统内优化成本和延迟，帮助公司避免了三个架构陷阱：\n供应商依赖。 他们可以采用任何提供商的改进而不重新架构。\n成本优化。 他们按查询优化，而非做出单一的全局模型选择。\n未来证明。 随着模型改进，基础设施可以自动吸收那些技术和成本改进。\n对于常规客户支持查询，任何前沿模型都有效。对于需要深度搜索或高准确性的复杂查询，路由更有能力的模型。系统持续优化，无需任何人做出战略性的\u0026quot;模型选择\u0026quot;决策。\n结论\n本研究始于一个看似简单的问题：当企业在生产中部署AI时实际会发生什么？在研究了41个组织、9个行业、7个国家的51个成功实施后，答案比主流叙事所暗示的更微妙、更可操作。技术有效。挑战是其他一切。\n也许最反直觉的发现是工作实际上关于什么。AI是新的和异国情调的，所以许多高管进入AI项目时期望技术是困难的部分。在实践中，大多数最艰难的挑战与技术无关。它们关于理解机会、重新设计流程、赢得怀疑团队的信任，以及构建允许模型在真实商业环境中运营和领导者衡量结果的数据基础设施。对于42%的案例，模型本身完全可互换。成功的组织不一定有更好的AI。他们有更好的流程和执行。\n这种执行遵循可识别的模式。高管发起人不仅在成功中坚持，在失败中也坚持——在我们能追踪的每个案例中，监督失败尝试的同一高管领导了成功的尝试。迭代开发在数周内交付工作软件。以及管理阻力的刻意策略，不仅来自害怕替代的一线工人，还来自法律、HR、风险和合规部门，它们占项目阻力的最大部分。克服这些职能需要与公司OKR挂钩的 mandate，而非说服。\n人类监督问题产生了研究中最实用的洞见之一。基于升级的运营模式，AI自主处理80%或更多工作，人类仅审查例外，与71%的中位生产力提升相关，而更传统的每输出都需要人类批准的模式为30%。这并不意味着更少监督普遍更好。受监管行业和高风险决策按设计需要人类审查。但对于高容量、可恢复的任务，给AI更多自主权的组织取得了显著更好的结果。\n就业图景比乐观主义者或悲观主义者暗示的更复杂。减少是最常见的员工人数结果，占45%，但不是多数。替代方案，包括避免招聘、重新部署和明确决定保持员工人数，都发挥了重要作用。在许多案例中，新类型的价值创造，而不仅仅是成本避免，是可持续商业价值的关键。然而这些模式反映了早期采用阶段的反应。随着模型能力和代理框架成熟，经济力量可能推动市场走向越来越多的劳动力替代，但它也必然会产生一些新的增强机会。\n从数据中浮现的实战手册\n从无形和不可见的工作开始。 流程文档、数据访问层和变革管理不是附加在真正工作上的 overhead。它们往往就是真正的工作。将这些视为先决条件而非事后想法的组织更快到达生产并取得更高回报。\n投资于衡量。 清晰的KPI应在部署前确定。有强大指标的组织更可能展示价值并扩大项目。关键指标包括质量、客户价值和收入增长，超越裁员或成本节约。\n保存一切。 即使混乱、不完整或看似无用的数据现在也有价值，因为LLM可以清理、结构化和从非结构化来源提取意义。囤积数据——即使不完美——的组织发现自己在模型赶上后拥有复利优势。存储数据的成本通常与在正确用例到来时没有它的成本相比微不足道。\n从第一天起构建多模型架构。 最成功的实施将模型视为他们控制的编排层内可互换的组件。根据成本、准确性、隐私和延迟将每个任务路由到最优模型。使用小模型分类、大模型推理和规划、开源用于专业功能或受监管行业、专有用于行业特定能力。早期构建这种灵活性的组织避免了供应商锁定，并自动捕获提供商的快速改进。\n为代理式AI规划。 代理式和非代理式实施之间的生产力差距，71%对40%中位收益，只会随着模型改进而扩大。现在为自主工作流构建基础设施的组织，包括清晰的决策边界、结构化升级和多系统数据访问，将 positioned 捕获下一波价值。开源模型在代理式实施中的重要性将增长，因为控制推理成本显著更容易和可预测。\n更广泛的图景\n生产率J曲线正是我们的数据捕捉的：在回报实现之前，在集成、流程重新设计和变革管理上进行大量早期投资。在公司层面，竞争动态是可见的。虽然每个人都可以访问相同的模型，但领导者和落后者之间的差距正在扩大。这是因为对于每个围绕AI重新设计工作流并开始捕获其收益的公司，都有一个竞争对手仍在争论使用哪个模型或挣扎于组织问题。今天占我们样本20%的代理式实施可能在三到五年内占多数。模型将变得更便宜、更有能力。构建了多模型架构、投资了数据基础设施、发展了持续流程重新设计肌肉的组织不仅领先。他们正在用每一次迭代复利他们的优势。\n我们处于一个\u0026quot;生产率分叉\u0026rdquo;，宏观经济结果取决于组织使用AI创造新任务和增强工人，还是主要削减成本和减少员工人数。我们的数据显示两条路径都在同时被追求并取得成功，随着技术成熟，平衡如何转移仍不清楚。组织和政府在未来几年如何导航这个分叉将决定这项变革性技术是带来广泛共享的繁荣，还是集中收益和社会不稳定。\n考虑到这些国家暴露工作的比例，政府项目和政策在发达经济体重新培训或支持 displaced 工人可能越来越必要。即使我们对AI在经济中创造巨大价值的潜力高度乐观，过渡也不会平滑，如同以前通用目的技术的情况。\n实验的窗口正在关闭。问题不再是AI是否会交付价值。而是组织能否足够快地进化来捕获它，以及组织在效率实现时帮助软化工人和社区过渡的社会责任是什么。经济和我们的社会结构的稳定可能取决于今天的领导者如何回答这个问题。\n附录\n前几章分析了企业如何用AI创造价值。本节将这些发现转化为两个实用参考：组织正在衡量的指标和他们正在学习避免的失败模式。\n这些不是理论框架。下面的每个KPI和每个失败模式都由我们样本中至少一个实施报告。\n按职能的关键绩效指标\n在部署前定义清晰KPI的组织更可能展示价值并确保继续投资。然而许多团队默认使用窄的效率聚焦指标——通常以裁员衡量——而忽视质量、客户价值和收入增长的指标，这些往往更可持续和有影响力。我们都知道那句话，你得到你衡量的，对于AI使能的项目，这尤其真实。我们希望这些KPI衡量选项可以帮助你的组织找到超越原始生产效率实现价值的新方法。\n客户支持：\nKPI｜衡量什么\n工单/呼叫 deflection率｜AI在没有人工代理参与的情况下解决的查询份额\n平均处理时间（AHT）｜解决客户互动的总时间，包括通话时间和通话后工作\n自助解决率｜AI deflect 的互动中实际解决的份额，而不仅仅是 deflection\n客户满意度分数（CSAT）｜客户报告的对支持互动的满意度\n支持员工人数减少｜AI自动化带来的支持人员减少\n销售：\nKPI｜衡量什么\n销售代表节省时间｜销售代表每天释放用于高价值销售活动的时间\n线索发现速度｜识别和研究潜在客户的时间，与手动流程相比\n转化率｜将潜在客户转化为付费客户的比率\n工具采用率｜销售团队定期使用AI工具的份额\n工程：\nKPI｜衡量什么\n开发时间减少｜完成开发任务的工程小时减少\n任务完成速度｜完成单个编码或迁移子任务的时间\n团队规模 vs 产出｜工程团队规模相对于交付产出的变化\n代码质量分数｜AI生成代码输出的成功率和准确性\n新产品 offering｜从AI实施中出现的新或未计划的产品\n营销：\nKPI｜衡量什么\nCampaign上市时间｜从简报到 campaign 发布的时间\n内容生产成本｜创建营销内容和 campaign 材料的成本\n点击率/转化率｜AI生成内容驱动的客户参与和购买行为\n个性化规模｜创建个性化 campaign 而非批量细分的能力\n法律与合规：\nKPI｜衡量什么\n文档审查/起草时间｜审查、起草或处理法律文档的时间\n文档处理量｜给定时期内处理和搜索的文档数量\n信息检索准确性｜从法律文档中提取信息的准确性及来源验证\n采购：\nKPI｜衡量什么\n浪费/缺货减少｜通过需求优化减少库存浪费和缺货事件\n销售成本减少｜通过更好的谈判、供应商匹配和时机节约\n处理时间减少｜从 intake 到采购订单的处理采购请求时间\n财务运营：\nKPI｜衡量什么\n处理准确性｜AI系统正确处理的发票或交易百分比\n员工减少/成本节约｜自动化财务处理带来的员工和成本节约\n积压消除速度｜处理交易和消除处理积压的时间\nHR与招聘：\nKPI｜衡量什么\n每个职位的筛选时间｜筛选给定职位完整候选人池的时间\n端到端招聘效率｜整个招聘管道的整体生产力改进\n候选人转化率｜筛选候选人转化为成功招聘的比率\nIT运营：\nKPI｜衡量什么\n运营成本减少｜自动化IT支持和内部运营的成本节约\n员工与系统比率｜管理AI自动化系统或机器人所需的人类数量\n技术人员自给自足｜现场员工在不升级到支持的情况下解决问题的能力\n现场服务：\nKPI｜衡量什么\n数据收集时间｜收集客户问题分类所需所有技术数据的时间\nSLA达成率｜在约定SLA时间框架内解决的客户问题百分比\n医疗：\nKPI｜衡量什么\n临床文档时间｜临床医生花在文档而非患者护理上的时间\n收入周期时间｜从服务交付到付款 receipt 的时间\n编码准确性率｜AI建议的账单代码与医生批准代码之间的一致性\n保险运营：\nKPI｜衡量什么\n理赔处理效率｜理赔处理人员重复任务时间的减少\n常见失败模式及如何克服\n在我们的访谈中，61%的AI实施在达到生产价值之前经历了至少一次重大失败。常见症状如\u0026quot;项目 stuck 在试点\u0026quot;或\u0026quot;无法证明ROI\u0026quot;频繁出现，但这些是后果，不是原因。下表将失败合并为六个根因，展示它们如何表现，并捕捉公司如何克服它们。\n研究样本概况\n51个案例研究来自41个组织，跨多个地区。下表以匿名形式呈现每个组织。\n41个组织 | 7个国家 | 5个地区 | 100万+合并劳动力\n组织｜行业｜职能｜地区\n制造公司｜制造｜招聘、薪酬与福利｜亚洲\n消费品公司｜其他｜HR共享服务｜亚洲\n物流公司｜其他｜培训｜亚洲\n技术公司｜软件与技术｜HR支持｜亚洲\nIT安全服务公司｜软件与技术｜IT运营｜亚洲\n保险公司｜金融服务｜理赔处理、文档审查｜欧洲\nERP咨询公司｜金融服务｜财务运营｜欧洲\n制造公司｜制造｜供应链与运营｜欧洲\n呼叫中心｜其他｜客户支持｜欧洲\nIT服务公司｜其他｜财务运营｜欧洲\n超市连锁｜零售｜采购｜欧洲\n人才管理平台｜软件与技术｜招聘｜欧洲\n半导体公司｜制造｜销售｜全球\n全球咨询公司｜其他｜建筑采购｜全球\n数字银行｜金融服务｜软件开发｜拉丁美洲\n证券交易所｜金融服务｜软件开发、合规、客户支持｜拉丁美洲\n能源交易公司｜其他｜客户支持、营销｜拉丁美洲\n食品配送与零售平台｜零售｜客户支持、营销｜拉丁美洲\n保险软件公司｜金融服务｜软件开发｜北美\n零售银行｜金融服务｜客户支持｜北美\n医疗器械制造商｜医疗｜销售｜北美\n老年护理提供商｜医疗｜患者监测｜北美\n医院｜医疗｜临床文档、收入周期｜北美\n律师事务所｜法律服务｜文档审查｜北美\n全球汽车制造商｜制造｜客户支持、IT运营｜北美\n工业机器人公司｜制造｜IT运营｜北美\n半导体存储制造商｜制造｜现场服务、产品开发｜北美\n工业制造商｜制造｜质量保证｜北美\n能源公用事业公司｜其他｜营销内容生成｜北美\n包装物流公司｜其他｜冷链监测｜北美\n在线学习平台｜其他｜软件开发、内容起草｜北美\n专业服务公司｜专业服务｜尽职调查、招聘｜北美\n咨询公司｜专业服务｜文档审查｜北美\n零售公司｜零售｜营销内容生成｜北美\nAI驱动的BPO｜零售｜销售自动化｜北美\n零售公司｜零售｜采购｜北美\n联络中心｜软件与技术｜客户支持｜北美\n移动广告归因公司｜软件与技术｜营销｜北美\n技术公司｜软件与技术｜客户支持、销售｜北美\n电信公司｜电信｜IT运营｜北美\n电信运营商｜电信｜营销内容生成｜北美\n尾注\n[1] Erik Brynjolfsson, Daniel Rock, and Chad Syverson, \u0026ldquo;The Productivity J-Curve: How Intangibles Complement General Purpose Technologies,\u0026rdquo; American Economic Journal: Macroeconomics 13, no. 1 (2021): 333-372.\n[2] Erik Brynjolfsson and Gabriel Unger, \u0026ldquo;The Macroeconomics of Artificial Intelligence,\u0026rdquo; IMF Finance \u0026amp; Development, December 2023.\n[3] Daron Acemoglu and Pascual Restrepo, \u0026ldquo;Automation and New Tasks: How Technology Displaces and Reinstates Labor,\u0026rdquo; Journal of Economic Perspectives 33, no. 2 (2019): 3-30.\n[4] Daron Acemoglu, \u0026ldquo;The Simple Macroeconomics of AI,\u0026rdquo; NBER Working Paper 32487, April 2024.\n[5] Erik Brynjolfsson, Bharat Chandar, and Ruyu Chen, \u0026ldquo;Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of AI,\u0026rdquo; Stanford Digital Economy Lab Working Paper, 2025.\n[6] Erik Brynjolfsson, Avinash Collis, W. Erwin Diewert, Felix Eggers, and Kevin J. Fox, \u0026ldquo;GDP-B: Accounting for the Value of New and Free Goods,\u0026rdquo; American Economic Journal: Macroeconomics 17, no. 4 (2025): 312-344.\n[7] MIT NANDA Initiative, \u0026ldquo;The GenAI Divide: State of AI in Business 2025,\u0026rdquo; July 2025.\n[8] McKinsey \u0026amp; Company, \u0026ldquo;The State of AI in Early 2024: Gen AI Adoption Spikes and Starts to Generate Value,\u0026rdquo; McKinsey Global Survey, May 2024. Survey of 1,363 participants across regions, industries, and seniority levels.\n[9] Accenture, \u0026ldquo;AI: Built to Scale - From Experimental to Exponential,\u0026rdquo; Accenture Applied Intelligence, 2019. Survey of 1,500 C-suite executives across 16 industries and 12 countries.\n[10] Anthropic, \u0026ldquo;The Anthropic Economic Index,\u0026rdquo; multiple reports, 2025-2026. Available at anthropic.com/research/economic-index.\n[11] McKinsey \u0026amp; Company, \u0026ldquo;The State of AI in 2025: Agents, Innovation, and Transformation,\u0026rdquo; McKinsey Global Survey, November 2025.\n[12] OpenAI, \u0026ldquo;The State of Enterprise AI,\u0026rdquo; December 2025. Based on de-identified data from 1M+ business customers and survey of 9,000 workers across ~100 enterprises.\n[13] ISACA, \u0026ldquo;The Rise of Shadow AI,\u0026rdquo; September 2025. IBM, \u0026ldquo;2025 Cost of Data Breach Report.\u0026rdquo; AI-associated breaches cost organizations an average of $4.88M, highest of any breach category.\n[14] WalkMe / SAP, \u0026ldquo;AI in the Workplace Survey,\u0026rdquo; August 2025. 78% of AI users bring their own tools to work.\n[15] IBM / Censuswide, \u0026ldquo;Is Rising AI Adoption Creating Shadow AI Risks?,\u0026rdquo; November 2025. 80% of workers use AI; only 22% use employer-provided tools.\n[16] TELUS Digital / Fuel iX, \u0026ldquo;Shadow AI in the Enterprise: 2025 AI at Work Survey,\u0026rdquo; February 2025. Survey of 1,000 U.S. enterprise employees conducted by Pollfish, January 2025.\n[17] Frank Nagle and Daniel Yue, \u0026ldquo;The Latent Role of Open Models in the AI Economy,\u0026rdquo; MIT Initiative on the Digital Economy / Georgia Institute of Technology, November 2025. Based on OpenRouter data (May-September 2025).\n[18] McKinsey \u0026amp; Company, Mozilla Foundation, and Patrick J. McGovern Foundation, \u0026ldquo;Open-source in the Age of AI,\u0026rdquo; February 2025. Survey of 700+ technology leaders across 41 countries.\n[19] OpenRouter and Andreessen Horowitz, \u0026ldquo;State of AI: An Empirical 100 Trillion Token Study,\u0026rdquo; December 2025.\n[20] Artificial Analysis, \u0026ldquo;Intelligence Index v4.0,\u0026rdquo; January 2026. Hugging Face model repository data from AI World, December 2025.\n[21] Deloitte AI Institute, \u0026ldquo;The State of AI in the Enterprise: The Untapped Edge,\u0026rdquo; January 2026. Survey of 3,235 director to C-suite-level leaders.\n[22] METR, \u0026ldquo;Measuring AI Ability to Complete Long Tasks\u0026rdquo;, updated February 2026.\n[23] \u0026ldquo;Labor Market Impacts of AI: A New Measure and Early Evidence.\u0026rdquo; Anthropic, March 2026.\n致谢\n特别感谢所有接受访谈的受访者，他们为本论文贡献了时间、见解和数据。我们还要感谢帮助我们将内容微调得更好的审阅者：Sandy Pentland、Andy Haupt、Jing Wang、Christie Ko、Tomas Castagnino和Matty Smith。\n","permalink":"https://cfo580.cn/article/si-tan-fu-qi-ye-ai-shi-zhan-shou-ce-lai-zi-51-ge-cheng-gong-bu-shu-an-li-de-jing-yan-jiao-xun/","summary":"【本文译自斯坦福数字经济实验室报告《企业AI实战手册：来自51个成功部署案例的经验教训》，作者 Elisa Pereira、Alvin Wang Graylin 与 Erik Brynjolfsson，2026年4月。译文供会计人了解 AI…","title":"📗 斯坦福企业AI实战手册：来自51个成功部署案例的经验教训"},{"content":"这份文档专为会计和财务人员整理，涵盖了在 SQLite 数据库中进行财务数据处理时最常用的文本、日期时间、数值处理函数及关键语法。\n1. 文本处理函数 (Text Functions) 在会计工作中，文本函数常用于清洗和格式化科目名称、客户/供应商名称、凭证摘要等数据。\nUPPER(X)：将字符串转换为大写。常用于统一科目名称格式。\n示例：SELECT UPPER('cash') 返回 CASH。\nLOWER(X)：将字符串转换为小写。\n示例：SELECT LOWER('ACCOUNTS RECEIVABLE') 返回 accounts receivable。\nLENGTH(X)：返回字符串的字符长度。可用于检查凭证编号或发票号是否符合规定长度。\n示例：SELECT LENGTH('INV-2024-001') 返回 12。\nSUBSTR(X, Y, Z)：提取子字符串。从第 Y 个字符开始，截取 Z 个字符。常用于从长字符串中提取凭证日期或编号。\n示例：SELECT SUBSTR('2024-05-20-PAY-001', 1, 10) 返回 2024-05-20。\nREPLACE(X, Y, Z)：替换字符串中的特定字符。\n示例：SELECT REPLACE('USD 1,000.00', ',', '') 返回 USD 1000.00。\n2. 日期和时间处理函数 (Date and Time Functions) 会计周期核算、账龄分析、折旧计算等都离不开日期函数。SQLite 的日期函数接受时间字符串（如 'now' 或 '2024-05-20'）及修改器（如 '+1 day'）。\n强烈建议将日期和时间存储为标准的 ISO-8601 文本格式（YYYY-MM-DD 或 YYYY-MM-DD HH:MM:SS），以确保所有日期函数都能正确解析和计算。\nDATE(timestring, modifier, ...)：返回 YYYY-MM-DD 格式的日期。\n获取当前日期：SELECT DATE('now');\n计算30天后日期：SELECT DATE('now', '+30 days');\n获取上月第一天：SELECT DATE('now', 'start of month', '-1 month');\nDATETIME(timestring, modifier, ...)：返回 YYYY-MM-DD HH:MM:SS 格式的日期时间。\n获取本地当前时间：SELECT DATETIME('now', 'localtime');\nSTRFTIME(format, timestring, modifier, ...)：最强大的日期格式化函数，可按指定格式输出。\n提取年份：SELECT STRFTIME('%Y', 'now');\n转换为UNIX时间戳（秒）：SELECT STRFTIME('%s', 'now'); 常用于精确计算时间差。\nJULIANDAY(timestring, modifier, ...)：返回儒略日数（浮点数）。\n计算两个日期之间的天数：SELECT JULIANDAY('2024-05-20') - JULIANDAY('2024-05-01'); 返回 19.0。\n3. 数值处理函数 (Math Functions) 用于财务计算、金额四舍五入、处理借贷差额等。\nABS(X)：返回绝对值。常用于处理借贷方金额，确保差额为正数。\n示例：SELECT ABS(-1500.50) 返回 1500.5。\nROUND(X, Y)：四舍五入到 Y 位小数。会计金额处理必备。\n示例：SELECT ROUND(1234.567, 2) 返回 1234.57。\nRANDOM()：生成一个伪随机整数。可用于生成测试数据或随机抽样审计。\n示例：SELECT ABS(RANDOM() % 10000) / 100.0; 生成0-99.99的随机金额。\n4. 聚合函数 (Aggregate Functions) 财务报表生成的核心函数，用于汇总数据。\nSUM(X)：求和。计算总账、明细账金额。\nAVG(X)：求平均值。计算平均客单价、平均成本等。\nCOUNT(X) / COUNT(*)：计数。统计凭证数量、交易笔数。\nMAX(X) / MIN(X)：求最大/最小值。找出最大单笔支出、最早交易日期等。\n5. 关键语法与逻辑控制 CASE WHEN ... THEN ... ELSE ... END：条件判断。在生成利润表或资产负债表时，根据科目类型或借贷方向分类汇总。 SELECT account_name,\nCASE\nWHEN balance \u0026gt; 0 THEN \u0026lsquo;Debit\u0026rsquo;\nWHEN balance \u0026lt; 0 THEN \u0026lsquo;Credit\u0026rsquo;\nELSE \u0026lsquo;Zero\u0026rsquo;\nEND AS balance_type\nFROM ledger; COALESCE(X, Y, ...)：返回第一个非 NULL 的值。处理缺失的财务数据或默认值。\n示例：SELECT COALESCE(discount_amount, 0) FROM invoices; 若无折扣则返回0。\n字符串拼接 ||：将多个字段或文本连接起来。\n示例：SELECT '凭证号: ' || voucher_no || ' 日期: ' || trans_date FROM vouchers;\n6. 财务数据处理最佳实践 日期存储格式：强烈建议将日期和时间存储为标准的 ISO-8601 文本格式（YYYY-MM-DD 或 YYYY-MM-DD HH:MM:SS），以确保所有日期函数都能正确解析和计算。 时区处理：SQLite 默认使用 UTC 时间。如果业务发生在中国，获取当前时间时务必加上 'localtime' 修饰符，例如 DATETIME('now', 'localtime')，以避免跨时区记账错误。 金额精度：在进行财务计算时，始终使用 ROUND() 函数控制小数位数，避免因浮点数运算导致的\u0026quot;一分钱\u0026quot;尾差。 ","permalink":"https://cfo580.cn/article/sqlite-hanshu-yufa-zhinan/","summary":"专为会计和财务整理的 SQLite 函数指南：文本、日期时间、数值、聚合四大类函数 + CASE WHEN/COALESCE/字符串拼接 + 财务数据处理最佳实践（ISO 日期、时区、金额精度）。","title":"🧰 SQLite 会计常用函数与语法指南"},{"content":"在 SQLite 中，一条完整的 SQL 查询语句的书写顺序是固定的。以下是一些关键字的完整语法结构：\n📝 语法执行顺序（重要）\n虽然书写顺序是上面的样子，但 SQLite 引擎在底层执行这些语句时，是有严格的先后顺序的。理解这个顺序对你学习 SQL 非常重要：（谐音：发文搞核算排列）\nFROM：首先确定你要查询的是哪张表。\nWHERE：对表中的原始数据进行第一波过滤（不支持聚合函数）。\nGROUP BY：将过滤后的数据按照指定字段进行分组。\nHAVING：对分组后的数据进行第二波过滤（通常配合聚合函数如 SUM(), COUNT() 使用）。\nSELECT：从处理好的数据中提取出你需要的字段。\nORDER BY：对最终的结果集进行排序。\nLIMIT：最后截取指定数量的行数返回。\n💡 核心规则与避坑指南：\n非必填项： 除了 SELECT 和 FROM 是必须的，其他的子句（WHERE、GROUP BY 等）都是可选的。\nWHERE 与 HAVING 的区别：WHERE 是在分组前过滤原始行，而 HAVING 是在分组后过滤组。\nLIMIT 的位置： 在 SQLite 中，LIMIT 必须放在整条语句的最后面。\n有HAVING必须 有 GROUP BY，而有GROUP BY 不一定需要HAVING\n","permalink":"https://cfo580.cn/article/sqlite-cha-xun-yu-fa-he-zhi-xing-shun-xu-2/","summary":"在 SQLite 中，一条完整的 SQL 查询语句的书写顺序是固定的。以下是一些关键字的完整语法结构： 📝 语法执行顺序（重要） 虽然书写顺序是上面的样子，但 SQLite 引擎在底层执行这些语句时，是有严格的先后顺序的。理解这个顺序对你学…","title":"🔄 SQLite查询语法和执行顺序 2"},{"content":"记住一个点：SELECT 不是只能放列名，它能放 \u0026ldquo;一切你想让它显示出来的结果\u0026rdquo;—— 包括算出来的数字、统计出来的数字。\n完整语法骨架（方括号 [ ] 表示 \u0026ldquo;可写可不写\u0026rdquo;，顺序固定）：\nSELECT [DISTINCT] 要显示的内容 FROM 表名 [WHERE 逐行过滤条件] [GROUP BY 分组依据] [HAVING 分组后的过滤条件] [ORDER BY 排序依据 [ASC / DESC]] [LIMIT 取前几行]; SELECT 那一行能放 4 类东西：\n表格\n类型｜例子｜说明\n普通列｜prod_name｜直接取字段\n多列｜prod_id, prod_name｜逗号分隔\n计算表达式｜quantity * item_price｜现场算出来的值\n聚合函数｜COUNT(prod_id)、SUM(quantity)、AVG(prod_price)、MAX(prod_price)、MIN(prod_price)｜对一组数据统计\n以上都能用 AS 起别名，比如 COUNT(prod_id) AS 产品数。\n两条红线（最容易错，记住）：\nWHERE 里不能写聚合函数。WHERE COUNT(prod_id) \u0026gt;= 2 是错的 —— 因为 WHERE 是分组前逐行过滤，此时还没统计。聚合条件的归宿是 HAVING。 聚合函数和普通列混用时，普通列必须出现在 GROUP BY 里： SELECT vend_id, COUNT(prod_id) FROM products GROUP BY vend_id ✅\nSELECT vend_id, COUNT(prod_id) FROM products ❌（没分组却要按供应商统计，逻辑不成立）\n例题：\n统计每个供应商名下各有几种产品，只显示种类数 ≥ 2 的，按种类数从多到少排。\nSELECT vend_id, COUNT(prod_id) AS 产品数 FROM products GROUP BY vend_id HAVING COUNT(prod_id) \u0026gt;= 2 ORDER BY COUNT(prod_id) DESC; 顺便理解执行顺序：SQL 虽然先写 SELECT，但内部执行顺序是 FROM → WHERE → GROUP BY → HAVING → SELECT → ORDER BY → LIMIT。所以 \u0026ldquo;按供应商分组统计\u0026rdquo; 这种话，翻译成代码就是 \u0026ldquo;先 FROM 拿表，再 GROUP BY 分组，再 HAVING 筛组，最后 SELECT 把结果摆出来\u0026rdquo;。\n","permalink":"https://cfo580.cn/article/sql-select-wanzheng-yufa/","summary":"SELECT 不只是放列名，还能放计算表达式与聚合函数。完整语法骨架、SELECT 能放的 4 类内容、两条红线（WHERE 不能放聚合函数、普通列必须进 GROUP BY）、例题与内部执行顺序。","title":"🔎 SQL的SELECT完整语法"},{"content":" 私车公用最优方案：【有偿租车协议+月租金800元+公务实报实销】\n核心结论（兼顾：费用税前扣除 + 个人个税最低）\n首选方案：签订书面车辆租赁合同，租金设定800元/月；公务产生油费、过路费、停车费凭公司抬头发票实报实销。\n✅ 租金800元/月：财产租赁所得免征个税\n✅ 月度租金≤10万：自然人免征增值税\n✅ 报销的公务交通费不属于个人收入，不征个税\n❌ 避坑红线：不要0租金租赁、不要无协议直接报销、不要一边定额发补贴一边报油费。\n一、三种主流模式税负对比（一目了然）\n模式1：租赁协议方案（推荐，个税最低）\n1. 合同约定关键点\n甲方（车主）、乙方（公司）、车牌号、租赁期限；\n租金：800元/月（公允价格，不要0租金！0租金极易被税局核定征税）\n费用划分（全国通用口径）\n✅ 公司承担（可税前扣除） ：公务油费、路桥费、公务停车费（发票必须公司抬头 ）\n❌ 车主自行承担、公司不能报销 ：保险、车船税、年检、常规保养、车辆折旧、违章罚款（即使合同写公司承担，汇算也要调增，不能抵扣企业所得税）\n2. 个税规则 财产租赁所得：每次收入≤4000元，减除费用800元。\n月租金=800元 → 应纳税所得额=0，个税=0\n3. 增值税 自然人出租动产，月租金≤10万元，免征增值税，不需要代开发票 ，属于小额零星业务；\n凭：租赁合同 + 车主收款收据（注明姓名、身份证号、金额）+ 银行转账流水，即可入账税前扣除。\n4. 报销端（重点！个税分水岭） 只有真实公务产生的油费、过路费实报实销，不属于个人所得，不征收个税！\n配套资料：私车公用台账（日期、目的地、办事事由、里程、公务/私人区分）、外勤申请单。\n举例：每月租金800元（无个税）；另外公务跑业务报销油费、过路费合计1500元，这1500不并入工资、不交个税 。\n模式2：直接发放交通补贴（不推荐，个税高）\n不签租车协议，每月固定发车补。\n政策：补贴全额并入工资薪金 ，按3%~45%综合所得税率缴纳个税。\n缺点：只要发放就产生个税；如果同时再报销油费，属于重复列支，稽查风险极高。\n模式3：无协议直接凭票报销（高危，严禁使用）\n没有租车合同，员工拿油票直接报销。\n税务风险：\n云南税务口径明确：无租赁协议的车辆费用，企业所得税不得税前扣除 ；\n同时会被认定为变相发放福利，报销金额强制并入工资薪金补缴个税、滞纳金。\n二、实操落地完整步骤\n1. 签订正式《车辆租赁合同》（纸质存档） 租金统一约定800元/月 ，按月银行转账，备注“车辆租赁费”。\n不建议低于500，明显低于市场租金，容易被认定不公允；严禁0元租赁。\n2. 建立私车公用管理制度+行车台账（稽查核心证据） 台账模板要素：出车日期、驾驶员、车牌号、出发地/目的地、公务事项、起始里程、公务里程、对应报销单据号。\n作用：区分公务出行与私人通勤，证明报销费用和经营相关。\n3. 发票硬性要求 油费、ETC、停车费必须开具公司全称+税号 ；个人抬头发票一律不能入账。\n4. 账务区分两部分 ① 每月支付租金800元：管理费用-车辆租赁费\n② 外勤实报油费/过路费：管理费用/销售费用-车辆使用费\n三、常见误区澄清\n1. ❌ “无偿租赁协议行不行？” 多地税务（含云南）不认可无偿租赁。税局有权核定租金，追缴个税、企业所得税调增，风险极大。\n2. ❌ “保险、保养费能不能写进合同由公司承担？” 可以写，但是企业所得税不能扣除 ，年度汇算必须纳税调增，等于白做，不建议约定。\n3. ❌ “租金超过800元会怎么样？” 如月租金1000元：个税=(1000-800)×20%=40元/月，个人开始产生税负；所以最优临界点就是800元/月 。\n4. ❌ “实报实销的油费会不会被认定补贴？” 只要同时满足：租车协议+完整行车台账+仅报销公务里程对应费用、不固定按月报销相同金额，税务认可不属于福利补贴，不征收个税。\n四、补充备选方案（适合车辆常年大量投入、老板自有车辆）\n若车辆每年使用强度极高，可以考虑个人二手车过户至公司名下 ：\n个人销售自用二手车免征增值税；\n车辆入公司固定资产，按月计提折旧，所有公务支出全部公司承担，彻底不存在私车公用个税问题。\n缺点：车辆产权变更，再次卖出涉及公司处置资产手续，适合长期稳定使用的车辆。\n五、极简执行清单（直接落地）\n1. 和车主签署《车辆租赁合同》，租金800元/月；\n2. 每月银行转账租金，留存收据、流水；\n3. 建立用车台账，每次外勤登记里程与事由；\n4. 仅报销公务对应的公司抬头油费、过路费、停车费；\n5. 保险、年检、车船税一律由车主个人承担，不进公司账。\n直接回答核心问题\n规范操作前提下：1500元公务油费、过路费，不计入财产租赁所得，不征收个税。\n但是有一条红线（厦门税务局12366权威口径，全国通用） ：\n✅ 合同写法A（安全）：租金固定800元；车辆公务行驶产生的油费、通行费，由公司据实报销（属于公司经营费用，员工先行垫付） → 1500元=垫付费用报销，不属于租赁收入，不交个税。\n❌ 合同写法B（高危，会被合并计税）：租金800元，另外公司承担油费视作租赁对价的一部分 → 税务机关会把【800+1500=2300元】全部认定为财产租赁收入，然后计算个税。\n一、底层原理区分\n1. 财产租赁所得是什么？ 单纯租用车辆使用权，公司支付给车主的固定租金 （现金）。\n也就是例子里每月转账的800元 ，这才是租赁收入。\n2. 油费、过路费本质是什么？ 车辆跑业务消耗的耗材。\n类比：你租货车运货，租金单独付；运费对应的燃油、高速费承租方另行承担、实报实销，燃油费不会算作出租方的租赁收入。\n二、必须落实4个关键条件，才能守住“不并入租赁所得”\n1. 《车辆租赁合同》措辞至关重要（范本关键条款）\n乙方（公司）租赁甲方车辆，每月支付车辆租赁费人民币800元； 租赁期间，仅用于乙方公务业务行驶产生的燃油费、高速公路通行费、公务停车费，由乙方凭合规公司抬头发票据实承担、报销；该部分费用不属于车辆租赁租金 。 车辆保险、车船税、年检、保养、违章罚款等由甲方自行承担。\n绝对不要写：租金包含燃油，或者公司承担燃油作为租赁条件。\n2. 资金路径分开，账务科目分开（稽查重点）\n800元：银行转账，备注「车辆租赁费」 → 入账：管理费用-车辆租赁费\n1500元：凭发票报销，对公支付（或报销转账），备注「公务车辆燃油/通行费」 → 入账：管理费用-车辆使用费\n❌ 严禁合并一笔转账，不要备注笼统的“车辆费用”。\n3. 票据硬性规则\n油费、ETC、停车费必须开具公司全称+税号 ；个人抬头发票不能报销。\n4. 配套证据链（证明是真实公务消耗，不是变相补贴）\n建立私车公用行车台账 ：出车日期、目的地、办事事由、起始里程、公务里程。\n作用：区分公务行驶 vs 私人出行，避免被认定为“以报销费用形式变相发放租金/福利”。\n三、风险预警（很多企业踩坑）\n1. 如果没有台账、报销金额每月固定不变（比如稳定每月刚好报1500） 税务机关有权合理怀疑 ：名义实报实销，实质是定额补贴，会将报销金额并入租金，合并按财产租赁所得征税。\n举例：800租金+固定报销1500 → 税局认定租赁收入2300元 个税=(2300-800)×20%=300元/月，方案直接失效。\n2. 不要同时固定发车补+报销油费 ，双重风险。 四、回到你案例的测算\n财产租赁收入：仅800元/月 应纳税所得额=800-800=0 → 个税0元\n公务实报1500元垫付费用：不计入任何应税所得，无个税 五、极简合同关键条款\n甲方提供自有车辆租赁给乙方使用，乙方每月支付车辆租赁费800元。 租赁期限内，车辆因乙方经营业务公务出行产生的燃油费、路桥通行费、公务停车费，由乙方凭乙方抬头发票据实报销，该费用属于乙方经营直接支出，不属于车辆租赁租金。 车辆保险费、车船税、年检费、维修费、违章罚款、私人出行产生费用全部由甲方承担。\n核心结论\n月租固定800元（有形动产租赁）\n增值税：未达按次起征点（1000元/次），免征增值税； 个税：(800-800)=0，无个税； 争议关键点：长期按月持续租赁，能不能直接用收据、不去代开发票？\n方案一：不去税务局代开发票（省时间，存在属地风险）\n依据：28号公告第九条小额零星支出\n需要全套资料归档备查：\n1. 正式《车辆租赁合同》\n2. 规范收款收据（必须写全）\n✅车主姓名、身份证号码、项目：车辆租赁费、金额800元、收款日期、本人签字\n3. 银行转账流水（备注：车辆租赁费）\n4. 配套私车公用行车台账\n⚠️重大风险提醒\n小额零星最适合临时、偶发业务 ；\n长期、连续每月固定支付800元租金（持续12个月以上） ，部分主管税务机关不认可是“小额零星”，稽查时有权要求纳税调增 （不能税前扣除）。\n很多区县税务局口径：持续性租赁行为，要求取得发票。\n方案二：去税务大厅/电子税务局代开增值税普通发票【强烈推荐，零风险】\n✅个人税负：增值税免征、个税=0\n仅需要缴纳：租赁合同印花税（租金总额×0.1%，小微企业减半征收）\n举例：一年租金9600元\n印花税=9600×0.1%×50%=4.8元/年 ，成本极低。\n开票信息\n品名：*经营租赁 其他有形动产经营租赁服务**\n备注建议写上：车牌号\n发票类型：增值税普通发票（免税）\n个税操作要点\n代开发票时，财产租赁所得个税很多大厅不会现场预扣 ，付款企业具有代扣代缴义务 。\n企业每月在自然人电子税务局（扣缴端）做【财产租赁所得】申报：收入800，减除费用800，应纳税额0，零申报 。\n如果不做零申报，属于扣缴义务人未履行义务，存在处罚风险。\n梳理完整合规链条\n1. 合同：月租800元；公务油费、通行费实报实销，不属于租金；\n2. 租金800元：优先代开免税普票，企业按月做财产租赁所得零申报；\n3. 油费、过路费1500元：公司抬头发票、行车台账、实报实销，不计入租赁收入、不交个税 ；\n4. 保险、年检、保养一律车主自行承担，不允许公司报销。\n落地建议\n长期稳定私车公用（≥6个月）→ 直接代开发票 ，每年仅几块钱印花税，彻底规避汇算清缴被纳税调增的风险。\n短期临时租用（3个月以内），可以尝试收据入账，但务必提前和主管税管员确认口径。\n补充两个高频误区\n1. ❌不要季度一次性支付2400元租金！ 按次判定，单次支付超过1000元，不再适用小额零星，必须开票。务必按月支付800元 。\n2. ❌租金和油费合并一笔转账！ 必须分开两笔：一笔租赁费，一笔费用报销，科目分开，备注区分。\n自然人电子税务局（扣缴端）\n财产租赁所得【私车租赁】操作简要步骤（适配月租800元零申报场景）\n重要前提：财产租赁属于【分类所得申报】，不要在综合所得里填报！ 申报时限：当月支付租金，次月15日内完成申报\n步骤1：人员信息采集（首次操作必做）\n1. 左侧菜单【人员信息采集】→【添加】\n2. 录入车主姓名、身份证号、手机号；\n3. 任职受雇类型：选择【其他】 （重点！不是雇员）\n4. 勾选【是否雇员】→否 ；\n5. 保存 → 点击【报送】，等待报送成功、身份验证通过。\n车主是公司员工，任职受雇信息正常存在；租赁申报仍然新增一条【其他】类型信息，分开填报。\n步骤2：进入分类所得申报模块\n首页左侧【分类所得申报】\n找到 财产租赁所得 → 点击右侧【填写】\n步骤3：新增填报数据（核心填报）\n1. 点击【添加】\n2. 选择对应车主姓名\n3. 所得项目：【其他财产租赁所得】（⚠️不要选个人出租住房！车辆不属于住房）\n4. 【收入】：填写不含增值税租金\n示例：月租800元 → 收入栏填：800\n5. 允许扣除的修缮费用：0 （无车辆维修由公司承担）\n6. 系统自动带出【减除费用】：800（收入≤4000自动扣800）\n7. 其他扣除、捐赠：全部填0\n8. 保存\n👉月租800场景：应纳税所得额=0，应扣缴税额=0，属于零申报\n拓展举例：月租2000元，收入填2000，减除费用自动800，系统自动计算个税240元\n步骤4：税款计算\n返回分类所得主界面，点击【税款计算】\n核对自动算出的应纳税额，确认数据无误。\n步骤5：附表填写（绝大多数情况无需填写）\n若无修缮费、减免事项，状态栏显示【无需填写】，直接跳过。\n步骤6：申报表报送\n1. 切换到【申报表报送】标签\n2. 核对报表：财产租赁所得\n3. 点击【发送申报】\n4. 点【获取反馈】，显示申报成功 即可。\n步骤7：税款缴纳（区分两种情况）\n1. ✅月租800元，税额0：不用缴款，申报完成\n2. ✅租金＞800，产生个税：进入【税款缴纳】，勾选记录完成扣款；\n实操建议：支付租金时预先扣除个税，税后转账给车主。\n⚠️高频关键注意事项（私车公用重点）\n1. 收入只填租金800元！公务实报油费、过路费不录入本表！\n2. 不要把租金+油费合并填入，会直接触发高额个税；\n3. 代开发票窗口如果只代开增值税、未预征个税 ，企业扣缴申报义务不能免除；\n4. 按月支付、按月申报；不要季度一次性合并申报；\n5. 留存备查资料：租赁合同、银行转账流水、收款收据/租赁发票、行车台账；\n6. 财产租赁所得不并入员工工资薪金，不参与综合所得汇算 。\n填报样板（月租800直接参考）\n所得项目：其他财产租赁所得\n收入：800\n修缮费用：0\n减除费用：800\n应纳税所得额：0\n应扣缴个税：0\n","permalink":"https://cfo580.cn/article/si-che-gong-yong-cao-zuo-fang-an/","summary":"私车公用最优方案：【有偿租车协议+月租金800元+公务实报实销】 核心结论（兼顾：费用税前扣除 + 个人个税最低） 首选方案：签订书面车辆租赁合同，租金设定800元/月；公务产生油费、过路费、停车费凭公司抬头发票实报实销。 ✅ 租金800元…","title":"🚙 私车公用 操作方案"},{"content":"强烈建议将日期和时间存储为标准的 ISO-8601 文本格式（YYYY-MM-DD 或 YYYY-MM-DD HH:MM:SS），以确保所有日期函数都能正确解析和计算。\n","permalink":"https://cfo580.cn/article/riqi-shijian-iso8601-geshi/","summary":"强烈建议将日期和时间存储为标准的 ISO-8601 文本格式（YYYY-MM-DD 或 YYYY-MM-DD HH:MM:SS），确保所有日期函数都能正确解析和计算。","title":"📅 日期和时间存储为ISO-8601格式"},{"content":"【本文摘自网络，供会计人了解 AI 趋势，版权归原作者所有】\n斯坦福总结了三个加速因素：\n高管亲自推（43%）\n有现成基础可复用（32%）\n终端用户真愿意用（25%）\n有个案例让我印象很深。一家半导体公司，AI项目第一次失败了，因为工程团队各自为政。后来AI负责人直接把问题升级到CEO，做了三件事：\n在每个部门设了AI布道者\n把AI使用率纳入公司OKR\n搞AI演示日，CEO亲自颁奖\n然后项目就成了。\n最大的阻力不在一线，在职能部门。给出的解法也很巧妙：别劝，给位置。\n当你把法务、HR拉进AI项目的治理委员会，让他们参与规则制定，而不是简单告诉他们“批准一下”，他们的态度会从“拦住你”变成“帮你搞”。\n与其说服，不如赋权。\n","permalink":"https://cfo580.cn/article/qi-ye-shi-shi-ai-cheng-gong-de-san-ge-guan-jian-yin-su/","summary":"【本文摘自网络，供会计人了解 AI 趋势，版权归原作者所有】 斯坦福总结了三个加速因素： 高管亲自推（43%） 有现成基础可复用（32%） 终端用户真愿意用（25%） 有个案例让我印象很深。一家半导体公司，AI项目第一次失败了，因为工程团队…","title":"🚀 企业实施AI成功的三个关键因素"},{"content":" 一、各库定位 \u0026amp; 适用场景\n1. openpyxl\n读写 .xlsx，原生操作单元格、格式、合并单元格、图表、批注\n面向单元格精细操作，适合修改已有表格、调格式、复杂报表\n底层纯 Python，大文件速度一般，内存占用偏高\n2. xlsxwriter（X 开头）\n仅新建写入 xlsx，不能打开已有文件修改\n支持丰富样式、图表、条件格式\n写入速度远快于 openpyxl，批量导出数据首选\n3. xlrd（X 开头）\n只读库，新版仅支持 .xls（二进制旧表格），不支持 xlsx\n读取 xls 速度极快，xlsx 请放弃 xlrd\n4. pandas\n底层封装 openpyxl /xlsxwriter/xlrd，本身不直接解析 Excel\n读：pd.read_excel() 默认引擎 openpyxl/xlsx\n写：df.to_excel() 可指定 engine=xlsxwriter /openpyxl\n优势：批量表格数据、大数据集、数据分析；劣势：精细单元格格式难操作\n二、效率排名（分场景）\n场景 1：大批量导出数据（几万 / 几十万行，只写数据，不需要修改旧表）\n速度从快到慢：\nxlsxwriter \u0026gt; pandas(engine=xlsxwriter) \u0026gt; pandas(engine=openpyxl) \u0026gt; openpyxl\nxlsxwriter 底层 C 优化，写入性能碾压 openpyxl，海量导出必选。\n场景 2：读取大 xlsx 文件，只拿数据做分析\n速度：\npandas (openpyxl 引擎) ≈ openpyxl\n二者差距很小；如果是老 xls 文件，xlrd 读取速度最快。\n场景 3：打开已有 xlsx，修改单元格、调整格式、增删行列\n只能用 openpyxl（xlsxwriter 不能打开旧文件）\n此时没有替代，效率上限就是 openpyxl，大数据会卡内存。\n三、关键结论\n1. 单纯导出大量数据 追求效率：用 pandas + xlsxwriter\n2. 需要编辑已有 Excel、调样式、图表、合并单元格 ：只能 openpyxl\n3. 读取老式 .xls 文件：xlrd\n4. 不要用纯 openpyxl 循环逐行写入上万行数据，速度极慢；批量 DataFrame 写入优先 xlsxwriter 引擎\n补充避坑\nxlsxwriter 无法加载已存在的 demo.xlsx，只能新建文件；\nopenpyxl 读写 xlsx 全能，但循环 cell 写入效率低；\npandas 只是封装工具，真正决定速度的是你指定的engine引擎。\n","permalink":"https://cfo580.cn/article/python-san-ge-ku-cao-zuo-excel-de-xiao-lv/","summary":"一、各库定位 \u0026amp; 适用场景 1. openpyxl 读写 .xlsx ，原生操作单元格、格式、合并单元格、图表、批注 面向单元格精细操作，适合 修改已有表格、调格式、复杂报表 底层纯 Python，大文件速度一般，内存占用偏高 2. x…","title":"⚡ python三个库操作EXCEL的效率"},{"content":"pandas 必须会，读 Excel 就是 pd.read_excel()，处理完 to_excel() 一写，日常百分之八十的活靠它。但 pandas 只管数据，格式基本不保留。\n要操作格式、模板填充，用 openpyxl，比如在指定单元格塞数据、改颜色、加公式，这个更灵活。\nxlwings 也很强，能直接调 Excel 程序，保留原格式，做给老板看的漂亮报表很合适。\n如果是老旧的 .xls 文件，xlrd 读 xlwt 写。大数据量写入可以考虑 XlsxWriter，速度比 openpyxl 快一些。\n建议先 pandas 入门，遇到格式需求再补 openpyxl。\n","permalink":"https://cfo580.cn/article/python-ku-zhi-pandas-xue-xi-yong-dao-de-ji-ge-ku/","summary":"pandas 必须会，读 Excel 就是 pd.read excel() ，处理完 to excel() 一写，日常百分之八十的活靠它。但 pandas 只管数据，格式基本不保留。 要操作格式、模板填充，用 openpyxl ，比如在指定…","title":"🐼 Python库之 Pandas 学习用到的几个库"},{"content":"作者：虑得先生\n天下苦 WINDOWS 自带的硬盘搜索久矣！\nEverything是上古神器了\u0026hellip;\u0026hellip;\n终于找到一款本地搜索的神器：listary。真的太香了。官网秒下载，安装秒成功，搜索秒出结果！\n每位以电脑为生产力工具的牛马们，赶快下载它。\n我用的最爽的就是，双击 Ctrl 就出现搜索框，输入汉字、拼音、拼音首字母都可以找到想找的文件，这一点对中文特别友好。\n有些在电脑里安装了但不常用的程序，居然可以在 listary 的搜索框里输入名字后，直接启动，省去了在“开始”菜单一个一个找的麻烦。\n在搜出的文件上，按右箭头，可调出“动作面板”，里面有：复制路径、移动到、发送到、批量重命名等，动作可完全自定义。\n还有很多功能，还没研究明白，大家赶快去摸索吧！\n","permalink":"https://cfo580.cn/article/ben-di-sou-suo-shen-qi-listary/","summary":"作者：虑得先生 天下苦 WINDOWS 自带的硬盘搜索久矣！ Everything是上古神器了\u0026hellip;\u0026hellip; 终于找到一款本地搜索的神器：listary。真的太香了。官网秒下载，安装秒成功，搜索秒出结果！ 每位以电脑为生产力工具的牛马们，赶快…","title":"⚡ 本地搜索神器——listary"},{"content":"AI 的两条铁律，第一，让机器自己学习，第二，数据决定上限。\nAI 正在向多模态迈进，一个模型终于能够同时理解文字、图像、音频、视频和代码。\n模型是同质化、容易获得的资源，数据才是差异。用自己的数据构建的独特 AI 能力才是真正的护城河。\nAI 编程是地基，它打开的不是一个存量市场，而是此前因成本过高而无法形成的巨大增量空间。\n智能助手已经完成了任何真正助手都要做的第一件事，站在主人和噪声之间，判断什么值得被呈现出来。智能助手负责取来材料，人类负责判断。\nAI 时代，一个新产品、一个新项目背后的第一性原理，就是要追问，这是为谁而做？发生在什么场景里？\nAI的能力边界分为四级：\n聊天机器人。\n工具型 AI。\n副驾驶型 AI。\n智能体。\n工具调用、任务规划、自主纠错，三者叠加在一起，让 AI 从仅会应答升级为可闭环完成任务。\n智能体是如何工作的？它必须配备 4 个组件。第一个组件是大模型，第二个组件是工具，第三个组件是记忆，第四个组件是知识。\n单个智能体的一个根本性缺陷是幻觉。让一组各有专长的智能体像一个专家团队一样工作，这就是多智能体架构。这会突破这种限制。\n多智能体架构的好处体现在两个层面。第一是协作与制衡。第二是异构混合。\n多领域跨界交叉激发创新的现象称为美第奇效应。当决策过于复杂、风险过于大时，单一视角是危险的。一个智能体团队比人类更敢说真话，设定对抗式批评者模式的智能体没有顾虑，这种制度性诚实是人类很难稳定做到的。\n2024 年核心问题是，智能体能不能稳定的完成一项任务。2025 年核心问题升级为，智能体能不能跑完整个工作流。2026 年核心问题已经触及企业运作的核心，智能体能不能替代一个职能部门？\n智能体现在还不能取代一切，尤其是不能替代人类之间的信任关系和沟通渠道。\n智能体真正的战场在企业。第一，替代真人岗位的成本。第二，创造的利润增量。\n红杉资本在其对 AI 变现模式的研究中指出，企业 AI 的付费方式正在从买 API 调用、买 Token 数量、买 SaaS 席位，向为工作成果付费演进。一个能持续增加企业收入的智能体系统，企业愿意按一定百分比与它分享利润的增量。这才是企业领导应该思考的 AI 采购模式。\n智能体打开万亿级市场的方式，它先在庞大的业务流程外包和职工薪酬市场找到突破口，然后持续为企业创造利润增量。\n我的企业在信息传递上有多少损耗？我的企业在决策链条上有多少拖延？真正创造价值的工作占全企业人力投入的比例是多少？这些问题正是 AI 智能体创造价值的方向。\n智能系统将成为下一代生产要素，每一种新的生产要素进入企业，需要的从来不是一笔单向的支出，而是在配套体系上的战略投入，这将成为企业长期固定的运营成本。人力可能是最古老的例子，工资只是人力成本的起点，企业还要建设包含培训、绩效管理、福利、办公空间等在内的 HR 体系，没人会简单地将人力成本等同于工资。未来成熟的企业会同时管理两支劳动力队伍，人力劳动力和智能体劳动力。\n用 AI 给企业带来新能力、新增长、新护城河，才是最主要的。因为第一，差距会被飞轮不断放大。第二，整个行业的节奏被迫加快。第三，AI 自身也在进步。\n有一个问题，当前沿 AI 和智能体变得像水电一样平价，你和对手手里的智能体没有差别。过去那些靠技术、靠效率拉开的优势会被一一抹平，你靠什么赢？这个问题的答案是，靠只有你才有的数据，靠你跑通的飞轮，靠AI 时代全新的组织代谢能力。\nAI 把人解放出来，去做真正需要判断力和创造力的工作。当大量执行工作由智能体员工承担时，企业内部因为人而产生的政治阻力、沟通延迟、意图曲解、信息过滤和部门壁垒。会被大量消解，整个企业的运转效率可以上一个台阶。\n企业级模型项目的失败，往往不是因为底层模型不够聪明，而是因为系统没有真正接入企业的工作流、上下文、数据流和反馈回路。\n真正能改善财报表现的场景，跨部门的定价决策、供应链的优化、核心产品的创新，对 AI 的需求最迫切，但落地门槛最高，涉及的利益相关方最多，风险最大，需要最高层级的组织授权。相反，容易部署的 AI 场景，比如会议纪要、文案初稿撰写、内部问答，推进起来阻力最小。可它们对损益表的影响也可以忽略不计。\n麻省理工学院发布的《生成式 AI 鸿沟：2025 年商业人工智能现状报告》显示，对于 AI 转型而言，内部自建的成功部署率约为 33%，大约是外部战略合作落选的一半。\n真正的预算要用在能贯通全局的 AI 系统上。\n对企业而言，真正有价值的问题，不是从一份文件里摘出一句话，而是要在不同系统、不同时间、不同业务对象之间建立联系。简单的把企业资料都塞给模型，不但不会让它变得更聪明，反而可能让它更混乱。\n企业要的不是一段流畅的文字，而是一个可追溯、可核查、可承担后果的判断。是一套能分辨来源、理解关系、连接系统、核查结果的机制。\n沉睡的数据包括以下几类：\n会议录音和转写稿。它们弥补了文字纪要难以承载的讨论语境。\n协作文档的编辑轨迹和批注内容。\n代码仓库的提交记录。\n此外，还有一些报销记录、差旅数据等。AI 把这些信号与业务结果关联起来，管理者才能更早发现资源错配、流程堵点和投入失效的问题。过去的管理系统只能处理结构化的数据，而真实世界里最有价值的信息往往藏在那些多形态的非结构化数据里。一段会议录音里的语气、一张图片里的现场情况、一段视频里的操作习惯。一条语音消息里的犹豫。今天的 AI 有能力对这些不同形态的信息进行统一读取、统一理解、统一分析，彻底唤醒这些数据。\n企业 AI 决策中枢的四块拼图：第一是大脑—模型。第二是地图—本体。第三是导航系统—企业的实时上下文。第四是操作系统：由 4 个子系统组成，调度系统、执行系统、接入系统和控制系统。\n本体被用来指代一套把概念、关系和规则讲清楚的模型。本体就是把企业做的这门生意里，所有重要的东西。人、客户、产品、订单、合同、审批流程、业务规则，以及它们彼此之间的关系，清清楚楚地定义出来，从而形成一张企业地图。最底层是数据来源，往上是数据模型，再往上是业务规则，最上层是语义。\n这一代模型真正的突破恰好落在输入端，模型能听懂人话。让最懂业务的人员自己开口就能建图，随时改图，这才是一张真正活的地图。\n如果没有一套机制去捕捉、记录、传播这些在企业实时发生的变化，模型就只能盯着一张静止的地图工作。这时，企业实时上下文存在的价值就凸显了出来。它的作用是把地图上每一天产生的所有事件，按时间顺序完整记录下来，并在第一时间传递给所有相关实体。时间维度一旦打通，模型的判断就不再局限于单一的横截面，而是能真正在业务时间轴上追因溯源。\nAI 时代的护城河，数据飞轮和组织代谢。过去企业的护城河有三个经典来源：\n用户的粘性让用户难以离开。\n品牌溢价让定价权得以维持。\n技术优势让竞争对手难以复制。\n数据飞轮指的是企业 AI 决策中枢不断进化的状态。一家正在运行中的企业，一直都在生成各种数据。这些数据会帮助企业 AI 决策中枢不断进化，进而获得更多数据来优化系统，形成正反馈循环。它是属于这家企业自己的持续进化的集体智能，最终会沉淀在企业 AI 决策中枢当中。\n企业进行 AI 转型的时间窗口，比大多数人意识到的要窄。数据复利的增长方式不是算术增长，而是指数增长。3 年后回望，差距不会体现在谁买了更强的模型，而是体现在谁的系统已经经历了 1000 次真实的业务闭环迭代。\n数据飞轮只是护城河的一半，另一半是关于组织本身的进化，称之为组织代谢能力。数据飞轮让系统越来越聪明，代谢让组织架构越来越适配企业的业务运行模式，组织代谢能力会变成企业在 AI 时代的核心竞争力。\n现在微软、零一万物、数据砖、雪花、现在服务等多家企业。都在从各自的起点向同一个方向推进，就是企业 AI 决策中枢是一条正在形成的赛道。\n李开复搭建了一套老板AI，它有四大引擎。第一是全域感知引擎，帮你看清一切。第二是执行闭环引擎，让承诺不再消散。第三是战略推理引擎，在落子之前替你推演。第四是组织文化引擎，照亮最该被看见的人。\n老板 AI 解开了一个管理学的古老难题，即委托代理问题。其底层逻辑是，当一个人委托另一个人替他做事，被委托的一方总是掌握着委托人看不到的信息，也就总有动机把这点信息优势变成私人利益。这跟道德关系不大，是结构给了人投机的空间。几百年来，人们想了三种办法解决它。第一是股权激励，第二是审计监察，第三是 KPI 考核，把行为压进可测量的框架。但这会触发古德哈特定律，即当一个指标变成考核目标，它就不再是好指标。\n委托代理难题能存在几百年，正是因为信息在传递中有足够大的损耗空间，而老板 AI 能把这个空间收窄。当每个人都清楚自己的承诺和产出在被持续客观的记录时，投机取巧就会失去生存的土壤。从 兰西奥尼 的 5 大障碍到 达利欧 的极度透明，管理学其实早就把病灶看得清清楚楚。但限于技术上的限制，一直没有得到解决，在 AI 时代。这些问题得到了解决。\n","permalink":"https://cfo580.cn/article/li-kai-fu-ai-wei-lai-yi-lai-ceo-zu-zhi-ge-ren-de-shi-dai-hong-li-du-shu-bi-ji/","summary":"AI 的两条铁律，第一，让机器自己学习，第二，数据决定上限。 AI 正在向多模态迈进，一个模型终于能够同时理解文字、图像、音频、视频和代码。 模型是同质化、容易获得的资源，数据才是差异。用自己的数据构建的独特 AI 能力才是真正的护城河。…","title":"📖 李开复《AI未来已来-CEO、组织、个人的时代红利》读书笔记"},{"content":"作者：虑得先生\n我接触的很多会计，抱怨，现在好难找工作。而接触到的老板，却表示半年都招不到合适的会计。这个现象，持续好多年了。直到最近一个亲戚，19年从业经验，有企业工资给到8000，却依然抱怨，好工作难找。这引起了我的思考：\n老板：\n简历写得密密麻麻，却都是在每个单位按时完成凭证制作、纳税申报、出具报表，再多一点的，就是能编写一些财务制度。然后呢，没有然后了。\n想要能分析、会沟通，甚至希望兼做BP、参与经营决策的会计，没有应聘的！好不容易来一个面试，一谈到薪资，扭头就走。\n想要一个年轻的，来的都是45+。\n会计：\n月薪6K，还要注册会计师优先？\n都金税四期了，还要做两套账？\n财务软件都舍不得买一套，让我用excel做账！\n成本票都拿不到，要我税务筹划？\n996，还要我有狼性和奉献精神？\n我明白了，就五个字：结构性错配！\n老板想几k招个即管账报税又能战略分析还能融资的复合型人才。会计是想收入高干活少离家近。\n老板，请您降低“全能幻想”，给出与能力匹配的薪酬和成长路径，用“学徒制”、“内部培养”把半成品变成专属成品。\n会计，请您从“基础会计”升级成“会业务、懂数据、能沟通”的复合型选手，靠实战项目、数字工具、行业深耕完成跃迁！记住，提供剩余价值，在人才市场上才有竞争力！\n只有双方的改变，才能破除“结构性错配”！\n","permalink":"https://cfo580.cn/article/lao-ban-zhao-bu-dao-kuai-ji-kuai-ji-que-zhao-bu-dao-gong-zuo/","summary":"作者：虑得先生 我接触的很多会计，抱怨，现在好难找工作。而接触到的老板，却表示半年都招不到合适的会计。这个现象，持续好多年了。直到最近一个亲戚，19年从业经验，有企业工资给到8000，却依然抱怨，好工作难找。这引起了我的思考： 老板： 简历…","title":"🎯 老板招不到会计，会计却找不到工作"},{"content":"【虑得先生整理于网络，如有侵权，请联系并立即下架】\n一笔分录做错，可能让公司多交税，也可能让审计一眼看穿你的不专业！尤其是下面这5笔，看似简单到“想当然”，却成了90%会计的翻车现场。快看看你的账本，是不是也这样？\n政府给的“补贴收入”，直接扔进“营业外收入”？错！ 想当然做法：收到政府补助，开心地记“借：银行存款，贷：营业外收入”。\n为啥错：这忽略了增值税！政府补助如果与销售收入或数量直接挂钩（如销售节能产品的补贴），属于增值税应税收入。会计需要判断补助性质，可能与主营业务相关，应计入“其他收益”或冲减相关成本费用。\n正确姿势：先判断是否缴增值税。若与日常活动相关，借：银行存款，贷：其他收益（或冲减对应成本费用）。\n买一赠一的“赠品”，只记成本不转出进项税？错！ 想当然做法：采购促销赠品，借：库存商品—赠品，借：应交税费—应交增值税（进项税额），贷：银行存款。送出去时，借：销售费用，贷：库存商品—赠品。\n为啥错：赠品视同销售！你抵扣了进项税，但没计提销项税，少交了增值税。这是税务稽查经典案例。\n正确姿势：赠送时，必须按赠品公允价值计提销项税。借：销售费用，贷：库存商品—赠品，贷：应交税费—应交增值税（销项税额）。\n“固定资产”清理，净损益都挤进“营业外收支”？错！ 想当然做法：设备报废或出售，把清理后的净损失全部计入“营业外支出”，净收益计入“营业外收入”。\n为啥错：如果资产是因自然灾害等非常原因毁损，才计入营业外收支。如果是正常出售、报废，产生的损益应计入“资产处置损益”科目，这在利润表上能更清晰反映管理层的主动经营决策结果。\n正确姿势：正常处置，借或贷：资产处置损益。只有因不可抗力毁损，才计入营业外收支。\n公司买的“水果零食”，全塞进“职工福利费”？错！ 想当然做法：办公室买来水果零食，会计大笔一挥：借：管理费用—职工福利费，贷：银行存款。\n为啥错：混为一谈！如果明确用于集体福利（如节日发放），计入福利费。如果是日常办公接待客户、会议消耗，应计入“管理费用—办公费”或“业务招待费”。二者在税前扣除标准上完全不同（福利费有比例限制）。\n正确姿势：问清用途，分清是“招待费”还是“福利费”，对应入账。\n老板报销的“家庭开支”，挂“其他应收款”等还款？错！ 想当然做法：老板把个人家庭开销拿来报销，会计记：借：其他应收款—老板，贷：银行存款，想着以后让老板还钱。\n为啥错：实质是变相分红！根据税法，这笔钱年底未归还且未用于经营，需视同分红，补缴20%个税。同时，这笔支出不得在公司所得税前扣除。\n正确姿势：坚决拒绝对公报销。如确属公司支出，必须取得合规发票，并根据真实业务实质（如业务招待、办公），计入对应费用科目。\n","permalink":"https://cfo580.cn/article/lao-kuai-ji-fan-che-xian-chang-zhe-5-bi-xiang-dang-ran-de-fen-lu/","summary":"【虑得先生整理于网络，如有侵权，请联系并立即下架】 一笔分录做错，可能让公司多交税，也可能让审计一眼看穿你的不专业！尤其是下面这5笔，看似简单到“想当然”，却成了90%会计的翻车现场。快看看你的账本，是不是也这样？ 1. 政府给的“补贴收入…","title":"🚗 老会计翻车现场！这5笔“想当然”的分录"},{"content":"作者：虑得先生\n真的，不论你学不学 python，安装它，会给你带来莫大的收益。\n我们先不论用 python 进行数据分析，单从工作自动化这个角度，都能节省大量的时间。这从何说起呢？\n你将重复的工作内容说给 AI，指定它做一个 python 的脚本，将 AI 给出的代码复制到 python 代码编辑器，执行它！你会有一种请了一位“数字员工”的快感！\n在网上搜索，有大量文章写 python 如何减轻工作量的文章，如果里面有代码，复制、执行！\n会计人的电脑，安装什么样的 python 环境呢？\n第一个是 Anaconda，可以称它为最适合会计人的 python 环境，它自带了 python 程序和常用的库，代码编辑器 jupyter notebook 是网页版的，对新手非常友好，输出的数据排列整齐，利于会计的工作。但它有一个缺点，没有代码自动补全，如果要使用这个功能，还得单独安装插件，对新手有一定的难度。\n第二个是安装 Vscode，它也有类似 jupyter notebook 的代码编辑模式。由于 Vscode 是通用的代码编辑器，你输入的代码是用什么编程语言，需要配置一个解释器。它配置 python 解释器有两种方式，一种是，在安装了 Anaconda 的情况下，配置选用 Anaconda。第二种情况是，如果没有安装 Anaconda，需要单独安装 python 程序，然后在 Vscode里配置选用 python。使用 Vscode，对新手的最大好处是有代码自动补全功能。\n以上两种方法，现在借助办公类AI，不用动手，告诉它你要安装这些，喝杯咖啡就帮你自动装好了。\n相信我，只要你收集了第一个脚本并在工作中得到了收益，你就会爱上它，会像仓鼠一样，疯狂的去收集自己适用的 python 脚本。恭喜你，你在会计赛道上，领先了！\n我是虑得先生，准备在网上卖会计人需要的 EXCEL 模版和 python 自动化脚本，帮助会计人节省重复操作的时间，助力会计人早日升职加薪！当然，如果你是 EXCEL 或 python 小白，我也可以陪跑伴读。\n","permalink":"https://cfo580.cn/article/jian-yi-hui-ji-ren-de-dian-nao-an-zhuang-yi-ge-python-huan-jing/","summary":"作者：虑得先生 真的，不论你学不学 python，安装它，会给你带来莫大的收益。 我们先不论用 python 进行数据分析，单从工作自动化这个角度，都能节省大量的时间。这从何说起呢？ 1. 你将重复的工作内容说给 AI，指定它做一个 pyt…","title":"🖥️ 建议会计人的电脑安装一个Python环境"},{"content":"作者：虑得先生\n纲举目张，会计人知道什么场景用什么类型的 EXCEL 函数，是 EXCEL 水平快速进阶的捷径。很多人接到任务两眼一抹黑，不知道该怎么用 EXCEL 完成这个任务，看完这一篇，就心里有数了。\n最新版的 EXCEL 和 WPS 表格 ，都有500+个函数，想完全记住是不可能的，那么，先将任务场景分类，再去对应的函数里查找，是一个有效的方法。按会计人常用的场景将函数进行分类如下：\n文本函数——“数据清洗 \u0026amp; 凭证标准化” 典型场景\n从金蝶/用友/ERP 批量导出的科目名称、辅助核算、发票号前后带空格或不可见字符 → TRIM+CLEAN 一键去脏。\n银行回单“交易摘要”里含“客户编码-客户名称”，需要拆成两列做往来核对 → LEFT/RIGHT/FIND 组合拆字符串。\n凭证摘要统一加前缀“#结转#”方便后期筛选 → CONCAT/TEXTJOIN 批量拼接。\n发票代码 12 位，不足前面补 0 → TEXT(value,\u0026ldquo;000000000000\u0026rdquo;) 强制补齐。\n小贴士：“文本型数字”会导致透视表求和为 0，记得 *1 或 \u0026ndash; 转成数值。\n日期与时间函数——“期间匹配 \u0026amp; 同比环比” 典型场景\n做月度利润表时，自动把凭证分录里的日期归集到“会计期间” → EOMONTH+TEXT(日期,\u0026ldquo;yyyymm\u0026rdquo;)。\n预算执行率分析，要求“滚动 12 个月”动态区间 → EDATE(基准月,SEQUENCE(12,-1)) 一次性生成 12 个月标题。\n应收账款账龄，按“逾期天数”分 0-30、31-60、61-90、90+ → DATEDIF(到期日,今天,\u0026ldquo;d\u0026rdquo;) 嵌套 IFS。\n年报附注里披露“报表截止日后事项”需要列出“报告出具日－资产负债表日”天数 → TODAY()-报表日。\n小贴士：月底关账一定把“今天”固化成“关账日”，否则第二天打开文件数字会飘；用 =DATE(2026,2,28) 而不是 TODAY()。\n数学与三角函数——“金额计算 \u0026amp; 误差修正” 典型场景\n材料成本差异率保留 4 位小数，再乘回数量 → ROUND(差异率,4) 避免浮点误差导致 1 分钱不平。\n月末做“美元重估”，汇率乘以外币余额 → SUMPRODUCT(外币列, 汇率) 一次重估所有科目。\n固定资产双倍余额递减法 → DDB 函数直接算折旧，不需要手工拉公式。\n小贴士：“分”级精度用 ROUND(\u0026hellip;,2)，但差异分析表建议同时显示“差异额”和“差异率”，否则小数位被截掉看不出 0.0049 的异常。\n统计函数——“报表汇总 \u0026amp; 审计抽样” 典型场景\n年度审计抽凭：对 5 万条凭证按金额分层，先算 QUARTILE(凭证金额,3) 找到 TOP25% 的大额样本。\n做现金流量表间接法，验证“折旧摊销”是否等于累计折旧变动 → SUMIFS 按“科目编码=1602”汇总。\n预算达成率：实际费用÷预算费用 → AVERAGEIFS 可算“平均达成率”，避免手工除。\n小贴士：透视表求和与 SUMIFS 结果不一致，99% 是文本型数字或隐藏空格，先用 ISNUMBER 排查。\n查找与引用函数——“主数据匹配 \u0026amp; 报表勾稽” 典型场景\n总账导出的“科目编码”只有 6 位，需要匹配到预算系统的 10 位“成本中心-科目”组合码 → XLOOKUP 支持通配符，直接返回对应预算数。\n银行余额调节表：把“企业已付银行未付”明细从网银流水里勾掉 → MATCH 返回位置，再用 FILTER 把未勾掉的部分 spill 出来。\n三大报表数字互核：利润表“净利润”自动流到所有者权益变动表 → INDEX/MATCH 按项目关键字抓取。\n小贴士：VLOOKUP 默认近似匹配，会计数据必须写 0 或 FALSE 精确匹配；新版本直接用 XLOOKUP 更稳。\n逻辑函数——“自动化检查 \u0026amp; 异常预警” 典型场景\n凭证借贷平衡检查：用 IF(ABS(借方合计-贷方合计)\u0026gt;0.01,\u0026ldquo;不平衡\u0026rdquo;,\u0026ldquo;平衡\u0026rdquo;)，不平衡整行标红。\n费用报销单“发票类型=专票且税率≠13%”自动弹警告 → IF(AND(发票类型=\u0026ldquo;专票\u0026rdquo;,税率\u0026lt;\u0026gt;13%),\u0026ldquo;税率异常\u0026rdquo;,\u0026quot;\u0026quot;)。\n合并报表层面，对“未实现内部损益”\u0026gt;100 万的子公司列清单 → FILTER+IF 组合。\n小贴士：多层 IF 嵌套超过 3 层，用 IFS 或 SWITCH 可读性更好；再复杂就改用 Power Query 添加条件列。\n财务函数——“估值 \u0026amp; 折旧 \u0026amp; 资金时间价值” 典型场景\n租赁负债初始计量：已知租金 5 年、利率 4%，求现值 → PV(4%,5,-年租金,1)。\n债券实际利率法摊销：用 IRR 把未来现金流折到初始账面金额，自动生成摊销表。\n卡车原值 30 万，残值 3 万，年限 5 年，双倍余额递减 → DDB(300000,30000,5,第几年) 直接给折旧额。\n小贴士：财务函数默认“期末”模式；租金预付要用“1”或 TRUE 改为期初。\n信息函数——“数据质量 \u0026amp; 容错处理” 典型场景\n导出的“借方金额”列混有“#N/A” → IFNA(原公式,0) 把错误转成 0，避免透视表崩溃。\n检查“税率”列是否全为数字 → COUNTIFS(税率列,\u0026quot;\u0026lt;\u0026quot;\u0026amp;9E307) 与总行数对比，不等就说明有文本。\n需要知道某单元格是公式还是手工输入 → ISFORMULA 做颜色标识，方便审计追踪。\n数据库函数——“多条件统计 \u0026amp; 快速底稿” 典型场景\n做“销售费用-差旅费”按部门统计：条件区域写“科目”“部门”，DSUM 比 SUMIFS 更直观，条件区域可直接打印做审计底稿。\n抽大额异常：条件区“金额\u0026gt;50000 且 摘要含礼品”→ DCOUNTA 返回笔数，再决定是否延伸检查。\n工程函数——“特殊业务 \u0026amp; 进制转换” 会计用得少，但遇到“存货条码 16 进制转 10 进制”或“固定资产二进制 RFID”才会用到 HEX2DEC 等，一般 IT 同事处理即可。\n动态数组函数（365/2021 新功能）——“一键 spill \u0026amp; 模型降维” 典型场景\n银行流水 30 万条，想一次性把“对方户名含‘支付宝’”的所有支出 FILTER 出来，再 UNIQUE 去重，直接得到“支付宝账号”清单。\n做预算模板，用 SEQUENCE(12) 生成 1-12 月标题，改基准月整张表自动滚，彻底告别手工拖公式。\n快速记忆口诀\n“文本洗，日期切，数学算，统计合，查找配，逻辑审，财务折，信息检，库函底，工程稀，数组新。”\n","permalink":"https://cfo580.cn/article/kuai-ji-xue-excel-di-yi-bu-cong-ying-yong-chang-jing-jin-xing-han-shu-fen-lei-xue-xi/","summary":"作者：虑得先生 纲举目张，会计人知道什么场景用什么类型的 EXCEL 函数，是 EXCEL 水平快速进阶的捷径。很多人接到任务两眼一抹黑，不知道该怎么用 EXCEL 完成这个任务，看完这一篇，就心里有数了。 最新版的 EXCEL 和 WPS…","title":"🧮 会计学 EXCEL 第一步 从应用场景进行函数分类学习"},{"content":"作者：虑得先生\n会计工作因其高度的专业性、责任性与风险性，使得“留痕”成为从业者不可或缺的职业习惯与自我保护机制。电子邮件作为一种标准化的电子沟通工具，其特性完美契合了会计工作对“留痕”的刚性需求，其必要性远超一般行政沟通，是会计人履职与自保的“数字铠甲”。\n一、 会计工作的特性决定了“留痕”是生存底线\n会计工作并非简单的记账算账，它身处企业资金流转的核心，直接关系到经济活动的真实性、合法性与效益性，这赋予了其三大高风险特性：\n责任边界模糊与“替罪羊”风险：企业出现资金问题或涉税违规时，管理层常以“我不懂财务，都是会计全权操作”为由推卸责任。会计若无清晰的工作痕迹，极易成为责任的最终承担者。现实中，有会计因未留存操作授权记录，在企业偷税漏税案中获刑，而老板却得以脱责。\n职场陷阱与沟通复杂性：会计工作涉及大量指令传达、数据交接和跨部门协作。口头沟通存在巨大风险，例如领导口头下达临时指令、同事在文件交接时设置陷阱（如将文件放在无人座位）、或事后篡改数据并推诿责任。人的记忆不可靠，在争论中“嘴笨”的会计往往处于劣势。\n法律证据的刚性要求：会计的工作记录不仅是内部凭证，更是民事仲裁乃至刑事诉讼中的关键证据。完整的工作留痕能直接证明会计操作的合规性与无主观恶意，是“自证清白”的铁证。\n二、 电子邮件：为会计工作“留痕”量身打造的工具\n相较于微信、口头传达等即时但随意的沟通方式，电子邮件在满足会计“留痕”需求上具有不可替代的优势：\n法定的证据效力与完整性：电子邮件作为电子数据，在法律上具有明确的证据地位。它能够完整记录沟通的时间、内容、参与者（发送与接收方），形成无法轻易篡改的证据链。这正好应对了会计工作中“说不清楚”的困境。例如，在汇报重要事项（如客户严重违约需暂停供货）后，若领导遗忘并导致损失，事后追责时，一封记载了完整汇报内容和决策建议的邮件，远比口头汇报或记忆更有说服力。\n标准化流程与责任切割：电子邮件强制形成了“发出-接收-确认”的标准化流程。通过邮件明确任务节点（如“周三18点前提交报表，超时未回复视为同意”），可以极大减少重复沟通的内耗，并将责任在时间点和动作上予以清晰切割。对于外部指令，如集团制度更新，要求行政人员通过邮件正式传达，而非口头通知，能有效避免因传达失误导致的背锅风险。\n实现“来源可靠”与“程序规范”：国家电子会计档案管理标准强调电子会计资料的“来源可靠”和“程序规范”。电子邮件系统自带发件人认证、时间戳和传输记录，恰好满足了“来源可靠”的要求。而将重要的工作请示、审批授权（如大额资金支付）、政策传达等通过邮件进行，本身就是一种“程序规范”的体现，使得整个业务流程可追溯、可审计。\n安全存储与高效检索：电子邮件可长期保存在服务器或个人归档系统中，与财务AI或电子档案管理系统理念相通，实现了痕迹的安全存储与快速调取。当需要回溯多年前的某项决策依据或沟通记录时，通过关键词检索邮件远比翻找纸质记录或回忆更高效、更可靠。\n正式程度｜电子邮件 (Email)：正式、官方。是标准的商务沟通载体。｜微信/即时通讯：非正式、便捷。容易被视作闲聊，缺乏严肃性。\n证据效力｜电子邮件 (Email)：高。邮件系统自带时间戳，流程规范，易于归档和作为法律证据。｜微信/即时通讯：中低。聊天记录容易被篡改、删除，作为证据时需要复杂的公证流程。\n信息承载｜电子邮件 (Email)：强。支持大附件、格式化正文，适合传递报表、合同等复杂文件。｜微信/即时通讯：弱。文件容易过期，长文本阅读体验差，重要信息易被刷屏淹没。\n沟通习惯｜电子邮件 (Email)：异步、深度。适合需要思考、确认和存档的严肃沟通。｜微信/即时通讯：同步、快速。适合日常琐事的快速问答。\n三、 超越自保：电子邮件提升会计工作效率与价值\n留痕不仅是“保命手段”，更能带来积极的业务价值，电子邮件在此同样发挥关键作用：\n沉淀知识，助力传承：通过邮件往来积累的项目讨论、合同条款修改、审计意见反馈等，构成了宝贵的组织记忆和业务知识库。当新人接手工作时，这些历史邮件能帮助他们快速理解业务逻辑和前因后果，缩短上手周期。\n规范协作，提升效率：在涉及多部门协作的复杂业务（如股权转让、项目审计、资产处置）中，邮件可以作为正式的信息同步平台。例如，根据新《公司法》，股东向外部转让股权时，需将转让条件等事项书面通知其他股东。使用邮件发送并保留送达凭证，是履行法定义务、避免纠纷的最佳实践。同样，在审计或纪检监察工作中，问询、线索移交等关键步骤也需要全程留痕，邮件提供了规范的载体。\n结论：对于会计人而言，使用电子邮件绝非简单的沟通方式选择，而是由职业的高风险特性和法律环境所决定的必要性行为。它将散乱、易逝的口头信息转化为结构化、可追溯、具法律效力的电子证据，是会计人在复杂职场中切割责任、抵御风险、提升效能的核心工具。养成“重要事项必邮件”的习惯，善用电子邮件进行规范化留痕，是每一位会计人构筑职业安全防线、迈向专业化的关键一步。\n我为大家准备了一个免费的 python 脚本，实现邮件群发功能，邮件地址取自你建立的EXCEL表格。想要的电子邮箱联系我：contact@6dooo.com\n","permalink":"https://cfo580.cn/article/lun-kuai-ji-ren-shi-yong-dian-zi-you-jian-de-zhong-yao-xing/","summary":"作者：虑得先生 会计工作因其高度的专业性、责任性与风险性，使得“留痕”成为从业者不可或缺的职业习惯与自我保护机制。电子邮件作为一种标准化的电子沟通工具，其特性完美契合了会计工作对“留痕”的刚性需求，其必要性远超一般行政沟通，是会计人履职与自…","title":"📧 论会计人使用电子邮件的重要性"},{"content":"作者：虑得先生\n会计人，不仅仅在专业知识方面需要终身学习，通识认知方面，也要涉及。今天我们来聊聊思维模型。思维模型是人类总结的认知工具 （可类比财税工作中的“会计准则”“税法条款”），本质是对复杂世界的简化规律。当会计人拥有了应用思维模型的能力，将带来如下好处：\n1.高效且精准的问题分析能力。\n2.战略级的财务决策能力。\n3.跨领域整合创新能力。\n4.风险预测的质变能力。\n5.沟通影响力的指数提升能力。\n6.职业抗替代能力。\n一、模型清单\n【通用底层模型（10个必掌握）】\nMECE原则（相互独立、完全穷尽）｜避免数据遗漏/重复，如同会计“科目分类不重不漏”｜税务自查时拆分税种（增值税、企业所得税、个税等），确保无遗漏申报项\n金字塔原理｜结构化表达，先结论后论据，如同“财务报表附注披露逻辑”｜向管理层汇报财务分析报告（先给出“利润下滑10%”结论，再分原因论证）\n80/20法则（帕累托法则）｜聚焦核心矛盾，如同“重点税源管理”（20%的大客户贡献80%的收入）｜筛选高风险税务疑点（20%的异常凭证可能导致80%的税务风险）\n第一性原理｜回归本质，穿透表象，如同“税法立法精神”（抛开复杂条款，回归“税负公平”核心）｜解读模糊税法条款时，结合立法意图判断纳税义务（如“无偿借款是否视同销售”）\n概率思维（贝叶斯定理）｜基于证据更新判断，如同“税务风险评估”（根据新政策调整风险发生概率）｜预测某笔业务的税务合规概率（如“红字发票开具后，退税成功概率提升至90%”）\n机会成本｜权衡选择的隐性成本，如同“财税筹划中的方案对比”（选择A方案需放弃B方案的节税收益）｜决策“是否享受研发费用加计扣除”（需投入人力整理资料，机会成本是其他项目的推进）\n复利思维｜长期积累的力量，如同“折旧摊销”“资金时间价值”｜测算“递延所得税资产/负债”对未来利润的影响，或长期税务筹划的节税累计效应\n逆向思维（反向思考）｜从对立面找答案，如同“税务稽查反推”（站在稽查角度思考企业可能存在的漏洞）｜自查时模拟税务稽查逻辑（“如果我是稽查员，会重点查哪些凭证？”）\n系统思维（全局观）｜考虑要素间的关联，如同“财务报表的勾稽关系”（资产负债表、利润表、现金流量表相互印证）｜分析“营改增”对企业上下游供应链的影响（不仅看自身税负，还要看客户/供应商反应）\n风险矩阵（可能性×影响度）｜量化风险等级，如同“企业税务风险评级”（国家税务总局的风险分级标准）｜对“发票虚开”“收入延迟确认”等风险进行分级，优先处理“高可能性+高影响”事项\n【财税专业模型（8个必掌握）】\n税负率分析模型｜对比行业基准，判断税负合理性，如同“会计的比率分析（流动比率、资产负债率）”｜监控企业增值税税负率（若行业平均3%，企业仅1%，需排查是否存在少计收入）\n杜邦分析模型｜拆解净资产收益率（ROE），定位盈利短板，核心用于财务分析｜分析“净利润下降”原因（是销售净利率下滑，还是资产周转率降低，或杠杆率调整）\n现金流折现模型（DCF）｜评估资产/项目价值，如同“固定资产减值测试”（未来现金流量现值低于账面价值需减值）｜测算“无形资产投资”的投资回报率，或企业并购中的估值测算\n税务筹划模型（合法节税）｜基于税法漏洞/优惠政策，设计最优纳税方案，如同“会计的盈余管理（合法范围内）”｜利用“小微企业所得税优惠”“增值税即征即退”政策，设计最优纳税方案\n成本性态分析模型（固定/变动成本）｜拆分成本结构，支持决策，如同“管理会计中的本量利分析”｜测算“盈亏平衡点”，判断某业务是否值得开展（如“新增客户的变动成本是否覆盖定价”）\n内部控制五要素模型｜防范财务舞弊，如同“企业内控规范”（控制环境、风险评估、控制活动、信息沟通、内部监督）｜设计“费用报销流程”（需部门审批、财务审核、票据查验，避免虚假报销）\n税务风险识别模型（指标预警）｜基于关键指标判断风险，如同“金税系统的风险预警指标”（如“进项税额变动率异常”）｜自建Excel/Python脚本，监控“收入增长率与税负率反向变动”“发票开具金额突增”等预警\n合并报表抵消模型｜消除内部交易影响，反映集团真实财务状况，核心用于集团企业财务核算｜编制集团合并资产负债表时，抵消“内部应收账款/应付账款”“内部销售收入”\n二、学习建议：\n先掌握通用底层模型 （10个）：这是“万能工具”，可迁移到所有工作场景（如MECE原则可用于数据分类、报告结构化、问题拆解），如同会计的“借贷记账法”，是基础中的基础；\n再补专业模型 （8个）：结合自身岗位（如税务岗重点学“税负率分析”“税务筹划模型”，财务分析岗重点学“杜邦分析”“DCF模型”）；\n刻意练习：绑定工作场景 ：每个模型至少对应1个实际工作案例（如用“80/20法则”筛选高风险客户，用“风险矩阵”评估发票合规风险），避免“死记模型不落地”。\n四、关键提醒：拒绝“模型堆砌”，追求“精准匹配”\n不用贪多：掌握上述18个模型，足以覆盖财税工作中的“分析、决策、汇报、风险控制”等核心场景；\n避免误区：不要为了“用模型”而用模型（如同会计不能为了“凑分录”而编造业务），需根据问题本质选择工具（如“拆分问题用MECE，量化风险用风险矩阵”）；\n动态更新：税法、会计准则会迭代，思维模型也需补充（如“金税四期”背景下，需新增“数据穿透思维”“跨部门协同思维”）。\n总结：思维模型的核心价值是“提升决策效率 ”，如同财税工作中的“标准化流程 ”，无需追求数量，重点是“用对、用透 ”，让模型成为解决实际问题的“快捷键 ”。\n","permalink":"https://cfo580.cn/article/kuai-ji-xu-yao-zhang-wo-de-18-ge-si-wei-mo-xing/","summary":"作者：虑得先生 会计人，不仅仅在专业知识方面需要终身学习，通识认知方面，也要涉及。今天我们来聊聊思维模型。思维模型是人类总结的 认知工具 （可类比财税工作中的“会计准则”“税法条款”），本质是对复杂世界的简化规律。当会计人拥有了应用思维模型…","title":"🧩 会计需要掌握的18个思维模型"},{"content":"作者：虑得先生\n最近看到一位老会计，通过科目余额表反查账务的思路惊艳到我了！\n她先整理了科目余额表，画了张画满线和圈的图，只用了2小时，拿着标记17处异常的报告找领导汇报~ 就有其中3处连我们都没发现的账税差异，她竟然通过预付账款贷方余额追踪到了去年错记的进项税。真的非常厉害\n一、逆查五步法\n查其他应收款贷方余额(必有私人卡走账)\n查库存商品借方发生额(90%暂估入库有问题)\n查预收账款期末数(警惕提前确认收入)\n查应交税费波动(重点看未交增值税明细)\n查财务费用正数(存款利息记错方向一抓一个准)\n二、余额表一定要标注的九个信号\n资产类科目出现贷方余额(查折旧摊销)\n负债类科目出现借方余额(查预收转收入)\n权益类科目本月发生变动(核对利润分配)\n成笨类科目期末有余额(查完工产品结转)\n损益类科目期末有余额(发现立即红冲)\n查银行存款余额为负数(调监控查流水)\n查应收应付出现相同客户(核对抵消分录)\n查存货科目与进销存差异超1%(全盘复盘)\n查应交税费余额与申报表差1分钱(倒查价税分离)\n三、高危科目处理\n其他应付款:余额超过实收资本50%立即预警。长期待摊费用:新增发生额必须附董事会决议营业外收入，每笔都要找到对应的审批单\n余额表诊断模板\n失衡检测区：自动标红借贷不平科目\n波动警报区：设置±10%自动预警\n跨期标记区：高亮超3个月往来款\n税会差异池：自动比对申报数\n四、快速上手技巧\n把最近三个月余额表打印出来，用红笔圈出所有带其他字样的科目，所有整数余额科目，所有本月新增科目，圈出来代表重要科目，再通过以上方法进行反查。\n五、新手小白三个不要踩的坑\n不要在余额表直接修改数字\n不要删除系统自动生成的重分类分录\n不要擅自调整科目辅助核算项\n","permalink":"https://cfo580.cn/article/tong-guo-ke-mu-yu-e-biao-fan-cha-zhang-wu/","summary":"作者：虑得先生 最近看到一位老会计，通过科目余额表反查账务的思路惊艳到我了！ 她先整理了科目余额表，画了张画满线和圈的图，只用了2小时，拿着标记17处异常的报告找领导汇报~ 就有其中3处连我们都没发现的账税差异，她竟然通过预付账款贷方余额追…","title":"🧾 通过科目余额表反查账务"},{"content":" 建立正确的数据处理思维\n我们用一个“学生信息管理”的例子，一步步来看如何应用这三个范式。\n学号｜学生姓名｜课程名称｜课程学分｜系别｜系办电话｜学科成绩\n1001｜张三｜数据库｜4｜计算机系｜88880001｜90\n1001｜张三｜数据结构｜3｜计算机系｜88880001｜85\n1002｜李四｜数据库｜4｜电子系｜88880002｜95\n这张表虽然信息全，但存在很多问题：\n数据大量重复（如“计算机系”和它的电话），\n修改学分或系办电话需要更新多行，\n如果删除所有学生记录，课程和系别信息也会丢失。\n为了解决这些问题，我们需要引入范式。\n一、数据存储三范式\n第一范式 1NF：原子性\n核心：表中的每一列都必须是不可再分的单一属性。\n例子： 上面的“大宽表”已经满足了第一范式，因为每一列（如“学生姓名”、“课程名称”）都是单一值。 反例： 如果有一列叫“联系方式”，里面同时存了“手机号”和“家庭电话”，那就不符合1NF。应该拆分成“手机号”和“家庭电话”两列。\n小结： 不相关的内容绝不放在一个格子里。\n第二范式 2NF：消除部分依赖\n核心： 在满足1NF的基础上，表中的非主键列必须完全依赖 于整个主键，而不能只依赖于主键的一部分（这主要针对联合主键）。\n分析：\n1. 在上面的“大宽表”中，我们需要用 (学号, 课程名称) 作为联合主键，才能唯一确定一行记录（一个学生的某一门课成绩）。\n2. 但是，学生姓名只依赖于 学号，课程学分只依赖于 课程名称。它们并没有完全依赖于 (学号, 课程名称) 这个整体。这就是“部分依赖”。\n解决方案： 将存在部分依赖的字段拆分到独立的表中。\n学生表 (学号, 学生姓名, 系别, 系办电话)\n课程表 (课程名称, 课程学分)\n成绩表 (学号, 课程名称, 学科成绩)\n现在，每个非主键字段都完全依赖于自己表的主键了。\n小结 ：表里所有数据，都必须完完整整靠整行主键决定，不能靠一半。\n第三范式 3NF：消除传递依赖\n核心： 在满足2NF的基础上，表中的非主键列必须直接依赖 于主键，而不能依赖于其他非主键列。也就是不能存在 A → B → C 这样的“传递依赖”。\n分析： 我们来看拆分后的学生表 (学号, 学生姓名, 系别, 系办电话)。主键是 学号。 学号 决定了 系别，而 系办电话 实际上是由 系别 决定的。 这就形成了一个传递依赖链：学号 → 系别 → 系办电话。系办电话 并没有直接依赖于主键 学号。 解决方案： 将存在传递依赖的字段再次拆分。 学生表 (学号, 学生姓名, 系别) 系别表 (系别, 系办电话) 现在，学生表中的 系别 作为一个“外键”，指向系别表。系办电话 信息只在系别表中存储一次。\n小结： 不要在一张表里，通过 A 字段推导出 B 字段；能用编号关联，就绝不重复存文字。\n精简知识点\n1. 1NF ：一格只存一件事，不混装\n2. 2NF ：一表只做一件事，字段全靠主键定\n3. 3NF ：文字别重复存，用编号查表，表内不传递绕弯子\n拓展知识点： 了解一维表格和二维表格\n二、重点学习EXCEL的快捷键\n（一）基础操作快捷键\nCtrl + N：新建工作簿\nCtrl + O：打开现有工作簿\nCtrl + S：快速保存\nCtrl + W：关闭当前工作簿\nCtrl + P：打开打印界面 ==\nCtrl + Z==：撤销上一步操作 ==\nCtrl + Y==：恢复撤销的操作 ==\nCtrl + F==：查找内容 ==\nCtrl + H==：替换内容 ==\nCtrl + A==：全选当前数据区域（按两次全选工作表）\n（二）导航与选择快捷键 快捷键 功能说明 Ctrl + ↑/↓/←/→ 快速跳转到数据区域边缘 Shift + ↑/↓/←/→ 扩展选择单元格范围 Ctrl + Shift + ↑/↓/←/→ 选择整行/列到数据末尾 Ctrl + Home 跳转到工作表开头（A1单元格） Ctrl + End 跳转到数据区域末尾 Alt + PageUp/PageDown 向左/右滚动一屏（笔记本可能需要配合Fn键）\n（三）单元格编辑快捷键\nF2：进入单元格编辑模式\nCtrl + Enter：在选中的多个单元格中同时输入相同内容\nAlt + Enter：在单元格内换行（输入多行文本） ==\nCtrl + D==：向下填充（复制上方单元格内容） ==\nCtrl + R==：向右填充（复制左侧单元格内容）\nCtrl + ;：插入当前日期\nCtrl + Shift + ;：插入当前时间\nDelete：清除单元格内容（保留格式）\nCtrl + -：删除选中的行/列/单元格\nCtrl + Shift + +：插入行/列/单元格\n（四）格式调整快捷键\nCtrl + B：加粗/取消加粗\nCtrl + I：斜体/取消斜体\nCtrl + U：下划线/取消下划线 ==\nCtrl + 1==：打开“设置单元格格式”对话框\n（五）公式与数据操作快捷键\nF4：切换单元格引用方式（绝对/相对引用，如 A1 → $A$1）\nAlt + =：自动求和（SUM函数）\nF9：手动重新计算所有公式 ==\nCtrl + Shift + L==：启用/取消筛选（数据透视表同样适用） ==\nAlt + D + S==：打开“排序”对话框（依次按键）\n（六）其他高效技巧\n快速填充（Flash Fill） 输入示例后按 Ctrl + E （自动提取或拆分数据，如分离姓名和电话）。\n复制可见单元格 选中区域 → Alt + ; → 再按 Ctrl + C（跳过隐藏行复制）。\n快速跳转到指定单元格 按 F5 或 Ctrl + G ，输入目标单元格地址（如 X100）。\n批量插入批注 选中区域 → Shift + F2。\n掌握 ALT 快捷键\n举例：ALT+H+M+U：取消合并单元格\n三、建立数据源表和查询表的概念\n日常做表格、做报表、做统计，第一件事就是把这两张表彻底分开 ，这是 Excel 专业用法的核心。\n1. 什么是数据源表？\n(1) 数据源表 = 原始基础数据表\n只存原始明细 。\n一行一条真实记录，结构规整：表头固定、列不乱插 。\n是所有报表、统计、透视表、函数引用的唯一源头 。\n(2) 在遵循“三范式”的基础上，数据源表注意不要有以下几个动作：\n不要排版。\n不要用各种“合并单元格”，改用**“跨列居中”** （Ctrl+1设置单元格格式——对齐——水平对齐——跨列居中）。\n不要“合计、小计”。\n按年、月下载、录入的数据，不要分表存放 ，而要纵向存放在一张表中，并将原表头的一些共用信息如“日期\u0026quot;、”部门“等，建立新列存放。\n每张表只能有一行标题行，且在第一行。\n举例：\n每日销售流水表\n员工信息明细表\n费用报销明细表\n库存进出明细表\n2. 什么是查询表\n查询表 = 结果报表 / 统计报表 ，查询表相当于”虚拟表“，不存放真实数据，只存放数据关系集合。\n特点：\n不手动录原始数据 ，全部从数据源表引用、统计、计算。\n可以做汇总、筛选、条件统计、透视、图表、排版美化。\n专门给人看、给领导看、用来打印、做分析。\n数据绝不手动改 ，改只改数据源，查询表自动更新。\n举例：\n月度销售汇总表\n部门费用统计表\n员工工资查询表\n库存余量统计表\n作用 ：相当于前台展示，只负责 “展示、分析、出结果”。\n3.为什么一定要分开？（核心价值）\n避免重复录入 原始数据只录一次，所有查询报表都从它取数，不用反复抄数据。\n修改只改一处 数据源改一行，所有查询表、公式、透视表全部自动跟着变，不用每张表挨个改。\n不会改错原始数据 查询表只看结果、不碰原始明细，避免误删、误改基础数据。\n方便做函数、透视表、Power Query 只要数据源结构标准(符合”三范式“），VLOOKUP/XLOOKUP、SUMIFS、数据透视表、Power Query 都能稳定运行，不会因为乱改列、合并单元格报错。\n报表整洁、可复用 查询表可以随便排版、加颜色、合并单元格、做图表，不影响底层原始数据。\n4.引用数据源表的函数\n1. 按编号查单个信息 → XLOOKUP\n2. 旧版 Excel 只能用 → VLOOKUP\n3. 按条件求和统计 → SUMIFS\n4. 批量筛选整片数据 → FILTER （365/2021 及以上）\n5. 不想写公式、长期用 → 数据透视表 / Power Query\n四、必知必会函数\nXLOOKUP、SUM/SUMIF/SUMIFS、AVERAGE、COUNT / COUNTA / COUNTIF、IF、AND、OR、LEFT / RIGHT / MID、MAX / MIN、FILTER、TRIM\n五、进阶之路\n上述内容——数据透视表——power query（数据清理）——power pivot(超级透视表)——SQL(结构化查询语言，取数不求人)——python(办公自动化)\n","permalink":"https://cfo580.cn/article/ji-jian-excel-shu-ju-chu-li-jiao-cheng/","summary":"建立正确的数据处理思维 我们用一个“学生信息管理”的例子，一步步来看如何应用这三个范式。 学号｜学生姓名｜课程名称｜课程学分｜系别｜系办电话｜学科成绩 1001｜张三｜数据库｜4｜计算机系｜88880001｜90 1001｜张三｜数据结构｜…","title":"🧮 极简 Excel 数据处理教程"},{"content":"和周围人搞好关系的秘诀就是：\n不分享喜悦，炫耀成功，\n不说三道四，不假装聪明。\n你要知道，人性最大的恶，\n就是见不得别人比自己过得好。\n","permalink":"https://cfo580.cn/article/gaohao-guanxi-de-renxing-benzhi/","summary":"和周围人搞好关系的秘诀：不分享喜悦、炫耀成功，不说三道四、不假装聪明——人性最大的恶，是见不得别人比自己过得好。","title":"🤝 搞好关系的人性本质"},{"content":"结合之前学习的 FILTER、GROUPBY、INDEX 等核心函数，以及「筛选非空部门+提取不重复名称」的实战需求，从核心定位→完整语法→底层原理→基础实战→进阶联动→避坑指南 全流程拆解，所有示例都适配常用的 原始数据源!A2:C17（A=姓名、B=部门、C=工资），完全贴合Excel学习节奏，可直接复制套用。\n一、核心定位：UNIQUE 到底是干嘛的？\nUNIQUE 是 Excel 365/2021 及以上版本专属的动态数组去重函数 ，核心作用可以用一句话概括：\n从你指定的单元格区域中，自动提取不重复的唯一值 ，无需复杂公式、无需下拉填充，结果自动向下/向右溢出显示。\n它是你实现「去重」需求的最优解，完美解决了传统去重方法的所有痛点：\n对比高级筛选：不用手动操作，数据源更新后结果自动刷新，完全动态\n对比 INDEX+MATCH+COUNTIF 复杂数组公式：1行代码搞定，逻辑极简，零学习成本\n核心优势：和你之前学的 FILTER、GROUPBY 等函数无缝联动，可实现「筛选→去重→分组统计」全流程连贯操作\n二、完整语法（中文版官方）+ 参数详解\n标准公式\n参数详解（1个必填，2个可选，超简单）\n参数名称｜中文名称｜必填/可选｜核心规则｜新手注意事项\n要去重的数组｜数据源区域｜必填｜你要提取不重复值的单元格区域，可以是单列、单行、多列多行的连续区域｜必须是连续的单元格区域，不支持分散的不连续区域\n按列去重｜去重维度｜可选，默认 FALSE｜取值：TRUE/FALSE；- FALSE（默认）：按行 去重，整行内容完全一致才会被去重；- TRUE：按列 去重，整列内容完全一致才会被去重｜90%的场景用默认的 FALSE 即可，仅提取不重复表头时用 TRUE\n仅提取唯一出现一次的值｜去重规则｜可选，默认 FALSE｜取值：TRUE/FALSE；- FALSE（默认）：提取所有不重复值，不管出现次数；- TRUE：仅提取在数据源中只出现过1次 的唯一值，重复出现的会被全部过滤｜进阶场景使用，比如筛选只出现过1次的部门、姓名\n补充：无结果提示参数（你之前用到的）\nExcel 365 中，UNIQUE 支持额外加一个「无结果提示」参数，当数据源全为空/无符合条件的值时，显示你指定的文本，不会出现 #CALC! 报错，和你之前学的 FILTER 函数完全一致：\n三、核心工作原理：新手必懂的3个底层规则\n这是你用好 UNIQUE 的核心，也是90%的新手都会踩坑的地方，必须先吃透：\n1. 动态数组自动溢出特性\nUNIQUE 是Excel 365的动态数组函数，核心特性是：\n你只需要在1个单元格 中输入公式，按回车后，结果会自动向下/向右铺满整个空白区域，无需手动下拉填充，和你之前学的 FILTER 函数完全一致。\n举个例子：你在E2单元格输入 =UNIQUE(B2:B17)，按回车后，Excel会自动把所有不重复的部门名称，从E2开始向下依次填充，不用你手动拉公式。\n2. 去重匹配规则\nUNIQUE 的去重逻辑是完全匹配 ，核心规则：\n文本内容：Excel默认不区分大小写 ，比如\u0026quot;销售部\u0026quot;和\u0026quot;销售部\u0026quot;（大小写/全角半角）会被判定为相同内容，自动去重\n数字/日期：必须完全相等才会被去重，比如5000和5000.0会被判定为相同，2023-01-01和2023/1/1也会被判定为相同\n多列去重：按行去重时，整行的所有列内容必须完全一致 ，才会被去重；只要有一列内容不同，就会被保留为独立的唯一值\n空值处理：默认会把空单元格/空行当成一个独立的唯一值，保留在结果中；如果要排除空值，必须搭配 FILTER 函数（就是你之前的需求）\n3. 结果排序规则\nUNIQUE 提取的不重复值，默认按照数据源中第一次出现的顺序排列 ，不会自动排序；如果需要按拼音/数值排序，搭配 SORT 函数即可，后面进阶场景会讲。\n四、基础实战场景（适配你的数据源，直接复制可用）\n所有示例都基于你的 原始数据源!A2:C17，A=姓名、B=部门、C=工资，可直接复制粘贴使用，完全贴合你的业务需求。\n场景1：基础单列去重（最常用，提取不重复的部门名称）\n效果：自动溢出显示B列所有不重复的部门名称，按照第一次出现的顺序排列\n注意：这个公式会保留空行，如果B列有空单元格，空值也会出现在结果中\n场景2：排除空值的单列去重 （你的核心需求，完美适配）\n公式拆解：和你之前的需求完全一致，先通过 FILTER 排除B列的空行，再通过 UNIQUE 提取不重复的部门名称\n优化：加了 \u0026quot;无有效部门数据\u0026quot; 无结果提示，B列全为空时不会出现 #CALC! 报错\n效果：自动溢出显示所有非空、不重复的部门名称，完全符合你的需求\n场景3：多列去重（提取不重复的部门+工资组合）\n核心逻辑：按行去重，只有当「部门+工资」两列的内容完全一致时，才会被去重\n效果：自动溢出显示所有不重复的「部门+工资」组合，两列内容同时去重\n场景4：按列去重（提取不重复的表头）\n核心逻辑：第二个参数填 TRUE，按列去重，整列内容完全一致才会被去重\n适用场景：提取表头的唯一值，或者横向的单行数据去重\n场景5：仅提取出现一次的唯一值（筛选只出现过1次的部门）\n核心逻辑：第三个参数填 TRUE，仅提取在B列中只出现过1次 的部门名称，重复出现的部门会被全部过滤\n适用场景：筛选唯一值、排除重复出现的内容\n五、进阶联动场景\n这是学习 UNIQUE 的核心价值，和之前学的 FILTER、GROUPBY、SORT 等函数无缝联动，实现「筛选→去重→排序→统计」全流程连贯操作。\n1. UNIQUE + FILTER 联动：先筛选后去重（最常用）\n需求：先筛选2023年入职的员工，再提取不重复的部门名称\n公式拆解：先通过 FILTER 筛选出2023年入职的员工对应的部门，再通过 UNIQUE 提取不重复的部门名称\n完全衔接你之前学的日期筛选、FILTER函数的内容，逻辑连贯\n2. UNIQUE + GROUPBY 联动：先去重后分组统计\n需求：先提取不重复的部门名称，再按部门汇总工资总额\n公式拆解：先提取不重复的部门名称，再通过 GROUPBY 按部门汇总工资总额，完全衔接你之前学的GROUPBY函数的内容\n效果：自动生成「不重复部门+对应工资总额」的汇总表，1行公式搞定\n3. UNIQUE + SORT 联动：去重后自动排序\n需求：提取不重复的部门名称，并按拼音升序排序\n核心逻辑：先去重，再通过 SORT 函数按拼音升序排序，结果自动溢出\n优化：如果要按降序排序，写 =SORT(UNIQUE(\u0026hellip;), , -1) 即可\n4. UNIQUE + XLOOKUP 联动：去重后精准查询\n需求：提取不重复的部门名称，再自动匹配每个部门的最高工资\n核心逻辑：先提取不重复的部门名称，再通过 XLOOKUP 反向查找每个部门的最高工资，完全衔接你之前学的XLOOKUP函数的内容 六、常见坑\u0026amp;避坑指南（90%的新手都会踩）\n坑1：版本不兼容，公式直接报错\n这是最常见的坑，UNIQUE 是Excel 365/2021及以上版本的专属函数，Excel 2019及以前的旧版本没有这个函数，粘贴公式后会直接报错 #NAME?。\n解决办法\nExcel 365版本：直接使用，优先首选\n旧版本Excel：用你之前学的 INDEX+MATCH+COUNTIF 数组公式实现去重，或者用高级筛选功能\n坑2：去重结果中出现空值，没有被排除\n很多新手写公式时，忘记了空行的判断，导致空单元格也被当成唯一值，出现在结果中。\n解决办法\n必须搭配 FILTER 函数排除空值，公式固定写法：=UNIQUE(FILTER(区域, 区域\u0026lt;\u0026gt;\u0026quot;\u0026quot;), \u0026ldquo;无数据\u0026rdquo;)\n这个写法会自动排除区域中的所有空行/空单元格，只保留非空的不重复值，完全解决你的空值问题\n坑3：多列去重结果不符合预期，没有去重\n很多新手用多列去重时，发现结果还是有重复项，核心原因是没有理解「整行完全一致才会被去重」的规则。\n解决办法\n多列去重时，必须保证整行的所有列内容完全一致 ，才会被去重；只要有一列内容不同，就会被保留\n示例：部门列都是\u0026quot;销售部\u0026quot;，但工资列一个是5000，一个是6000，整行内容不一致，不会被去重，会被当成两个独立的唯一值\n坑4：溢出报错 #SPILL!\n和你之前学的 FILTER 函数一样，UNIQUE 也会出现溢出报错，核心原因是公式要溢出的区域被其他内容挡住了。\n解决办法\n清空公式下方/右侧的所有单元格，给 UNIQUE 留出足够的空白溢出区域，重新按回车即可 坑5：无结果时出现 #CALC! 报错\n当数据源全为空、或者没有符合条件的内容时，UNIQUE 会默认返回 #CALC! 报错，影响表格的整洁性。\n解决办法\n加最后一个「无结果提示」参数，公式固定写法：=UNIQUE(区域, , , \u0026ldquo;无有效数据\u0026rdquo;)\n当没有符合条件的内容时，会显示你指定的文本，不会出现报错，和你之前学的 FILTER 函数完全一致\n坑6：需要区分大小写去重，默认不生效\nExcel默认的 UNIQUE 函数不区分大小写，比如\u0026quot;销售部\u0026quot;和\u0026quot;销售部\u0026quot;（大小写）会被判定为相同内容，自动去重。\n解决办法\n搭配 EXACT 函数实现区分大小写的去重，公式：=UNIQUE(FILTER(原始数据源!B2:B17, EXACT(原始数据源!B2:B17, 原始数据源!B2:B17))) 七、UNIQUE vs 其他去重方法对比表\n结合之前学的所有去重方法，给出清晰的决策标准，不用纠结什么时候用什么方法：\n去重方法｜核心优势｜核心缺点｜适用场景\nUNIQUE函数｜公式极简、1行搞定、动态更新、自动溢出、和其他函数无缝联动｜仅Excel 365/2021+版本支持｜如正在用Excel 365版本，优先首选，所有动态去重场景\n高级筛选｜不用写公式、可视化操作、零门槛、全Excel版本兼容｜一次性操作，数据源更新后需要重新执行，不会自动刷新｜一次性去重需求，不需要动态更新的场景，零基础首选\nINDEX+MATCH+COUNTIF｜全Excel版本兼容、灵活可控、可实现复杂去重逻辑｜公式复杂、需要下拉填充、旧版需要按数组公式回车｜Excel 2019及以前旧版本，需要兼容低版本的场景\n八、最终总结\nUNIQUE 函数是Excel 365中实现「去重」需求的最优解，核心价值可以用3句话概括：\n1. 基础用法 ：1行公式搞定单列/多列去重，自动溢出，无需下拉填充\n2. 核心价值 ：和之前学的 FILTER、GROUPBY 等函数无缝联动，实现「筛选→去重→排序→统计」全流程连贯操作\n3. 避坑核心 ：必须搭配 FILTER 排除空值，加无结果提示避免报错，注意版本兼容性\n「先筛选出非空的部门，再提取不重复的部门名称」，最终的完美公式就是：\n这个公式排除了空值，加了无结果提示，自动溢出，可直接复制到Excel中使用。\n","permalink":"https://cfo580.cn/article/excelunique-han-shu/","summary":"结合之前学习的 FILTER 、 GROUPBY 、 INDEX 等核心函数，以及「筛选非空部门+提取不重复名称」的实战需求，从 核心定位→完整语法→底层原理→基础实战→进阶联动→避坑指南 全流程拆解，所有示例都适配常用的 原始数据源!A2…","title":"🏷️ Excel UNIQUE 函数"},{"content":"Excel的搜索匹配函数按功能可分为5大类 ，覆盖了从基础文本关键词查找、精准数据匹配、多条件动态筛选到高级正则规则匹配的全场景，以下是完整清单，标注了Excel 365专属函数、兼容版本和核心踩坑点。\n一、基础文本搜索匹配函数\n核心用于判断单元格文本是否包含指定关键词 ，是你之前做「产品名称输入关键词自动匹配」的核心函数，所有Excel版本通用。\n函数名称｜核心作用｜语法格式｜适用场景｜业务示例（贴合你的场景）｜关键注意事项\nSEARCH｜模糊查找文本中指定关键词的位置，不区分大小写 ，支持通配符｜SEARCH(要找的关键词, 被搜索的文本, [起始查找位置])｜产品名称模糊搜索、关键词匹配（你之前高频使用）｜匹配产品名称包含「手机」的行：；=ISNUMBER(SEARCH(\u0026ldquo;手机\u0026rdquo;, 产品名称列))｜1. 不区分大小写，\u0026ldquo;手机\u0026rdquo;和\u0026ldquo;手机\u0026rdquo;匹配结果一致；2. 支持通配符*（任意字符）、?（单个字符）；3. 找不到匹配项返回#VALUE!`错误\nFIND｜精准查找文本中指定关键词的位置，严格区分大小写 ，不支持通配符｜FIND(要找的关键词, 被搜索的文本, [起始查找位置])｜严格区分大小写的精准文本匹配、英文/代码类内容查找｜精准匹配产品名称中大写的\u0026quot;IPHONE\u0026quot;：；=ISNUMBER(FIND(\u0026ldquo;IPHONE\u0026rdquo;, 产品名称列))｜1. 严格区分大小写，\u0026ldquo;A\u0026rdquo;和\u0026ldquo;a\u0026rdquo;不匹配；2. 不支持通配符，仅能匹配完全一致的文本；3. 找不到匹配项返回#VALUE!`错误\nEXACT｜对比两个文本是否完全一致 ，严格区分大小写、空格、全角半角｜EXACT(文本1, 文本2)｜产品名称完全匹配校验、重复数据排查｜校验输入的产品名称和标准名称是否完全一致：；=EXACT(B2, 标准产品名称!A2)｜1. 完全匹配，哪怕多一个空格、全角半角不同都会返回FALSE；2. 区分大小写，是Excel最严格的文本匹配函数\nISNUMBER｜判断一个值是否为数字，核心用于辅助判断SEARCH/FIND是否匹配成功 ｜ISNUMBER(要判断的值)｜所有搜索匹配的辅助判断，将匹配结果转为TRUE/FALSE布尔值｜你之前的产品名称匹配核心公式：；=FILTER(产品名称列表, ISNUMBER(SEARCH(输入关键词, 产品名称列表)))｜1. 是SEARCH/FIND模糊匹配的必备辅助函数，避免错误值导致公式报错；2. 匹配成功返回TRUE，失败返回FALSE`，完美适配FILTER筛选条件\nISTEXT｜判断一个值是否为文本格式｜ISTEXT(要判断的值)｜筛选文本格式的产品名称、排除数字/错误值行｜过滤掉产品名称列为空/数字的无效行：；=FILTER(原始数据, ISTEXT(产品名称列))｜1. 空单元格、数字、错误值都会返回FALSE`；2. 常用于数据清洗，排除无效匹配行\n二、精准匹配查找函数\n核心用于按指定值匹配对应数据 ，是Excel最核心的查找类函数，覆盖了垂直/水平、单/多条件的精准匹配场景。\n函数名称｜核心作用｜语法格式｜适用场景｜业务示例｜关键注意事项\nXLOOKUP｜Excel 365专属全能查找函数 ，替代VLOOKUP/HLOOKUP，支持垂直/水平、多条件、反向查找，无列数限制｜XLOOKUP(查找值, 查找区域, 返回区域, [无匹配兜底值], [匹配模式], [搜索模式])｜所有精准匹配场景，是Excel 365的首选查找函数｜按产品名称匹配对应的单价：；=XLOOKUP(B2, 产品表!A:A, 产品表!B:B, \u0026ldquo;无此产品\u0026rdquo;)｜1. 无VLOOKUP的「查找值必须在第一列」的限制，查找区域和返回区域可任意指定；2. 支持多条件匹配，用*连接多个查找条件；3. 内置无匹配兜底值，避免#N/A`错误\nVLOOKUP｜经典垂直查找函数 ，兼容所有Excel版本，按行查找匹配值并返回对应列数据｜VLOOKUP(查找值, 查找区域, 返回列序号, [匹配类型])｜兼容老版本Excel的垂直匹配、单条件查找｜按员工姓名匹配对应的部门：；=VLOOKUP(B2, 员工表!A:C, 3, FALSE)｜1. 核心限制：**查找值必须在查找区域的第一列**，否则无法匹配；2. 匹配类型FALSE=精准匹配，TRUE=模糊匹配（必须升序排序）；3. 找不到匹配项返回#N/A`错误\nHLOOKUP｜经典水平查找函数 ，兼容所有Excel版本，按列查找匹配值并返回对应行数据｜HLOOKUP(查找值, 查找区域, 返回行序号, [匹配类型])｜横向表格的匹配、表头行的查找匹配｜按月份表头匹配对应的销售数据：；=HLOOKUP(\u0026ldquo;2024年11月\u0026rdquo;, 销售表!1:10, 5, FALSE)`｜1. 核心限制：查找值必须在查找区域的第一行 ；2. 匹配类型规则和VLOOKUP一致；3. 适用于横向布局的表格，日常使用频率低于VLOOKUP\nINDEX+MATCH｜兼容所有Excel版本的全能查找组合 ，无VLOOKUP的列数限制，支持反向/多条件查找｜INDEX(返回区域, MATCH(查找值, 查找区域, 匹配类型))｜兼容老版本Excel的复杂匹配、多条件查找、反向查找｜按产品名称匹配对应的库存数量：；=INDEX(库存表!C:C, MATCH(B2, 库存表!A:A, 0))｜1. 无列数限制，查找区域和返回区域可任意指定，是老版本Excel的首选方案；2. 支持多条件匹配，用*`连接多个MATCH条件；3. 你之前学过INDEX函数，可直接复用该组合\nXMATCH｜Excel 365专属匹配位置函数 ，替代MATCH，支持多条件、模糊匹配、反向搜索｜XMATCH(查找值, 查找区域, [匹配模式], [搜索模式])｜精准获取匹配值的行/列位置、多条件匹配定位｜查找产品名称在列表中的行号：；=XMATCH(\u0026ldquo;华为手机\u0026rdquo;, 产品名称列, 0)｜1. 支持多条件匹配，用*`连接多个查找条件；2. 匹配模式更灵活，支持通配符、升序/降序模糊匹配；3. 常和INDEX组合使用，实现复杂查找\n三、多条件匹配/筛选函数\n核心用于按多个条件筛选匹配数据 ，是你之前做「工资大于6000筛选、双分组统计」的核心函数，Excel 365专属的动态数组函数可实现一键多条件筛选。\n函数名称｜核心作用｜语法格式｜适用场景｜业务示例（贴合你的场景）｜关键注意事项\nFILTER｜Excel 365专属动态多条件筛选函数 ，按指定条件筛选匹配的行/列，自动溢出结果｜FILTER(要返回的区域, 筛选条件, [无匹配兜底值])｜多条件数据筛选、动态匹配结果输出（你之前高频使用）｜筛选工资大于6000的销售部员工：；=FILTER(原始数据, (部门列=\u0026ldquo;销售部\u0026rdquo;)(工资列 \u0026gt;6000), \u0026ldquo;无匹配数据\u0026rdquo;)｜1. 多条件用（AND逻辑，必须同时满足）、+（OR逻辑，满足其一即可）连接；2. 筛选条件的行数必须和要返回的区域行数完全一致；3. 溢出区域必须完全空白，否则会报#SPILL!`错误（你之前踩过的坑）\nCOUNTIF｜单条件计数匹配函数，兼容所有Excel版本，统计符合指定条件的单元格数量｜COUNTIF(统计区域, 匹配条件)｜单条件数据计数、重复值统计、匹配数量校验｜统计工资大于6000的员工人数：；=COUNTIF(工资列, \u0026ldquo;\u0026gt;6000\u0026rdquo;)｜1. 支持通配符 _、?，可做模糊匹配计数；2. 条件必须用双引号包裹，比如\u0026quot; \u0026gt;6000\u0026quot;、\u0026quot;_手机*\u0026quot;`；3. 仅能统计单条件，多条件需用COUNTIFS\nCOUNTIFS｜多条件计数匹配函数，兼容所有Excel版本，统计同时满足多个条件的单元格数量｜COUNTIFS(统计区域1, 匹配条件1, 统计区域2, 匹配条件2, ...)｜多条件数据计数、双分组统计、复杂匹配计数（你之前用过）｜统计销售部工资大于6000的员工人数：；=COUNTIFS(部门列, \u0026ldquo;销售部\u0026rdquo;, 工资列, \u0026ldquo;\u0026gt;6000\u0026rdquo;)`｜1. 最多支持127组条件，所有条件必须同时满足；2. 每个统计区域的行数/列数必须完全一致；3. 是你做双分组人数统计的核心兼容方案\nSUMIF｜单条件求和匹配函数，兼容所有Excel版本，对符合指定条件的单元格求和｜SUMIF(条件区域, 匹配条件, [求和区域])｜单条件数据求和、按分类汇总数据｜求销售部所有员工的工资总和：；=SUMIF(部门列, \u0026ldquo;销售部\u0026rdquo;, 工资列)`｜1. 求和区域可省略，省略后对条件区域本身求和；2. 支持通配符模糊匹配，条件必须用双引号包裹；3. 多条件求和需用SUMIFS\nSUMIFS｜多条件求和匹配函数，兼容所有Excel版本，对同时满足多个条件的单元格求和｜SUMIFS(求和区域, 条件区域1, 匹配条件1, 条件区域2, 匹配条件2, ...)｜多条件数据求和、复杂分类汇总｜求销售部工资大于6000的员工工资总和：；=SUMIFS(工资列, 部门列, \u0026ldquo;销售部\u0026rdquo;, 工资列, \u0026ldquo;\u0026gt;6000\u0026rdquo;)`｜1. 求和区域必须放在第一个参数，和SUMIF顺序相反；2. 所有条件区域的行数必须和求和区域完全一致；3. 最多支持127组条件，所有条件必须同时满足\nMAXIFS/MINIFS｜多条件极值匹配函数，Excel 2019及以上版本支持，求同时满足多个条件的最大值/最小值｜MAXIFS(极值区域, 条件区域1, 匹配条件1, ...)｜多条件极值匹配、求分类下的最大/最小值｜求销售部员工的最高工资：；=MAXIFS(工资列, 部门列, \u0026ldquo;销售部\u0026rdquo;)｜1. 极值区域必须放在第一个参数，所有条件区域行数必须一致；2. 最多支持127组条件，所有条件必须同时满足；3. 无匹配数据返回0`，可搭配IFERROR做兜底处理\n四、高级正则匹配函数（Excel 365专属）\n核心用于复杂规则的文本匹配 ，比如按格式匹配手机号、邮箱、身份证号，或提取符合规则的文本内容，是普通搜索函数无法实现的高级匹配场景。\n函数名称｜核心作用｜语法格式｜适用场景｜业务示例\nREGEXMATCH｜按正则表达式规则匹配文本，判断是否符合指定格式｜REGEXMATCH(被搜索的文本, 正则表达式)｜格式校验、复杂规则匹配｜校验手机号是否符合11位数字格式：；=REGEXMATCH(B2, \u0026ldquo;^1[3-9]\\d{9}$\u0026rdquo;)`\nREGEXEXTRACT｜按正则表达式规则提取文本中符合要求的内容｜REGEXEXTRACT(被搜索的文本, 正则表达式)｜提取指定格式的文本、关键词提取｜从产品名称中提取型号数字：；=REGEXEXTRACT(B2, \u0026ldquo;\\d+\u0026rdquo;)`\nREGEXREPLACE｜按正则表达式规则替换文本中符合要求的内容｜REGEXREPLACE(被搜索的文本, 正则表达式, 替换为的内容)｜文本清洗、格式统一、敏感内容替换｜把产品名称中的空格统一替换为无：；=REGEXREPLACE(B2, \u0026ldquo;\\s+\u0026rdquo;, \u0026ldquo;\u0026rdquo;)`\n五、辅助匹配优化函数\n核心用于辅助判断匹配结果、处理错误值、优化公式稳定性 ，是你写复杂匹配公式的必备辅助函数，可避免公式报错、提升可读性。\n函数名称｜核心作用｜适用场景｜业务示例\nIFERROR｜捕获公式中的所有错误值，返回指定的兜底内容｜处理匹配失败的错误值、避免公式报错｜匹配产品名称，无结果返回「无此产品」：；=IFERROR(XLOOKUP(B2, 产品表!A:A, 产品表!B:B), \u0026ldquo;无此产品\u0026rdquo;)`\nIFNA｜仅捕获#N/A错误值，返回指定的兜底内容｜处理VLOOKUP/XLOOKUP匹配失败的#N/A错误｜处理VLOOKUP匹配失败的错误：；=IFNA(VLOOKUP(B2, 员工表!A:C, 3, FALSE), \u0026ldquo;无此员工\u0026rdquo;)`\nISERROR｜判断公式是否返回任意类型的错误值｜辅助判断匹配是否成功、过滤错误值行｜过滤掉工资列有错误值的行：；=FILTER(原始数据, NOT(ISERROR(工资列)))`\nCHOOSECOLS/CHOOSEROWS｜Excel 365专属，提取匹配结果中的指定列/行｜匹配后提取需要的列、优化结果展示｜筛选后只提取部门、姓名、工资3列：；=CHOOSECOLS(FILTER(原始数据, 工资列\u0026gt;6000), 1,2,3)`\nHSTACK/VSTACK｜Excel 365专属，合并匹配后的多列/多行数据｜多表匹配结果合并、数据汇总｜合并1-12月的匹配结果：；=VSTACK(\u0026lsquo;2024年01月\u0026rsquo;!A:C, \u0026lsquo;2024年02月\u0026rsquo;!A:C)`\n核心复用避坑总结\n1. 模糊匹配首选SEARCH+ISNUMBER组合 ，是做产品名称关键词搜索的最优方案，不区分大小写、支持通配符，适配绝大多数业务场景；\n2. 精准匹配Excel 365首选XLOOKUP ，无VLOOKUP的列数限制，内置兜底值，避免#N/A错误；老版本Excel首选INDEX+MATCH组合，兼容性拉满；\n3. 多条件筛选首选FILTER函数 ，动态溢出结果，注意溢出区域必须完全空白，避免#SPILL!错误；\n4. 所有匹配公式必须加错误兜底 ，用IFERROR/IFNA处理匹配失败的错误值，避免公式报错导致表格显示异常；\n5. 中文表名/区域名必须用英文单引号包裹 ，这是跨表匹配报错的核心原因，必须严格遵守。\n","permalink":"https://cfo580.cn/article/excel-sou-suo-pi-pei-han-shu-qing-dan/","summary":"Excel的搜索匹配函数按功能可分为 5大类 ，覆盖了从基础文本关键词查找、精准数据匹配、多条件动态筛选到高级正则规则匹配的全场景，以下是完整清单，标注了Excel 365专属函数、兼容版本和核心踩坑点。 一、基础文本搜索匹配函数 核心用于…","title":"🎯 Excel 搜索匹配函数清单"},{"content":"结合之前学习的 FILTER、GROUPBY、UNIQUE、INDEX 等核心函数，以及会计工作的实际业务场景，从核心定位→完整语法→底层原理→基础入门→会计实战全案例→避坑指南 全流程拆解，所有内容完全贴合Excel 365/2021+版本，可直接复制套用，零基础也能快速上手。\n一、LET 函数核心定位：会计人必学的「公式简化神器」\nLET 是 Excel 365/2021 及以上版本专属的动态数组函数 ，核心作用可以用一句话概括：\n给公式中重复出现的复杂计算、长表达式定义自定义变量名 ，后续公式可直接调用变量名，无需重复编写长代码，彻底解决Excel公式嵌套复杂、可读性差、重复计算、调试困难的痛点。\n它是会计工作的「刚需神器」，完美适配会计场景的高频需求：\n个税超额累进计算、固定资产折旧、财务指标核算等复杂嵌套公式\n财务数据筛选、汇总、分析等重复调用的计算逻辑\n往来账核对、账龄分析、税务测算等需要多步骤计算的业务场景\n可无缝联动你之前学的 FILTER、GROUPBY、UNIQUE 等所有函数，形成完整的财务数据处理闭环\n二、完整语法（中文版官方）+ 参数详解\n标准公式结构\n核心参数规则（必懂）\n1. 参数必须成对出现 ：除了最后一个「最终计算表达式」，前面的参数必须是「变量名+变量值」一一对应，不能缺项\n2. 变量名规则 ：\n不能包含空格、特殊符号，不能以数字开头\n不能与Excel单元格地址（如A1、B2）、内置函数名（如SUM、IF）重复\n支持中文变量名（会计场景强烈推荐，比如「应纳税所得额」「累计折旧」，可读性拉满）\n3. 变量值 ：可以是固定数值、单元格引用、函数公式、数组表达式，甚至是另一个LET函数的结果\n4. 最终计算表达式 ：必填，是公式的最终输出结果，可以调用前面定义的所有变量，也可以直接写计算逻辑\n极简语法示例（会计基础场景）\n公式输出结果：毛利率为: 40.00%\n核心优势：每个计算步骤都有明确的中文变量名，不用拆解嵌套，一眼就能看懂逻辑\n三、核心工作原理 + 会计场景核心优势\n底层工作原理\nLET 函数的执行逻辑是从上到下、从左到右 ：\n1. 先按顺序计算每个变量的「变量值」，并把结果存储到对应的变量名中\n2. 所有变量计算完成后，再执行「最终计算表达式」，调用前面的变量输出最终结果\n3. 重复的计算逻辑只需要执行1次，后续调用变量名直接读取结果，无需重复计算\n会计场景4大核心优势（为什么会计人一定要学）\n优势｜会计场景实际价值\n简化复杂嵌套公式｜把个税、账龄分析、财务指标等几十层嵌套的长公式，拆分成多个有明确含义的变量，公式从「天书」变成「白话文」\n大幅提升计算性能｜财务数据筛选、汇总等重复计算，用LET定义1次即可，不用每次都重新遍历数据，大数据量的财务报表计算速度提升50%以上\n增强可维护性与可读性｜中文变量名直接对应会计科目/业务逻辑，同事、审计看公式一眼就能懂，后续修改税率、比例时，只需要改1个变量值，不用全公式修改\n大幅降低调试难度｜公式对账/出错时，只需要单独检查每个变量的计算结果，不用一层层拆解嵌套，找错效率提升10倍，完美适配会计对账、审计场景\n四、基础入门示例\n先通过熟悉的「部门筛选+去重+工资汇总」场景，快速掌握LET的基础用法：\n需求\n先筛选出非空的部门数据，再提取不重复的部门名称，最后按部门汇总工资总额，排除空行和无效数据。\n用LET实现的公式\n公式核心优势\n1. 每个步骤都有明确的中文注释，你之前学的 FILTER、UNIQUE、GROUPBY、INDEX 函数都被封装成了变量，逻辑一目了然\n2. 原始数据源只需要写1次，后续所有步骤都调用变量，不用重复写区域引用，修改数据源时只需要改1个地方\n3. 调试时，只需要单独输出每个变量（比如把最终结果改成「有效数据」），就能快速检查每一步的计算结果，找错非常方便\n五、会计场景全实战案例\n以下所有案例均贴合会计日常工作的高频需求，覆盖工资核算、税务计算、财务报表、往来账管理、固定资产核算等核心场景，所有公式可直接复制套用。\n案例1：个人所得税超额累进计算（会计发工资必用）\n业务背景\n会计计算员工当月工资薪金的个人所得税，采用7级超额累进税率，需要计算应纳税所得额、适用税率、速算扣除数、最终个税金额，公式要清晰可维护，后续税率调整时修改方便。\n最新个税税率表（综合所得月度）\n级数｜全月应纳税所得额｜税率｜速算扣除数\n1｜不超过3000元的部分｜3%｜0\n2｜超过3000元至12000元的部分｜10%｜210\n3｜超过12000元至25000元的部分｜20%｜1410\n4｜超过25000元至35000元的部分｜25%｜2660\n5｜超过35000元至55000元的部分｜30%｜4410\n6｜超过55000元至80000元的部分｜35%｜7160\n7｜超过80000元的部分｜45%｜15160\n用LET实现的个税计算公式\n公式核心优势\n1. 所有基础参数都放在最前面，修改税前工资、扣除项、起征点时，只需要改最前面的变量，不用动后面的计算逻辑\n2. 税率表用数组定义，后续税率调整时，只需要修改税率表数组，不用改整个公式\n3. 每个计算步骤都有明确的中文变量名，审计、同事看公式一眼就能懂，完全符合会计工作的合规要求\n4. 用你之前学的 XLOOKUP 函数匹配税率，逻辑清晰，不会出现IF嵌套过多的问题\n案例2：管理费用明细核算与部门汇总（结合FILTER/GROUPBY）\n业务背景\n会计从管理费用明细表中，筛选出2025年的有效费用数据，排除空行和零金额数据，按部门汇总费用总额，同时计算各部门的费用占总费用的比例，生成规范的部门费用汇总表。\n用LET实现的公式\n公式核心优势\n1. 完全衔接之前学的 FILTER、GROUPBY 函数，把多步骤的筛选、汇总、占比计算拆分成独立变量，逻辑一目了然\n2. 用 HSTACK/VSTACK 自动生成带表头的规范汇总表，Excel 365 自动溢出，不用手动调整格式\n3. 所有筛选条件都封装在变量里，后续修改筛选年份、金额阈值时，只需要改1个地方，不用全公式修改\n4. 加了错误处理，无有效数据时不会出现 #CALC! 报错，符合会计报表的规范要求\n案例3：应收账款账龄分析与坏账准备计提\n业务背景\n会计对应收账款进行账龄分析，按账龄分为「1年以内、1-2年、2-3年、3年以上」4个区间，统计每个客户的各账龄应收金额，同时按公司坏账政策计提坏账准备，生成规范的账龄分析表。\n坏账计提政策\n账龄区间｜计提比例\n1年以内｜5%\n1-2年｜10%\n2-3年｜30%\n3年以上｜50%\n用LET实现的账龄分析公式\n公式核心优势\n1. 自动计算每笔应收的账龄天数、匹配账龄区间、计提坏账准备，全程不用手动计算，会计月结效率大幅提升\n2. 所有参数都封装在变量里，后续修改计提比例、账龄区间时，只需要改最前面的参数表，不用动整个公式\n3. 用你之前学的 FILTER、GROUPBY 函数，自动生成客户账龄汇总表，Excel 365 自动溢出，不用手动调整\n4. 加了完整的错误处理，无有效数据时不会报错，符合审计和会计合规要求\n案例4：利润表核心财务指标自动计算\n业务背景\n会计从利润表明细数据中，自动计算营业收入、营业利润、利润总额、净利润、毛利率、净利率、各项费用占比等核心财务指标，生成规范的财务指标表，数据源更新后指标自动刷新。\n用LET实现的财务指标计算公式\n公式核心优势\n1. 所有核心科目都用 XLOOKUP 自动提取，不用手动引用单元格，利润表科目顺序调整时，公式不用修改\n2. 每个指标都有明确的中文变量名，公式逻辑完全符合会计准则，审计一眼就能看懂\n3. 自动计算各项占比，格式统一为百分比，不用手动设置单元格格式\n4. 加了完整的错误处理，营业收入为0时不会出现 #DIV/0! 报错，符合财务报表规范\n六、常见坑与避坑指南（会计人必看）\n1. 变量名规则踩坑\n坑：变量名用了空格、特殊符号，或者和单元格地址、Excel内置函数名重复，导致公式报错\n避坑：\n变量名用中文，不要加空格，比如「应纳税所得额」，不要写「应纳税 所得额」\n不要用A1、B2等单元格地址，不要用SUM、IF等Excel内置函数名\n变量名不要以数字开头，比如「1年账龄」，改成「账龄1年」\n2. 参数结构踩坑\n坑：变量名和变量值没有成对出现，或者忘记写最终计算表达式，导致公式报错\n避坑：\n严格遵循「变量名1, 变量值1, 变量名2, 变量值2, \u0026hellip;, 最终表达式」的结构\n最后一个参数必须是最终计算表达式，不能是变量名\n换行写公式时，注意逗号不要漏写，每个变量名和变量值之间用逗号分隔\n3. 版本兼容性踩坑\n坑：Excel 2019及以前的旧版本没有LET函数，粘贴公式后报错 #NAME?\n避坑：\n确认使用的是Excel 365/2021及以上版本，这是LET函数的最低版本要求\n旧版本Excel需要用传统的嵌套公式、辅助列实现，无法使用LET函数\n4. 变量作用域踩坑\n坑：在其他公式中调用LET函数里定义的变量，导致报错\n避坑：\nLET函数里定义的变量，仅在当前LET函数内有效 ，其他单元格的公式无法调用\n如果需要多个公式共用变量，把变量定义在名称管理器中（公式→名称管理器→新建名称）\n5. 过度嵌套踩坑\n坑：在LET函数里嵌套多层LET函数，导致公式可读性变差，调试困难\n避坑：\n尽量把所有变量都定义在同一个LET函数里，不要过度嵌套\n复杂的计算逻辑，拆分成多个独立的变量，不要在一个变量里写多层嵌套的公式\n七、最终总结\nLET 函数是Excel 365时代会计人的「必备神器」，核心价值可以用3句话概括：\n1. 简化公式 ：把几十层嵌套的长公式，拆分成多个有明确含义的中文变量，公式从「天书」变成「白话文」\n2. 提升效率 ：重复计算只执行1次，大幅提升财务大数据的计算速度，修改参数时只需要改1个地方，不用全公式修改\n3. 增强合规性 ：公式逻辑清晰，每个步骤都有明确的业务含义，审计、同事一眼就能看懂，完全符合会计工作的合规要求\n它和之前学的 FILTER、GROUPBY、UNIQUE、INDEX、XLOOKUP 等函数可以无缝联动，形成完整的财务数据处理闭环，能解决会计工作中90%以上的公式计算需求。\n","permalink":"https://cfo580.cn/article/excel-de-let-han-shu/","summary":"结合之前学习的 FILTER 、 GROUPBY 、 UNIQUE 、 INDEX 等核心函数，以及会计工作的实际业务场景，从 核心定位→完整语法→底层原理→基础入门→会计实战全案例→避坑指南 全流程拆解，所有内容完全贴合Excel 365…","title":"🪄 Excel的 LET 函数"},{"content":"结合之前学习的 FILTER、GROUPBY、SEARCH 等函数，我会从核心定位→基础语法→工作原理→实战场景→黄金联动组合→避坑指南 全流程拆解，所有示例都适配常用的 原始数据源!A2:C17（A=姓名、B=部门、C=工资），可直接复制套用，完全贴合Excel学习节奏。\n一、核心定位：INDEX 到底是干嘛的？\nINDEX 是Excel中最基础、兼容性最强的单元格定位提取函数 ，核心作用可以用一句话概括：\n根据指定的「行序号」和「列序号」，从选定的数据源区域中，精准提取对应的单元格、整行、整列或连续区域的内容。\n它是Excel里的「万能提取工具」，和之前学的函数是完美互补的：\nFILTER：筛选出所有符合条件的行 ，是批量筛选\nINDEX：精准提取指定的某一行/列/单元格 ，是精准定位\n两者搭配，能实现90%的Excel查找、提取、动态引用需求\n核心优势\n1. 全版本兼容 ：从Excel 2007到2025所有版本都能用，比XLOOKUP、FILTER兼容性强太多\n2. 极致灵活 ：支持从左到右、从右到左、从上到下、从下到上的任意方向提取，没有VLOOKUP的列顺序限制\n3. 联动性极强 ：可以和Excel所有函数无缝搭配，是实现复杂动态公式的核心基础\n4. 数组支持 ：Excel 365中支持动态数组溢出，可一次性提取多行多列内容\n二、完整语法（中文版）+ 参数详解\nINDEX 有两种语法形式，数组形式 是90%场景都会用到的，优先重点掌握；引用形式仅用于多区域的复杂引用，新手简单了解即可。\n1. 核心语法：数组形式（最常用，必学）\n注意：当 INDEX 的「行序号」参数为 0 时，Excel 365 会自动溢出该列的所有行内容 ，而不是取单个单元格。\n参数详解（按优先级，2个必填，2个可选）\n参数名称｜中文名称｜必填/可选｜详细说明｜新手注意事项\n数组区域｜数据源区域｜必填｜要提取数据的完整单元格区域，比如A2:C17，可以是单列、单行、多列多行的连续区域｜必须是连续的单元格区域，不能是分散的不连续区域\n行序号｜要提取的行号｜必填｜要提取的内容，在「数组区域」里的第几行 ，是数字｜是相对于数组区域的行号，不是Excel的绝对行号！（核心坑点，后面详细讲）\n列序号｜要提取的列号｜可选，默认=1｜要提取的内容，在「数组区域」里的第几列 ，是数字｜省略不写时，默认提取数组区域的第1列\n区域序号｜多区域编号｜可选，默认=1｜当同时指定了多个不连续的数组区域时，用这个参数指定提取第几个区域的内容｜新手几乎用不到，了解即可\n2. 补充语法：引用形式（新手简单了解）\n和数组形式的核心区别：支持不连续的多区域引用，返回的是单元格的引用地址，而非直接的数值，仅用于复杂的动态引用场景，新手日常使用完全用不到。\n三、核心工作原理：新手必懂的「相对行号/列号」规则\n这是用好INDEX的核心，也是90%的新手都会踩的坑，必须先吃透！\nINDEX 里的「行序号」和「列序号」，永远是相对于指定的「数组区域」的，而不是Excel工作表的绝对行号/列号 。\n举个最直观的例子，适配的数据源：\n指定的数组区域是：A2:C17（姓名、部门、工资列，带数据的完整区域）\n这个数组区域的「内部行号」：\n第1行 = A2:C2（Excel工作表的第2行）\n第2行 = A3:C3（Excel工作表的第3行）\n第3行 = A4:C4（Excel工作表的第4行）\n\u0026hellip;\n第16行 = A17:C17（Excel工作表的第17行）\n这个数组区域的「内部列号」：\n第1列 = A列（姓名）\n第2列 = B列（部门）\n第3列 = C列（工资）\n示例验证\n这个公式的含义：从A2:C17区域里，提取第3行、第2列 的单元格内容。\n对应Excel工作表的单元格：B4（数组区域第3行=工作表第4行，数组区域第2列=工作表B列）\n最终结果：返回B4单元格里的部门名称\n核心口诀：行号列号看区域，不是Excel的绝对行，数组区域的第一行，就是行号1的起始点。\n四、基础实战场景\n所有示例都基于的 原始数据源!A2:C17，A=姓名、B=部门、C=工资，可直接复制粘贴使用。\n场景1：精准提取单个单元格内容（最基础）\n需求：提取数据源里第5行员工的姓名\n说明：数组区域A2:C17的第5行=工作表第6行，第1列=姓名列，返回A6单元格的姓名 需求：提取数据源里第8行员工的工资\n说明：第8行=工作表第9行，第3列=工资列，返回C9单元格的工资数值 场景2：提取整行数据（Excel 365 自动溢出）\n需求：提取数据源里第10行员工的完整信息（姓名+部门+工资）\n核心技巧：列序号填0，代表提取该行的所有列，Excel 365会自动向右溢出，显示整行的完整信息\n兼容旧版Excel：旧版不支持0列号，可写=INDEX(A2:C17,10,{1,2,3})，按Ctrl+Shift+Enter数组公式回车\n场景3：提取整列数据（Excel 365 自动溢出）\n需求：提取所有员工的部门列完整数据\n核心技巧：行序号填0，代表提取该列的所有行，Excel 365会自动向下溢出，显示整列的所有部门名称\n旧版Excel兼容：写=INDEX(A2:C17,{1;2;3;\u0026hellip;;16},2)，按数组公式回车\n场景4：提取多行多列的连续区域（Excel 365 自动溢出）\n需求：提取第3行到第7行，所有员工的姓名和工资（第1列+第3列）\n说明：行序号用{3;4;5;6;7}指定多行，列序号用{1,3}指定多列，Excel 365会自动溢出成5行2列的区域\n核心规则：多行用分号;分隔，多列用逗号,分隔，和Excel数组规则完全一致\n场景5：提取最后一行数据（动态适配行数，不用改公式）\n需求：自动提取数据源里最后一行员工的姓名，不管数据源有多少行，不用手动改行号\n- MATCH 最后一个参数填 -1，代表从下往上反向查找 ，在 A2:A17 区域里，从最后一行开始往上找第一个「不为空的单元格」\n找到后，直接返回这个单元格在 A2:A17 区域里的行序号 ，不管中间有没有空行，这个行序号都是区域里最后一个有数据的行\nINDEX 用这个行号，就能 100% 取到正确的最后一行数据，完全不受空行影响\n五、进阶核心场景：INDEX+MATCH 黄金双向查找组合（必学）\n这是Excel里最经典、最灵活的查找组合，也是学好INDEX的核心应用，完全解决VLOOKUP的所有痛点，新手必须掌握。\n核心定位\nINDEX 负责「精准提取内容」，MATCH 负责「自动查找目标内容的行号/列号」，两者搭配，实现根据关键词自动查找并提取对应内容 ，比VLOOKUP灵活10倍：\n1. 支持从左到右、从右到左的任意方向查找，没有列顺序限制\n2. 支持多条件精准查找、模糊查找\n3. 不会因为插入/删除列而导致公式失效，稳定性极强\n4. 全版本Excel兼容，所有场景都能用\n先补1个知识点：MATCH 函数极简用法\nMATCH 函数的核心作用：查找指定的关键词，在目标区域里的位置序号 ，正好完美适配INDEX的行序号/列序号需求。\n标准语法\n核心参数\n匹配类型：0=精准匹配（90%场景用这个），1=小于匹配，-1=大于匹配 示例\n含义：在A2:A17的姓名列里，精准查找\u0026quot;张三\u0026quot;，返回\u0026quot;张三\u0026quot;在这个区域里的行序号，比如\u0026quot;张三\u0026quot;在A5单元格，就返回4（因为A2是第1行，A5是第4行） INDEX+MATCH 基础实战（适配的数据源）\n需求1：根据姓名「张三」，自动提取对应的部门名称\n公式拆解\n1. 内层MATCH(\u0026quot;张三\u0026quot;, A2:A17, 0)：在姓名列查找\u0026quot;张三\u0026quot;，返回他的行序号，比如4\n2. 外层INDEX(B2:B17, 4)：在部门列的第4行，提取对应的部门名称\n3. 最终结果：自动返回\u0026quot;张三\u0026quot;对应的部门，完全不用手动找行号\n需求2：根据姓名「张三」，自动提取对应的工资数值\n需求3：反向查找（从右到左，VLOOKUP做不到的）\n根据部门「销售部」，自动提取该部门第一个员工的姓名\n核心优势：VLOOKUP只能从左到右查找，而INDEX+MATCH可以任意方向，完全没有列顺序限制 INDEX+MATCH 多条件精准查找（进阶）\n需求：根据「姓名=张三」且「部门=销售部」，双条件精准提取对应的工资\n公式拆解\n1. 核心逻辑：(A2:A17=\u0026quot;张三\u0026quot;)*(B2:B17=\u0026quot;销售部\u0026quot;)，和之前学的FILTER多条件逻辑完全一致，*代表「并且」，同时满足两个条件时返回1，否则返回0\n2. MATCH(1, ..., 0)：查找返回1的行，也就是同时满足两个条件的行，返回行序号\n3. INDEX(C2:C17, 行序号)：提取对应行的工资数值\n拓展：Excel 365中，多条件匹配可以直接用XLOOKUP，但INDEX+MATCH兼容所有Excel版本，旧版也能用\nINDEX+MATCH 模糊查找（衔接之前学的SEARCH函数）\n需求：查找姓名包含「张」的第一个员工，自动提取对应的部门\n公式拆解\n1. 内层ISNUMBER(SEARCH(\u0026quot;张\u0026quot;, A2:A17))：和之前学的模糊筛选逻辑完全一致，姓名包含「张」返回TRUE，否则返回FALSE\n2. MATCH(TRUE, ..., 0)：查找第一个返回TRUE的行，也就是第一个姓名包含「张」的员工，返回行序号\n3. INDEX(B2:B17, 行序号)：提取对应行的部门名称\n六、联动学过的函数：INDEX 进阶组合用法\n结合之前学习的 FILTER、GROUPBY 等函数，实现更复杂的动态提取需求。\n1. INDEX + FILTER：筛选后精准提取指定行\n需求：先筛选出所有「销售部」的员工，再提取筛选结果里第2行的员工姓名\n公式拆解\n1. 内层FILTER(...)：筛选出所有销售部的员工，返回符合条件的所有行\n2. 外层INDEX(..., 2, 1)：从筛选结果里，提取第2行第1列的姓名，完全不用手动数行号\n核心优势：数据源更新后，筛选结果自动更新，INDEX提取的内容也会自动同步，完全动态\n2. INDEX + GROUPBY：分组汇总后提取指定结果\n需求：先按部门汇总工资总额，再提取「销售部」的汇总工资\n公式拆解\n1. 内层GROUPBY(...)：按部门汇总工资，返回「部门+工资总额」的两列结果\n2. MATCH(\u0026quot;销售部\u0026quot;, ..., 0)：在汇总结果里查找「销售部」的行序号\n3. INDEX(..., 行序号, 2)：提取对应行的第2列，也就是销售部的工资总额\n拓展：Excel 365中可以直接用XLOOKUP，但这个组合兼容所有Excel版本，而且逻辑完全衔接之前学的GROUPBY函数\n3. INDEX + SEARCH + ISNUMBER：批量模糊提取所有匹配结果\n需求：提取所有姓名包含「张」的员工的工资，Excel 365自动溢出\n说明：Excel 365中，这个公式会自动溢出，返回所有姓名包含「张」的员工的工资，完全不用下拉填充 七、常见报错\u0026amp;避坑指南（90%的新手都会踩）\n1. 最常见报错：#REF! 错误\n报错原因\n指定的「行序号」或「列序号」，超出了数组区域的范围，比如数组区域是A2:C17，只有16行3列，写了行序号17、列序号4，就会报错#REF!。\n解决办法\n检查行序号/列序号是否在数组区域的范围内，不要超过区域的总行数/总列数\n用COUNTA函数自动统计总行数，避免手动写行号超出范围，比如=INDEX(A2:C17, COUNTA(A2:A17), 1)\n2. 第二常见报错：#VALUE! 错误\n报错原因\n行序号/列序号填写了负数、非数字的文本内容，比如行序号写了\u0026quot;张三\u0026quot;、-5\n数组区域填写了不连续的分散区域，比如A2:A5,C2:C5，数组形式的INDEX不支持不连续区域\n解决办法\n行序号/列序号必须填写大于0的正整数，不能是文本、负数\n不连续区域请用引用形式的INDEX，或者拆分成多个连续区域\n3. 第三常见报错：#NUM! 错误\n报错原因\n多区域场景下，指定的「区域序号」超出了填写的数组区域数量，比如只写了1个数组区域，区域序号写了2，就会报错#NUM!。\n解决办法\n区域序号必须和填写的数组区域数量一致，单区域场景直接省略不写，用默认值1即可。\n4. 核心避坑指南\n1. 绝对引用问题 ：当要下拉填充公式时，数组区域必须用绝对引用（加$） ，比如$A$2:$C$17，不然下拉时区域会偏移，导致结果错误\n2. 行号列号的相对性 ：永远记住，行号列号是相对于指定的数组区域的，不是Excel的绝对行号，数组区域的第一行就是行号1\n3. 数组公式回车 ：Excel 2019及以前的旧版本，多行列的数组公式，必须按Ctrl+Shift+Enter回车，不能直接按回车，否则会报错\n4. 0值的处理 ：和之前学的FILTER函数一样，空单元格会返回0，用IF(INDEX(...)=0,\u0026quot;\u0026quot;,INDEX(...))可以把0替换成空白\n八、最终总结：什么时候用INDEX？\n1. 需要精准提取指定单元格/行/列内容 时，比如提取第5行的员工信息、最后一行的汇总数据\n2. 需要灵活的双向查找 时，比如从右到左的反向查找、多条件精准查找，INDEX+MATCH是最优解\n3. 需要兼容所有Excel版本 时，INDEX全版本兼容，比XLOOKUP、FILTER兼容性强太多\n4. 需要和其他函数联动实现复杂动态公式 时，INDEX是Excel函数的「万能连接器」，可以和所有函数无缝搭配\n5. 需要动态适配数据源行数 时，搭配COUNTA函数，不用手动改行号，数据源更新后自动适配。\n","permalink":"https://cfo580.cn/article/excelindex-han-shu-jiang-jie-bao-han-match-han-shu/","summary":"结合之前学习的 FILTER 、 GROUPBY 、 SEARCH 等函数，我会从 核心定位→基础语法→工作原理→实战场景→黄金联动组合→避坑指南 全流程拆解，所有示例都适配常用的 原始数据源!A2:C17 （A 姓名、B 部门、C 工资）…","title":"📍 Excel INDEX 函数讲解 包含MATCH函数"},{"content":"Excel 高级筛选 是Excel内置的经典筛选工具，核心优势是无需复杂公式、支持跨列多条件与/或逻辑、可直接将筛选结果复制到新位置、内置去重功能、兼容所有Excel版本（包括2019及以前旧版） 。\n高级筛选：适合一次性、可视化、复杂多条件 的筛选场景，新手零门槛，不用写公式\nFILTER函数：适合动态更新、公式化、高频变动 的筛选场景，数据源更新后结果自动刷新\n一、核心基础：高级筛选的3个必备区域（灵魂知识点，必须先懂）\n高级筛选的所有操作，都围绕这3个区域展开，缺一不可，也是新手最容易踩坑的地方：\n区域名称｜核心要求｜详细说明\n数据源区域（列表区域）｜必须带完整表头，无合并单元格，无空表头｜你要筛选的原始数据，比如你之前用的原始数据源!A2:C17，A2=姓名、B2=部门、C2=工资，必须把表头和数据一起选中\n条件区域｜表头必须和数据源完全一致（一字不差） ，下方写筛选规则｜用来设置筛选条件的核心区域，支持多列、多行、与/或逻辑，是高级筛选的「大脑」\n结果区域（可选）｜必须是完全空白的区域，无占用内容｜用来存放筛选后结果的位置，选中后Excel会自动把符合条件的行复制过来，不影响原数据\n核心逻辑：条件区域的「与/或」规则\n这是高级筛选的灵魂，新手一眼就能懂：\n1. 同行的条件 ：是「与（AND）」关系，必须同时满足，对应FILTER里的*\n2. 不同行的条件 ：是「或（OR）」关系，满足其一即可，对应FILTER里的+\n3. 空单元格 ：代表无限制，该列不做任何筛选\n举个直观的例子：\n姓名（表头）｜部门（表头）｜工资（表头）｜逻辑说明\n张｜销售部｜\u0026gt;5000｜同行，与关系：姓名包含张 且 部门是销售部 且 工资\u0026gt;5000\n李｜｜｜不同行，或关系：姓名包含李，和上一行是「满足其一即可」\n整体逻辑：(姓名张 且 销售部 且 工资\u0026gt;5000) 或 姓名李，和FILTER多条件公式完全对应。\n二、详细操作步骤\n我用最熟悉的场景：数据源A2:C17，表头A2=姓名、B2=部门、C2=工资，筛选姓名包含\u0026quot;张\u0026quot; 的员工，把结果复制到新位置，不影响原数据。\n步骤1：准备条件区域（核心）\n1. 找一个空白区域，比如E2:G3，直接复制数据源的表头 粘贴过来，保证和数据源表头完全一致：E2=姓名、F2=部门、G2=工资\n2. 在E3单元格（姓名列的条件行），写模糊筛选条件：*张*\n补充：*是通配符，代表「任意多个字符」，*张*就是「包含张的任意文本」，和你用SEARCH函数的逻辑完全一致，不用写复杂公式\n进阶：也可以用公式=SEARCH(\u0026ldquo;张\u0026rdquo;,A3)\u0026gt;0，效果完全一样，适合需要更复杂逻辑的场景\n步骤2：打开高级筛选对话框\n1. 选中完整数据源区域 ，包括表头：A2:C17\n2. 点击顶部菜单栏「数据」→「排序和筛选」组里的「高级」按钮，打开高级筛选对话框\n步骤3：设置核心参数\n对话框里的参数必须按要求填写，90%的报错都是这里填错了：\n1. 方式 ：优先选择「将筛选结果复制到其他位置」，不影响原数据，新手推荐\n2. 列表区域 ：确认是你选中的数据源A2:C17，必须包含完整表头\n3. 条件区域 ：点击输入框，选中你刚才做的条件区域E2:G3，必须包含表头 ，不能只选E3\n4. 复制到 ：点击输入框，选中一个完全空白的单元格，比如I2，作为结果区域的左上角，Excel会自动把结果复制到这里\n5. 可选：勾选「选择不重复的记录」，会自动去重，只保留不重复的行\n步骤4：点击「确定」，完成筛选\nExcel会自动把所有姓名包含\u0026quot;张\u0026quot;的员工行，完整复制到I2开始的空白区域，和FILTER函数的效果完全一致，全程不用写复杂公式，可视化操作零门槛。\n三、8个高频核心应用场景\n所有场景都适配A2:C17数据源，A2=姓名、B2=部门、C2=工资，可直接套用。\n基础场景1：单条件精准匹配（部门=销售部）\n条件区域：E2=部门，E3=销售部\n操作：列表区域A2:C17，条件区域E2:E3，复制到I2\n对应FILTER公式：=FILTER(A2:C17,B2:B17=\u0026ldquo;销售部\u0026rdquo;,\u0026ldquo;无数据\u0026rdquo;)\n基础场景2：多条件「与」匹配（部门=销售部 且 工资\u0026gt;5000）\n条件区域：E2=部门、F2=工资；E3=销售部、F3=\u0026gt;5000\n逻辑：同行，与关系，必须同时满足两个条件\n对应FILTER公式：=FILTER(A2:C17,(B2:B17=\u0026ldquo;销售部\u0026rdquo;)*(C2:C17\u0026gt;5000),\u0026ldquo;无数据\u0026rdquo;)\n基础场景3：多条件「或」匹配（部门=销售部 或 部门=市场部）\n条件区域：E2=部门；E3=销售部、E4=市场部\n逻辑：不同行，或关系，满足其一即可\n对应FILTER公式：=FILTER(A2:C17,(B2:B17=\u0026ldquo;销售部\u0026rdquo;)+(B2:B17=\u0026ldquo;市场部\u0026rdquo;),\u0026ldquo;无数据\u0026rdquo;)\n基础场景4：精准模糊匹配（姓名以\u0026quot;张\u0026quot;开头/结尾/固定格式）\n筛选需求｜条件区域写法｜说明\n姓名以\u0026quot;张\u0026quot;开头｜E2=姓名，E3=张 ｜` 代表任意后续字符，只匹配开头是张的姓名\n姓名以\u0026quot;张\u0026quot;结尾｜E2=姓名，E3=*张｜只匹配结尾是张的姓名\n姓名是\u0026quot;张X三\u0026quot;（中间1个任意字）｜E2=姓名，E3=张?三｜?代表1个任意字符，固定3个字的姓名\n进阶场景1：去重筛选（提取不重复的部门列表）\n这是高级筛选的经典功能，比UNIQUE函数兼容所有Excel版本，旧版Excel也能用。\n条件区域：E2=部门，E3留空（空代表无限制，所有行都符合）\n操作：列表区域选B2:B17（部门列，带表头），条件区域E2:E3，勾选「选择不重复的记录」，复制到I2\n对应FILTER+UNIQUE公式：=UNIQUE(FILTER(B2:B17,B2:B17\u0026lt;\u0026gt;\u0026quot;\u0026quot;,\u0026ldquo;无数据\u0026rdquo;))\n进阶场景2：计算条件筛选（工资高于全公司平均工资）\n普通筛选做不到的计算类条件，高级筛选可以轻松实现，支持所有Excel函数。\n条件区域：E2=工资，E3=\u0026gt;AVERAGE($C$3:$C$17)\n关键：平均工资的区域必须用绝对引用（加$） ，不然公式会偏移\n逻辑：筛选出工资大于全公司平均工资的行\n对应FILTER公式：=FILTER(A2:C17,C2:C17\u0026gt;AVERAGE(C2:C17),\u0026ldquo;无数据\u0026rdquo;)\n进阶场景3：复杂多条件逻辑（姓名含张 且 销售部 或 工资\u0026gt;8000）\n普通筛选很难实现的跨列复杂逻辑，高级筛选的条件区域可以可视化设置，不易出错。\n条件区域：\n姓名｜部门｜工资\n张｜销售部｜\n｜｜\u0026gt;8000\n逻辑：(姓名含张 且 部门是销售部) 或 工资\u0026gt;8000，两行是或关系\n对应FILTER公式：=FILTER(A2:C17,((ISNUMBER(SEARCH(\u0026ldquo;张\u0026rdquo;,A2:A17)))*(B2:B17=\u0026ldquo;销售部\u0026rdquo;))+(C2:C17\u0026gt;8000),\u0026ldquo;无数据\u0026rdquo;)\n进阶场景4：排除空值/错误值筛选（排除姓名为空的行）\n条件区域：E2=姓名，E3=\u0026lt;\u0026gt;\n说明：\u0026lt;\u0026gt;是Excel里的「不等于」符号，\u0026lt;\u0026gt;后面留空，就是「不等于空值」，自动排除姓名为空的行\n对应FILTER公式：=FILTER(A2:C17,A2:A17\u0026lt;\u0026gt;\u0026quot;\u0026quot;,\u0026ldquo;无数据\u0026rdquo;)\n四、高级筛选 vs FILTER函数 怎么选？（给你明确的决策标准）\n对比维度｜高级筛选｜FILTER函数（Excel 365专属）\n兼容性｜所有Excel版本（2007-2025）都能用｜仅Excel 365/2021及以上版本支持\n操作方式｜可视化对话框操作，无需写复杂公式｜公式化操作，需要写函数公式\n动态性｜一次性筛选，数据源更新后需要重新操作｜动态数组，数据源更新后结果自动刷新\n复杂逻辑｜支持跨列多条件与/或，可视化设置，不易出错｜支持更灵活的嵌套函数，多条件组合，适合公式高手\n去重功能｜内置勾选即可去重，无需额外函数｜需要搭配UNIQUE函数实现去重\n结果位置｜可直接复制到任意位置，不影响原数据｜自动溢出，需要预留空白区域，否则#SPILL!报错\n最终结论\n1. 如果你用的是Excel 2019及以前的旧版本，只能用高级筛选 ，FILTER函数用不了\n2. 如果你是新手，不想写复杂公式，做一次性的复杂多条件筛选，优先用高级筛选 ，可视化操作，零门槛\n3. 如果你需要动态更新的筛选结果，数据源经常变动，优先用FILTER函数 ，自动刷新，不用重复操作\n4. 两者可以完美结合：比如先做高级筛选把结果复制出来，再用你之前学的GROUPBY函数做分组统计，形成完整的数据分析流程\n五、常见坑\u0026amp;避坑指南（90%的新手都会踩）\n坑1：条件区域的表头和数据源不一致，导致筛选失效\n这是最最常见的坑，比如数据源表头是\u0026quot;姓名\u0026quot;，条件区域写\u0026quot;员工姓名\u0026quot;，Excel识别不了，筛选会全部显示或失效。\n解决：条件区域的表头，必须和数据源完全一致，一字不差，包括空格、标点符号 ，最好的办法是直接复制数据源的表头粘贴过来。 坑2：条件区域的公式引用错误，导致结果不对\n比如筛选姓名包含张，公式写=SEARCH(\u0026ldquo;张\u0026rdquo;,$A$3)\u0026gt;0（加了绝对引用），或者=SEARCH(\u0026ldquo;张\u0026rdquo;,A2)\u0026gt;0（引用了表头），都会导致结果错误。\n解决：条件区域的公式，必须引用数据源的第一行数据的单元格 （比如A3），而且要用相对引用，不能加$ ，Excel会自动把公式应用到所有行。 坑3：条件区域没有包含表头，只选了条件单元格\n比如条件区域只选了E3，没有选E2的表头，Excel识别不了这个条件对应哪一列，筛选会全部显示。\n解决：条件区域必须包含表头 ，哪怕只有一列的条件，也要把表头和条件单元格都选中，比如E2:E3，不能只选E3。 坑4：通配符用错，匹配不到内容\n比如姓名包含张，条件只写\u0026quot;张\u0026quot;，没有加*，Excel会只匹配姓名完全等于\u0026quot;张\u0026quot;的行，而不是包含张的行。\n解决：模糊匹配必须加通配符，*代表任意多个字符，?代表任意1个字符，包含张的条件写*张*。 坑5：结果区域被占用，复制结果不全\n比如指定的复制位置I2下面已经有内容了，Excel只会复制到有内容的行，不会覆盖，导致结果不全。\n解决：复制到的位置，必须是完全空白的区域 ，提前清空下方和右侧的单元格，保证有足够的空间。 ","permalink":"https://cfo580.cn/article/excel-gao-ji-shai-xuan-chao-xiang-xi-wan-zheng-ban-jiang-jie/","summary":"Excel 高级筛选 是Excel内置的经典筛选工具，核心优势是 无需复杂公式、支持跨列多条件与/或逻辑、可直接将筛选结果复制到新位置、内置去重功能、兼容所有Excel版本（包括2019及以前旧版） 。 高级筛选：适合 一次性、可视化、复杂…","title":"🎛️ Excel 高级筛选 超详细完整版讲解"},{"content":"3个函数一张表：\n查找：xlookup\n过滤：filter\n汇总：sumifs\n判断：if\n透视：数据透视表\n","permalink":"https://cfo580.cn/article/excel-diceng-tongshi-4ge-hanshu/","summary":"Excel 底层通式：一张表掌握核心函数——查找 XLOOKUP、过滤 FILTER、汇总 SUMIFS、判断 IF、透视用数据透视表。","title":"🔑 EXCEL 底层通式 掌握4个函数一张表就够用了"},{"content":" 管理对象不同\nERP管的是“价值流”——钱、物在账面上的流动\nWMS管的是“实物流”——货物在物理空间的移动\nMES管的是“工艺流”——产品在制造过程中的转化\nOA管的是“工作流”——事务在人际之间的流转\n2、时间尺度不同\nERP看月度、季度——财务周期\nWMS看小时、天——出入库节奏\nMES看分钟、秒——生产节拍\nOA看实时、随时——协作时效\n3、数据温度不同\nERP数据是“冷”的——事后记录，用于分析\nWMS/MES数据是“热”的——实时采集，用于控制\nOA数据是“温”的——过程留痕，用于追溯\n","permalink":"https://cfo580.cn/article/erp-yu-wmsmesoa-de-qu-bie/","summary":"管理对象不同 ERP管的是“价值流”——钱、物在账面上的流动 WMS管的是“实物流”——货物在物理空间的移动 MES管的是“工艺流”——产品在制造过程中的转化 OA管的是“工作流”——事务在人际之间的流转 2、时间尺度不同 ERP看月度、季…","title":"🏭 Erp与wms mes oa 的区别"},{"content":"区分【强制必须做，不合规有法律风险】、【推荐落地，满足客户信任、招投标】、【可选优化】三类。\n一、法律红线（强制，必须落实）\n1. 《个人信息保护法》《数据安全法》《网络安全法》\n数据最小必要：不采集无关身份证、手机号、法人信息；客户授权后才采集。\n告知用户隐私政策：明确写清收集哪些数据、用途、存储周期、删除通道。\n企业财务数据不属于个人信息，但仍属于重要经营数据，要承诺保密。\n禁止未经许可把客户账套、凭证数据对外共享、训练大模型（重点！财税Agent高频踩坑点）。\n2. 网络安全等级保护（等保）\n面向企业对外提供财税 Agent 服务：最低等保二级；若大量存储企业敏感财税资料、对接税务乐企接口，建议等保三级。\n自用内部工具：不对外提供服务，不需要做等保。\n3. 电子数据留存与审计日志（财税业务硬性要求）\n所有数据变更：新增、修改、删除凭证/科目/报表，完整审计日志：操作人、时间、IP、修改前后内容。日志不可随意篡改，留存不少于5年。 4. 对接税务系统（乐企、发票接口）\n必须使用税务认可的服务商通道，不能私自抓包、爬虫获取发票数据；严格遵循税务接口规范。 二、业务\u0026amp;数据安全\n1. 权限隔离\n多租户隔离：A公司账套，B公司用户绝对不能访问；支持细粒度权限（出纳、会计、老板权限分开）。 2. 数据加密\n传输：全程HTTPS。\n存储：数据库敏感字段加密（银行账号、身份证号）。\n备份：定期自动备份，异地备份，支持数据恢复演练。\n3. 大模型/Agent专属约束\nAI生成的分录、财税建议，必须标注由AI生成，提示用户需要会计人工复核；禁止宣称AI结果等同于专业财税意见。\n禁止将客户原始账套数据作为训练数据，除非客户单独签署书面授权。\n4. 灾备与应急\n制定宕机、数据泄露应急预案；发生数据安全事件按法规时限上报。 三、研发、界面相关\n1. 软件工程\n参考国标 GB/T 8566，简化需求、测试、上线流程，减少bug。 2. 人机交互（MMI/HMI）\n参考 GB/T 18978，界面提示清晰、报错易懂，减少误操作；财税系统尤其要防止误删凭证。 3. 代码安全\n上线前做漏洞扫描，防范SQL注入、越权访问、XSS等常见攻击。 ","permalink":"https://cfo580.cn/article/cai-shui-agent-he-gui-qing-dan/","summary":"区分【强制必须做，不合规有法律风险】、【推荐落地，满足客户信任、招投标】、【可选优化】三类。 一、法律红线（强制，必须落实） 1. 《个人信息保护法》《数据安全法》《网络安全法》 数据最小必要：不采集无关身份证、手机号、法人信息；客户授权…","title":"🛡️ 财税 Agent 合规清单"},{"content":"本文转载自今日头条，作者：数字的猫。原文链接： [[数据清洗]] [[SQL学习笔记]]\n做数据分析最烦的，很多时候不是建模，也不是画图，而是前面的脏活：洗数据。\n姓名前后带空格，手机号混着短横线和区号，日期一会儿是 2026-04-01，一会儿又变成 2026/04/01。你要是不先把这些问题处理掉，后面的统计口径、指标分析、画像建模，基本都会歪。\n很多人一提数据清洗，第一反应就是 Python。可在大量日常场景里，SQL 其实更直接：离数据近、处理快、适合批量操作，很多问题在库里顺手就能解决。\n这篇我不讲虚的，直接给你 20 段我觉得最常用、最值得收藏的 SQL 数据清洗代码。不是冷门技巧大全，而是高频实战清单。\n先说清楚两点：\n✅ 文中 SQL 我已经按 SQLite 3.51.0 在本机逐条执行验证通过。\n⚠️ 如果你线上用的是 MySQL、PostgreSQL、SQL Server 或 Oracle，函数名和日期处理写法可能需要按数据库方言微调后再上线。\n1）去掉字段首尾空格\n这个问题太常见了。姓名、部门名、商品名、证件号，导入 Excel 或人工录入后，经常前后带空格。\n如果你想直接更新原表：\n2）把空字符串统一成 NULL\n很多系统表面上“不是空值”，其实存的是空字符串。后面统计缺失值时，这种数据最烦。\n这个动作做完，后面再算缺失率就干净多了。\n3）替换特殊字符\n有些字段里会混进换行、回车、全角空格，肉眼不一定看得出来，但分组统计时就会出问题。\n如果是备注字段，这一步尤其值得先做。\n4）统一大小写\n邮箱、工号编码、课程代码这类字段，经常一部分大写、一部分小写。后面做匹配时，不统一就容易丢数据。\n5）修正日期格式\n同一张表里日期格式不统一，是最常见的数据源问题之一。\n这段适合处理 2026/04/01 和 2026-04-01 这类常见混用格式。\n6）统一性别字段口径\n这个场景你肯定见过：男 / 女 / M / F / 1 / 2 / 未知 / 空值 混在一起。\n这种字段一定要尽早标准化，不然后面画像分析会非常难受。\n7）补默认值\n有些缺失值不适合一直保留 NULL，比如状态字段、标志字段。\n如果是数值字段，也可以这样写：\n8）去重：保留最新一条记录\n这一段我真的高频用。\n同一个用户、同一个订单、同一个学生，重复导入多次是非常常见的问题。很多人第一反应是 distinct，但真正好用的，往往是窗口函数。\n你只要把“按谁分组”和“按什么排序保留最新”换掉，就能处理很多重复数据问题。\n9）找出重复记录\n不是所有重复都要直接删，很多时候要先查出来给业务确认。\n这段特别适合先做巡检。\n10）手机号标准化和脱敏\n手机号经常带空格、短横线，甚至前面带区号。\n如果你要展示脱敏结果：\n11）身份证号校验长度\n身份证号这种字段，最基本的一步就是先查长度异常。\n先把明显错的筛出来，再谈后面的年龄、性别解析。\n12）从身份证号提取出生日期\n如果身份证号质量还可以，这一步很方便。\n⚠️ 这段依赖身份证号本身真实有效，不能把它当成绝对正确的数据源。\n13）计算年龄分层\n年龄不是直接存的，通常要从出生日期推。\n这类“衍生字段清洗”在画像和统计里特别常见。\n14）筛异常值\n有些成绩字段、消费字段、学分字段，可能出现明显不合理的数据。\n更稳妥的做法通常不是直接改，而是先筛出来。\n如果确实要兜底：\n⚠️ 异常值是否要截断，必须先问清业务规则，不能技术人员自己拍脑袋决定。\n15）类别字段映射成统一口径\n学历层次、会员等级、订单状态、部门类别，经常存在别名和历史写法。\n如果映射规则很多，建议单独维护码表，不要把所有逻辑都硬写在 CASE WHEN 里。\n16）多表关联前先清洗关联键\n很多 JOIN 对不上，不是表没关系，而是关联键脏了。\n经验上讲，JOIN 前先对学号、工号、身份证号做一轮 trim()，能少掉很多莫名其妙的问题。\n17）识别缺失率\n清洗前，先知道哪一列最脏。\n这段很适合做字段质量画像。\n18）统一布尔字段\n很多系统里的“是否激活”“是否删除”“是否有效”字段特别乱。\n统一成 0/1 后，后面的统计和建模都会省很多事。\n19）拆分复合字段\n有些源表喜欢把多个信息塞在一个字段里，比如“学院-专业-班级”或者“省份-城市-门店”。\n这种字段不拆，后面几乎没法做严肃分析。\n20）建一个清洗视图，别每次重写\n很多人写 SQL 清洗最大的问题，不是不会写，而是每次都从头写一遍。\n如果某张表是高频使用的，建议直接建一个清洗视图：\n这样后面做报表、做标签、做专题分析时，直接查视图就行，不用每次重新洗。\n最后说几句真经验\n如果你平时就在做数据分析、报表开发或数据治理，我的建议就四句：\n第一，别一上来就想着“把所有问题一次洗干净”。\n先抓高频字段：主键、姓名、手机号、日期、状态、编码、类别。把这些核心字段洗顺了，后面大部分分析就能跑起来。\n第二，能用码表解决的，不要全写死在 CASE WHEN 里。\n规则一多，SQL 会越来越难维护。\n第三，异常值先查再改。\n很多时候你以为是脏数据，其实是业务规则特殊。\n第四，清洗不是一次性动作。\n更理想的做法不是“分析前临时洗一次”，而是把高频规则沉淀成视图、宽表、清洗层，慢慢变成稳定的数据底座。\n说到底，SQL 数据清洗没有什么玄学。\n你真正需要的，不是 200 个冷门函数，而是把高频脏问题反复收敛的能力。\n如果这篇对你有帮助，建议先收藏。\n后面真遇到脏数据时，再回来按场景翻就行。\n你平时最常碰到的数据清洗问题是哪一种？\n空值、重复值、日期格式混乱，还是多表 JOIN 对不上？\n","permalink":"https://cfo580.cn/article/20-duan-sql-dai-ma-gao-ding-90-shu-ju-qing-xi-nan-ti-di-8-duan-wo-ji-hu-mei-ci-dou-yong/","summary":"本文转载自今日头条，作者：数字的猫。原文链接： [[数据清洗]] [[SQL学习笔记]] 做数据分析最烦的，很多时候不是建模，也不是画图，而是前面的脏活：洗数据。 姓名前后带空格，手机号混着短横线和区号，日期一会儿是 2026 04 01，…","title":"🧹 20段SQL代码，搞定90%数据清洗难题，第8段我几乎每次都用"},{"content":"说明：每课仅提炼核心考点、易错点，适配零基础+英语一般学习者，结合书中示例表（Customers/Vendors/Products等），可直接对照看书、做题使用。\n第1课：了解SQL\n核心：SQL是用于与数据库通信的语言，不分大小写（关键字建议大写，区分字段/表名）；\n用途：查询、插入、更新、删除数据库数据，核心是“查询”（SELECT语句）。\n第2课：检索数据\n核心语法：SELECT 列名 FROM 表名；（最基础查询，必背）；\n易错：多列用逗号分隔，最后一列不加逗号；*\n补充：SELECT * 表示查询表中所有列（日常可用，正式场景尽量写具体列名）。\n第3课：排序检索数据\n核心：ORDER BY 子句，用于对查询结果排序，必须放在SELECT语句最后；\n规则：默认升序（ASC，可省略），降序用DESC；\n易错：多列排序时，先按第一列排序，第一列相同再按第二列排序。\n第4课：过滤数据\n核心：WHERE 子句，用于过滤行，放在FROM之后、ORDER BY之前；\n常用操作符：=（等于）、\u0026lt;\u0026gt;（不等于）、\u0026lt;（小于）、\u0026gt;（大于）、\u0026lt;=、\u0026gt;=、BETWEEN（介于两者之间）；\n易错：NULL值不能用=或\u0026lt;\u0026gt;判断，需用IS NULL / IS NOT NULL；\n补充：NOT操作符（否定条件），可放列前（NOT 列名=值）或列后（列名 NOT 操作符）。\n第5课：高级过滤数据\n核心：组合条件过滤，用AND（同时满足）、OR（满足一个即可）；\n易错：AND优先级高于OR，需用括号()改变优先级；\nIN操作符：替代多个OR，格式：列名 IN (值1, 值2,\u0026hellip;)，简洁高效；\nNOT IN：否定IN条件，过滤不在指定集合中的数据。\n第6课：用通配符进行过滤\n核心：LIKE 子句 + 通配符，用于模糊查询；\n常用通配符：%（匹配任意长度字符，包括0个）、_（匹配单个字符）；\n易错：%不匹配NULL值；避免通配符放在开头（影响查询效率）；\n补充：NOT LIKE 用于否定模糊查询。\n第7课：创建计算字段\n核心：将多个列、或列与常量/函数结合，生成新的“计算字段”；\n常用操作：拼接（用||或CONCAT函数）、算术运算（+、-、*、/）；\n易错：拼接时注意空格（可手动添加空格常量）；\nAS关键字：给计算字段起别名，格式：计算表达式 AS 别名（别名可加引号，避免与关键字冲突）。\n第8课：使用函数处理数据\n核心：函数用于处理数据（文本、数值、日期），不同数据库函数略有差异（书中以MySQL/PostgreSQL为例）；\n文本函数：TRIM（去除空格）、UPPER（转大写）、LOWER（转小写）；\n数值函数：ROUND（四舍五入）、AVG（平均值）、SUM（求和）；\n日期函数：NOW（当前日期时间）、YEAR（提取年份）；\n易错：函数区分数据库，不要死记，重点记“功能”（比如“取平均值”就想到AVG）。\n第9课：汇总数据\n核心：聚合函数（汇总函数），对数据进行统计，返回单个值；\n常用聚合函数：COUNT（计数）、SUM（求和）、AVG（平均值）、MAX（最大值）、MIN（最小值）；\n易错：COUNT(*) 计数所有行（包括NULL），COUNT(列名) 计数非NULL行；\n补充：聚合函数可结合DISTINCT，过滤重复值（比如AVG(DISTINCT 列名)）。\n第10课：分组数据\n核心：GROUP BY 子句，将数据按指定列分组，配合聚合函数使用；\n规则：GROUP BY 后面的列，必须是SELECT中除聚合函数外的所有列；\n易错：GROUP BY 必须放在WHERE之后、ORDER BY之前；\nHAVING子句：过滤分组后的结果（WHERE过滤行，HAVING过滤分组）。\n第11课：使用子查询\n核心：子查询（嵌套查询），将一个查询的结果作为另一个查询的条件；\n常用场景：WHERE子句中使用子查询（返回单个值或多个值）；\n易错：子查询返回多个值时，需用IN配合，不能用=；\n补充：子查询尽量简洁，复杂查询可拆分成多个简单查询（新手友好）。\n第12课：联结表\n核心：联结（JOIN），用于关联多个表（书中5张表核心关联：Orders关联Customers、OrderItems关联Orders和Products、Products关联Vendors）；\n基础联结：等值联结（内联结），格式：FROM 表1 JOIN 表2 ON 表1.列 = 表2.列；\n易错：联结时必须写关联条件（ON子句），否则会出现笛卡尔积（数据冗余）；\n补充：表别名（简化写法，比如Customers AS c），不影响查询结果。\n第13课：创建高级联结\n内联结（INNER JOIN）：只返回两个表中匹配的行（默认联结类型，可省略INNER）；\n外联结（LEFT/RIGHT JOIN）：返回一个表的所有行，另一个表匹配的行（不匹配的显示NULL）；\n自联结：将表与自身联结，用于查询同一表中相关的数据（比如查询同一客户的多个订单）；\n易错：外联结的LEFT/RIGHT，是以“LEFT/RIGHT后面的表”为基准。\n第14课：组合查询\n核心：UNION 操作符，将多个SELECT语句的结果合并成一个结果集；\n规则：多个SELECT语句的列数、列类型必须一致；\n易错：UNION 默认去除重复行，UNION ALL 保留重复行（效率更高）；\n补充：组合查询的结果可用ORDER BY排序（放在最后一个SELECT语句后）。\n第15课：插入数据\n核心语法1（插入单行）：INSERT INTO 表名(列1, 列2,\u0026hellip;) VALUES(值1, 值2,\u0026hellip;)；\n核心语法2（插入多行）：INSERT INTO 表名(列1, 列2,\u0026hellip;) VALUES(值1,值2), (值3,值4),\u0026hellip;；\n易错：列名与值一一对应，数据类型匹配；NULL值可省略不写；\n补充：插入查询结果（INSERT INTO 表名 SELECT 语句），适合批量插入。\n第16课：更新和删除数据\n更新数据：UPDATE 表名 SET 列1=值1, 列2=值2 WHERE 条件；（必加WHERE，否则更新所有行）；\n删除数据：DELETE FROM 表名 WHERE 条件；（必加WHERE，否则删除所有行）；\n易错：UPDATE/DELETE 无撤销，操作前先执行SELECT查询，确认过滤条件正确；\n补充：UPDATE可更新多个列，用逗号分隔；DELETE删除整行，不删除列。\n第17课：创建和操纵表\n创建表：CREATE TABLE 表名(列名 数据类型 约束,\u0026hellip;)；（书中示例表的创建语句可参考附录）；\n常用约束：NOT NULL（非空）、PRIMARY KEY（主键，唯一且非空）；\n修改表：ALTER TABLE 表名 ADD 列名 数据类型（添加列）、DROP COLUMN 列名（删除列）；\n删除表：DROP TABLE 表名；（谨慎操作，删除后无法恢复）。\n第18课：使用视图\n核心：视图是虚拟表，基于SELECT语句的结果，不存储实际数据；\n创建视图：CREATE VIEW 视图名 AS SELECT 语句；\n用途：简化复杂查询（将多表联结、子查询封装成视图，直接查询视图即可）；\n易错：视图可查询，部分数据库支持更新视图（需满足一定条件）。\n第19课：使用存储过程\n核心：存储过程是一组预编译的SQL语句，封装成一个“函数”，可重复调用；\n用途：简化复杂操作、提高效率、保证数据一致性；\n基础语法：CREATE PROCEDURE 存储过程名() BEGIN SQL语句; END;（不同数据库语法略有差异）；\n补充：新手可先了解，工作中常用，不必急于精通。\n第20课：使用游标\n核心：游标用于处理查询结果集中的单行数据（适合逐行处理，比如循环遍历）；\n适用场景：存储过程、脚本中，处理批量数据的逐行操作；\n易错：游标效率较低，非必要不使用；使用后需关闭、释放游标；\n补充：新手可先跳过，后续工作中遇到再深入学习。\n第21课：理解事务处理\n核心：事务是一组SQL语句，要么全部执行成功，要么全部执行失败（原子性）；\n关键操作：BEGIN（开始事务）、COMMIT（提交事务，永久生效）、ROLLBACK（回滚事务，撤销操作）；\n适用场景：插入、更新、删除批量数据（比如转账，扣款和到账必须同时成功）；\n易错：事务处理需配合支持事务的数据库（比如MySQL的InnoDB引擎）。\n第22课：全球化和本地化\n核心：处理不同语言、字符集、日期格式的问题；\n重点：字符集（比如UTF-8支持中文）、日期格式（不同地区的日期显示方式）；\n补充：新手了解即可，工作中根据实际需求配置，无需深入。\n附录重点补充\n书中示例表结构（Customers/Vendors/Products/Orders/OrderItems），做题必看；\n常用SQL语句速查（可单独摘抄，方便随时翻看）；\n不同数据库的语法差异（重点记MySQL/PostgreSQL，与书中示例一致）。\n","permalink":"https://cfo580.cn/article/sql-bi-zhi-bi-hui-di-5-ban-22-ke-zhong-dian-su-ji-qing-dan/","summary":"说明：每课仅提炼核心考点、易错点，适配零基础+英语一般学习者，结合书中示例表（Customers/Vendors/Products等），可直接对照看书、做题使用。 第1课：了解SQL 核心：SQL是用于与数据库通信的语言，不分大小写（关键字…","title":"📘 《SQL必知必会（第5版）》22课重点速记清单"},{"content":"本文抽取会计日常中，重复工作为小项目，由 AI 给出实现小项目自动化的 Python 代码，再用双链笔记 Obsidian 形成个人知识库，形成”学、记、练“的完整学习闭环。改变了自学编程”只看不练“的无效学习方法。也不是传统的“由易到难”的教学方式，而是直接上手工作中用得到的小项目，练一个用一个。这样的学习方式，有正向反馈，有价值感，容易保持学习的动力。\n一、前言\n现状是残酷的\n会计人和财务部，天然是企业的数据中心。由于历史原因，会计及财务部门，普遍的工作模式还是收集原始单据、制作凭证，出具税局要求的三张表，期间用到EXCEL的还是基本功能。涉及到数据清洗、数据匹配等稍高阶一些的技能，完全不会，还得纯手工操作。虽然自嘲是“表哥表妹”，却并不合格。\n根据公开资料显示：\n德勤报告：财务领域60%的基础工作已具备自动化潜力。\n国际会计师联合会：2020-2024年全球基础会计岗位减少18%，且72%的岗位流失源于自动化工具。\n中国会计视野网调查：仅31%的会计学习过数据可视化工具，28%能独立搭建财务模型。\n某二线城市会计岗位简历投递量，同比增长45%，录用率却降至8.7%。同时行业呈现马太效应：头部企业争抢复合型人才，中小企业用智能软件替代全职岗位。\n在 AI 时代，会计有被 AI 替代的焦虑，老板有财税合规的焦虑（国家也是用 AI 来”以数治税“）。老板需要更多的数据支持，以应对这个需要精细化运营管理的时代，因为，野蛮生长的时代已经过去。但会计们还在加班加点的处理凭证，满足于按时出具三张表，能在时间节点之前完成老板临时需要的数据就阿弥陀佛了！这种需求——价值的不匹配，很难不让老板们将财务部门定义为成本中心而不是利润中心！\n会计们怎么办？路径很多！而本文，聚焦在帮助会计提升数据处理的效率（注意， 是聚焦数据处理而不是数据分析）。省出的时间，让自己多去关注数据背后的故事，将会计的职能从事后核算提前到事前预测、决策，事中的控制上面去，发挥出会计的价值，将财务部门从成本中心转变成利润中心。\n认真对待EXCEL\n并不是说我们要学更高级的技能去替代 EXCEL，EXCEL 在全球范围内，仍然是数据处理、数据分析的第一工具！但我们 70% 以上的会计人员，并不知道 EXCEL 能应用到什么程度。会计人，请务必关注它、学好它！由于 EXCEL 不是本文的重点，这里给会计人提供一个视角，就是学习它的函数！在 AI 中提问，请它给你列出会计人必学必会的 EXCEL 函数，然后，利用自己的工作数据，学习它们，练会它们！到这一步，你会发现，你的工作技能已经脱胎换骨了！\n为什么定位于学习 Python\nPython 是目前主流编程语言之一，网上资源多，各种教程多。\nPython 是数据处理、数据分析、数据可视化、数据自动化的必备编程语言。它有丰富的“库”，必免我们重复造“轮子”，节省我们大量的时间。\n在数据提取、数据清洗、数据可视化等方面，还有一个微软的 Power BI 可胜任，但要想熟练使用它，还是得学习它的 DAX 函数体系，它的学习曲线仍然陡峭。\n虽然 Python 的学习曲线也有一定的陡峭度，但学习它， 是学习一种编程思维，编程思维，会带给会计一种全新的工作视角和认知，能理解什么是****规范的数据准备、数据输入、数据清洗、数据处理和数据分析，会培养会计用** 数据驱动决策**的习惯，让会计从 “数据搬运工” 升级为 “财务分析决策者”。\n会计学习 python 能干什么？\n首先我们需要明确一点，完全撑握 Python 很难！不要被网上带偏觉得 Python 很简单。它是“万能胶水语言”，可应用的领域很多，反而说明它的知识点很广，非 IT 领域的会计，要想熟练应用它，没有3-4年的高强度投入，是不可能撑握它的。\n但我们会计来编程，不是写出功能齐全、应用全面的 ERP，而是立足于高效解决重复性工作痛点、提升数据处理的深度和广度、杜绝人工失误带来的合规风险，从而节省时间将自己从 “执行层” 转向 “决策支持层”，以适应数字化转型的行业趋势。\n所以，会计编程，只需编写“小脚本”即可。什么是脚本？ 它仍然是一段程序代码，但轻量且针对性强，写完后直接运行就能看到结果，重点是可重复使用。如，需要合并 EXCLE 里的多个 sheet 表，编个脚本 ，以后用到了，把 EXCEL 文件名和 sheet 表名更换一下，秒实现。\n记住，如果有项工作，会计每个月需要重复操作 3 次以上，就值得为它写个脚本。当你的脚本积累得越来越多，才是真正的“会计越老越值钱”，而不是现在的会计超过35岁就面临工作难找的问题。\n总结会计学 Python 能干什么：以 EXCEL 为主要数据来源，以重复工作自动化为目标，借助 AI 完成 Python 脚本的编写。\n为什么从小项目开始学 Python\n所有的 Python 课程、书籍，都是按步就班的从易到难展开。会计开始热情高昂的投入学习，不久就觉得，学习它，对我有什么用？没有正向价值的反馈，慢慢的吞没了学习的热情，最后学习 Python 也无疾而终了。\n没有输出，学习就没有动力，而输出没有价值，却是学习的休止符！会计处于最坏的时代，也是最好的时代。AI 替代会计的基础岗位是现实，如果我们勇于突破，利用 AI 来辅助学习，从而成为 AI 的领导者，让 AI 成为你的数字员工，却是最好的时代。\n因此，本文在会计常用的工作场景，提炼出一些最重复的工作，形成一个一个小项目，让 AI 写代码，我们跟着 AI 来学习，并立即投入练习，练习完一个脚本，这个脚本马上能用，能立刻得到正向反馈和价值感，从而保持学习的动力。\n学习方法\n以下方法，是我自己实践过并卓有成效的方法，照着做，不走弯路不踩坑。\n首先：解决看不懂的英文单词：在电脑上下载一个电子词典，不懂的单词马上查并记录下来。这里有个窍门，把英标记下来，能读出它，这个单词就记住一半了。以我的经验，每个脚本新的单词量不会很大，多记录，到后期，基本上遇不到新单词了。\n其次（重点）：找个有双链功能的笔记软件（推荐 Obsidian)，每个脚本建一个笔记1，里面涉及到的所有不懂的语法知识点，汇总并另建一个笔记2，然后又把每个新语法，单独建一个笔记3（有很多笔记3），当然，新的英语单词也单独建一个笔记4。最后，把所有涉及的笔记2-3，通过双链统一连接到脚本笔记1里。这样，你学过的内容，通过双链，形成了一张独属于你自己的知识网络，也就是个人知识库。以后你能方便的从应用——知识点来回穿梭，形成知识的复利。Obsidian 功能全面，我们刚开始不要去折腾它，能记笔记，能双链，就足够用了，把有限的个人能量聚焦到 Python 学习中去。\n全程依赖 AI，多下载几个 AI ，如果一个 AI 给出的答案不理解，换一个。我常用的是 DeepSeek、kimi、豆包，内容之间相互印证，理解起来就容易多了。\n从 AI 拷贝内容到 Obsidian，如果直接用 Ctrl+v，会出现格式错乱，用Crtl+Shift+v，能保证格式正确，表格、代码段都能原样还原。\n将 AI 给出的代码，每一行（如有必要），用自己的理解翻译成中文，后面练习的时候，在每一行的中文下写代码。这一步，主要是学习用编程完成任务的思路，刚开始记不住没关系，勇敢的去看原代码，然后多练！记住，从学习编程思路去理解语法，才是我们需要撑握的学习编程的主要方法。\n重中之重 ：多练习！多练习！多练习！我学习的第一个脚本，重复写了10遍，直到闭眼就能写出代码。极致的重复，就是天赋！\nPython 的知识点很多，出现在脚本中的语法，会有很多参数、应用方法，记住，只学习这个脚本用到的知识点，下次用到其他的知识点再学习。\n本文， 是和你一起共建的。你可以把本文放到你的 Obsidian 里，并使之成为你学习 Python 的根笔记（以下都用根笔记称之），将上面所说的笔记1-4链接到本文。所以，本文不会细讲知识点，而是和你一起，探索使用 AI 学习编程的方法。所有的知识点，需要你自己去问 AI，并按你的理解形成自己的笔记。最重要的且最有价值的 ，记录你练习时犯的错误：缩进问题、全角半角问题、打没打小括号等。最后，一本新的、你自己写的、有“失败是成功之母”价值的 《会计从小项目开始学Python——练一个用一个》书籍诞生了！\n二、安装 Python 环境\n本文是基于 Windows 环境编写，其他操作系统，请自行问 AI。\nPython 环境，往细了说是一个很复杂的过程，但基于我们的需求，只需要安装一个程序： Anaconda 。它是一套 “Python 数据科学全家桶”—— 它把 Python 解释器、海量数据科学库（比如财会常用的 pandas、可视化的 Matplotlib、数据分析的 Numpy等第三方库）、环境管理工具Conda、交互式编程工具 Jupyter Notebook等打包在一起，解决了新手装库、配环境的痛点。\n当然，随着学习的推进，单独安装python、代码编辑器还是有必要的。\nPython 的版本优先选择稳定的版本，优先推荐3.9-3.11版。\n代码编辑器，会计人用 vs code 比较好，但这里更推荐带 AI 功能的代码编辑器：Qoder。它集成了 AI，你让 AI 写一段代码，能自动形成代码文件，很方便，而且你向它提问，它可以基于你现在的代码，给出更有针对性的意见。\n怎么安装它们，请问 AI，并记录下你安装时的问题、错误和解决办法，形成你自己的 Obsidian 笔记并与根笔记双链。\n三、Python + Pandas 基础\n变量：重点了解它的命名规则。\n赋值：重点区别赋值和“==”相等符号的区别。\n输入输出语句：print 和 input。\n数据类型：整数，浮点数（小数），字符串、列表、字典、元组、集合、布尔型、空值（None)。会计常用的是整数、浮点数、字符串、列表、字典、布尔型。\n切片：重点理解“左闭右开”。\n索引：主键、复合主键。\nf 格式化字符串。\nr 原始字符串标识。\nif 条件判断语句。\nfor 循环语句。\nwhile 循环语句。\n方法。\n属性。\n自定义函数 def。\n库，调用库的 import 语句。\n模块。\n注释。\n缩进。\n迭代及可迭代对象。\nPandas：是 Python 中专门用来高效处理结构化数据（如 Excel 财务表格、银行流水、发票清单）的工具库，核心是通过 Series（单列数据）和 DataFrame（整张表格）两种数据结构，实现数据的读取、清洗、计算、筛选和导出，让财务数据处理从手动操作变成自动化流程。先了解 Series 和 DataFrame。\nPython 之禅。\n以上内容，不需要马上理解，但先在 Obsidian 里建好笔记，并与根笔记做好双链，方便接下来的小脚本的学习。\n四、数据的三范式（3NF)\n什么是数据的范式：是关系型数据库 / 结构化数据（比如 Excel 表格）的数据组织规则 ，核心目标是：\n消除数据冗余（比如客户名称不用在每张发票里都写一遍）；\n避免数据更新异常（改客户名称只需改一处）；\n保证数据一致性（财务数据核对不出现矛盾）。\n三范式是逐级满足的：满足第二范式（2NF）必须先满足第一范式（1NF），满足第三范式（3NF）必须先满足第二范式（2NF）。\n基础知识：一张表格，坚向排列的叫列，横向排列的叫行，交叉部分叫单元格。每列的第一行叫列标题或字段值，每行的第一列叫索引（如果设置有）。\n第一范式（1NF）：列不可再分，每格只有一个值且保证原子性。即：\n同一列属性一致：如“部门”这一列，就不能填写关于“职务”的数据，\n保证原子性：如“电话号码”这一列，某一格的数据不能写成”13912345678，010-61234567“，它们没有保证”原子性“，如果需要同时记录，则分成两列，一列是”手机号码“，一列是”固定电话“。\n第二范式：消除部分依赖，必须有主键，非主键列完全依赖主键。\n第三范式：消除传递依赖，非主键列不依赖其他非主键列。\n后两种范式，请大家自行问询 AI。提示词可以是：EXCEL 数据三范式等。\n大家使用 EXCEL 时，太喜欢用单元格跨列居中这个功能了，它是数据清洗最大工作量之一，所以，在数据建表之初遵守三范式，可节省后期很多时间。\n在使用 EXCEL时，有一个小技巧，一张数据表，使用三张表来分工合作：第一张表存放源数据（调整成满足三范式），第二张表是工作表，在这张表应用函数、辅助列等方法，完成工作任务，第三张表是呈现表，这里可以使用跨列居中等各种格式，制作出符合需要、美观的报表。这三张表之间使用数据引用的方式来保证三张表的同步。\n五、开始练习\n（一）合并一个 EXCEL 文件中的多个 sheet 表\n场景：有一家连锁公司，每个月从收银软件导出营业流水放在了一个EXCEL文件中（收银软件的功能），每个店的数据存放在单独的 sheet 表中。会计每个月都需要将所有门店的数据汇总在一张 sheet 表中，方便统计。\n合并多个 sheet 表，在 EXCEL 的 Power Query 可以实现，WPS 也有相应的功能。这里用 Python 练习它，是用一个最容易理解的工作任务来入门。\n提示词：我有一个 EXCEL 文件，里面有多张 sheet 表，存放着相同数据结构的不同数据内容 ，我需要将这些 sheet 表，纵向汇集在一张 sheet 表中 ，且新增一列，填写每行数据来源于哪张表，要提供源文件和绝对路径的输入、sheet 表名的输入、合并后文件名和绝对路径的输入。请将上述内容，用 Python 编写代码并实现它。\nAI 给出的代码：\n打开 jupyter notebook（安装好Anaconda会自动出现，需要在”开始“找到它）；\n它会打开你的默认浏览器，第一页的页签叫”Home“；\n在本页找到”Files\u0026quot;页签，这张页签的顶部靠右，有一个包含下拉箭头的按钮，名字叫“New”；\n点开它，选第一项“Python 3 (ipykernel)”；\n浏览器会打开第二张页签，名字是“Untitled1\u0026quot;，这就是编写代码的地方了。\n将 AI 给出的代码复制到 jupyter notebook，起个名字保存它。\n名字可以在：本页签（不是浏览器页签）菜单区域的上一行，”jupyter\u0026quot;的右侧，直接点击显示“Untitled1”的地方，输入你想要的文件名，如“EXCEL多sheet表合并工具“。然后在菜单栏“File”里，找到“Save Notebook”并点击它。\n在代码块的上方，菜单区域，找到实心三角按钮：▶，这是运行程序的按钮，点击它；\n在代码块的底部，会显示程序运行的结果，根据程序运行出来的提示，一步一步完成它；\n打开完成后新生成的 EXCEL 文件，看看是不是达到了你的要求？\n保存文件的快捷键：Ctrl+s，运行程序的快捷键：Shift+Enter，在运行程序之前，先保存文件，不然有些代码更新不会被执行。\n以后，只要有同样的需求，找到“EXCEL多sheet表合并工具.py“，用 jupyter notebook 打开它，根据提示，输入你的源文件名、sheet表名、合并后的新文件名，1分钟就完成多 sheet 表的合并，比自己手动一张一张表在 EXCEL 内拷贝是不是节省了大量的时间？\n下面，我们开始学习怎么向 AI 学习。\n我们先将代码复制到 Obsidian，形成一个新的笔记，起名”合并EXCEL多sheet页脚本1“，（以下简称脚本1笔记）并与根笔记双链。\n前面三行是调用库的语句，向 AI 提问：请向我讲解 Python 中 import 的详细用法。要关注 as 是干啥的，from\u0026hellip;\u0026hellip;import\u0026hellip;\u0026hellip;和直接 import 有什么区别。还可以向 AI 提问：作为一名会计，Python 中哪些库是我需要学习的。\n我们在 Obsidian 中新建笔记，命名为”新语法汇总页1“（数字与对应的脚本笔记保持一致，以下简称语法1笔记），先保持空白，但记得与根笔记、脚本1笔记双链。这样做是为了后续练习的时候有一个统一查询的地方。\n为 import 单独建一个新的 Obsidian 笔记，起名”python import\u0026quot;，将来所有涉及到 Python 语法的笔记名，都以“python\u0026quot;开头，方便笔记的整理、归集、搜索。\n语法1笔记不是空着的吗，这时，可以去链接刚建好的 import 笔记。在这张笔记中，汇集了脚本1所有涉及的语法。\n下面来到了自定义函数 def。向 AI 提问：请向我讲解 Python 中 def 的详细用法。\n这里要注意，def 这一行要以半角冒号结尾。\nPython 中所有的符号都是半角， 只有自己想显示、输出的字符串可以是全角。下面不再重复。\n这里，出现了个英语单词，查词典：merge:/mɜːrdʒ/，合并。在 Obsidian 中新建笔记，命名为”新单词1“，同样，文件名中的数字与对应的脚本笔记同步。与根笔记、脚本1、语法1笔记建立双链。\n到这一步，围绕脚本1的一套笔记群已建好。为什么不建一个笔记就行，因为内容过多，对查询不方便，而保持笔记的”原子性“，也方便笔记链接更多笔记，方便它的复用。\ndef 下面，有一段中文，是用三个双引号包裹，这是 Python 中写注释的方法，需要为“注释”这个知识点建立笔记。\nprint语句，请 AI 给出讲解后，单独形成笔记，同时做好双链。这里，建议与 f 格式化字符串一起学习，实现丰富的输出内容。\n这里需要注意的是，只要是输出字符串内容，字符串需要一对引号包裹。\nAI 给出了下面一段代码的主题： # 1. 输入源文件绝对路径，这里的知识点是 # 号是干什么用的。\n从 while True: 到 break，这段代码用于接收源文件名和它所在的绝对路径，并对接收的内容进行去空格、将中文引号转换到英文引号等操作。\nwhile 是条件循环，它这里直接给了一个布尔值：True(注意大小写)，意思是：当为真时，循环以下代码。这里有个问题，这样写，就不会有“假”的时候，那不是一直运行下面的代码？\n将上面的疑问，分别向 AI 提问，并做好笔记。第一个提问：讲解 while 循环，第二个提问：什么场景使用一直为真的 while True: 。\nsource _input = 这一行，有以下几个知识点需要建立笔记：\n新单词：source\n变量 source input ，为什么两个单词之间要有个 ?\ninput 语句。\n\\n，是什么？\n它写的路径，为什么用 \\\\ 表示，而不是像windwos中用一个 \\ 表示？\n.strip()\n将以上新知识点，逐个请教 AI ，并做好笔记、双链。\nsource_input = source_input.replace(\u0026rsquo;\u0026quot;\u0026rsquo;, \u0026lsquo;\u0026rsquo;)\u0026hellip;.这一行的新知识点：\n.replace()\n为什么同名的变量，经过 .replace 操作后，又符值给回自己？\n这一句代码，实现了什么目的？\n新单词：replace，连同 place 一起记录、学习。（下面就不涉及新单词，因为每个人的英文水平不一致，这里只是介绍一种学习方法。）\ntyr: \u0026hellip;\u0026hellip; except: ，是干什么的？为什么在这里用它，什么场景需要用到它。\nsource_file = Path(source_input).resolve()\n这是新建了一个变量，叫 source_file，为什么？\nPath().resolve，注意 Path 的 P 不能小写。\n在 except: 代码块里，有一个 continue 需要学习。\nsource_file = str(source_file)\nstr\n这一句的目的？\nbreak：这要重点理解，它的作用是什么？在代码的什么地方写合适，它的缩进要求？\n\\# 2. 输入需要合并的sheet名，这一段代码块，是用于接收输入的sheet表名，并做相应的规范。\nsheet_names = []，这里将一个空列表赋值给新建的变量，为什么使用列表，不使用字典、元组、集合等数据类型？\nfor 循环这一行：\nname 是什么？它的作用是啥？\n.split()，为什么用它，不用它行不行？\nin sheet_input，为什么使用 sheet_input，使用它时，它是什么数据类型？\n完整理解这一句 for 循环，它为什么能循环？循环时做了哪些动作？它在本段代码中起到什么作用？什么场景可以用到它？\nclean_name = name.strip()，结合上一段内容来理解这句代码。\nif 语句块：\n用到 and 逻辑运算、not in 成员判断等工具。理解它们的运行逻辑。\nif clean_name 是什么意思？一般 if 都配套使用逻辑判断语句，它这里只写一个变量，是什么意思？有什么作用？\n.append()\n注意 if 语句块中缩进的规范使用。\n学习到这里，我们还需要解决几个问题：\n像 .append() 这种用法，什么时候使用小数点 . ，什么时候使用小括号（），小括号中是放参数的，为什么有时候是空的？\n\\# 3. 接收输出文件绝对路径，这段代码，是设置合并后新文件名及存放路径的。\n\\# 4. 核心合并逻辑，实现 sheet 表的纵向合并。\nsheet_dict = pd.read_excel(source_file, sheet_name=sheet_names)\n为什么变量名里就带dict（字典）？\npd.read_excel()：pd 是什么？读进来的数据是什么数据类型？\n小括号里的两个参数起什么作用？\n在学习 def 的时候，深刻理解了参数这个知识点没？\ndf_list = []，这又是建一个空列表，结合下面的代码，理解它有什么用？\nfor SheetName, df in sheet_dict.items():\n这个 for 循环的循环变量（也叫迭代变量），有两个？那从 sheet_dict 中取出的数据，怎么放到两个循环变量里？这一步，要复习字典的内容。\n.items()。这里要特别关注，使用这个函数，区分了什么数据类型的数据？\n在这一步，应该得到你之前学习 for 循环时建立的笔记的帮助。\ndf[\u0026lsquo;表名\u0026rsquo;]\nif df_list: 这里的用法，与上面的 if clean_name 是一样的。\nbig_df = pd.concat(df_list, ignore_index=True)\n这一句代码，就是实现表格纵向合并的关键。\npd.concat()，以及里面的参数。\nbig_df.to_excel()：输出为 EXCEL 文件，要注意小括号中两个参数的用法，它使用了什么变量，这个变量是在哪一步生成的，生成了什么内容。\n后面是一些打印语句，重点复习 f 格式化字符串的用法，还需理解：\n用 else：的用意？\ntry: \u0026hellip;\u0026hellip; except Exception as e: 的使用目的。\nif name == \u0026ldquo;main\u0026rdquo;:\n这一句代码需要重点理解，学会了这一句，去看别人的程序，就好理解了。学习编程，看别人成熟的代码，是加快学习进度的一个好办法。\nmerge_excel_sheets()，调用上面自定义函数，这里需要提个问题，函数通过形参、实参来传递数据，这里怎么只有一个小括号，里面没有任何函数？\n后面的语句，应该看得懂了。\n第一个脚本，我们学习起来会很慢，但这是“磨刀不误砍柴工”！在理解了代码的基础上，需要自己输入代码进行练习，每一次练习以脚本能正确运行出结果为标志。\n重复这个练习10遍，不断利用你建好的双链笔记群来获得帮助，直到你不看源代码就能写出完整代码为练习成功标志！\n（二）合并同一文件夹里具有相同格式的多个EXCEL文件\n场景：这个场景更常用，大多信息管理软件导出的数据是按月存放的，合并它们也是一个极大的工作量。\n提示词：我有一个文件夹，里面存放着多个 EXCEL 文件，它们具有相同的格式，我需要在一个新的 EXCEL 文件中，纵向合并它们。\n按这个提示词，AI 可能不会一次给出满足要求的代码，需要我们反复去调整提示词。\nAI 给出的代码：\n我写的内容到此结束了。\n本文是大家共建的，请根据自己的工作内容，提取出需要建立脚本的任务，按上述方法，一个一个的学习，建设好双链笔记群，利用双链笔记群，反复练习，直到不看源代码就可以自己写出完整代码并成功运行。\n请大家将自己写的脚本共享出来，造福于更多的打工人，善莫大焉！\n如果大家能将脚本发给我，我收集起来，数量足够多了，我统一发布出来，让大家能在一个地方查询、学习、交流，善莫大焉！\n行动起来，让我们会计人用 AI 去应对 AI 的时代！\n","permalink":"https://cfo580.cn/article/kuai-ji-cong-xiao-xiang-mu-kai-shi-xue-python-lian-yi-ge-yong-yi-ge/","summary":"本文抽取会计日常中，重复工作为小项目，由 AI 给出实现小项目自动化的 Python 代码，再用双链笔记 Obsidian 形成个人知识库，形成”学、记、练“的完整学习闭环。改变了自学编程”只看不练“的无效学习方法。也不是传统的“由易到难”…","title":"🧩 会计从小项目开始学Python——练一个用一个"},{"content":"虑得先生的读书笔记\n作者：虑得先生\n开始时间：2025-11-12\n结束时间：2025-11-20\n第一章 速成\n为什么要学 Obsidian?\n从前，人们为了“怎样获取有价值的知识”而焦虑，现在，最在的焦虑是：在这些扑面而来的信息里，哪些是值得我保存的、我能用来表达、我能用来独立思考的素材。\n这就是为什么我们需要一个知识库，更需要一个能让知识流动起来的工作流。\n知识库解决的是“存在哪里”，工作流解决的是“怎么用”。\n第一代笔记软件：WORD、记事本。第二代笔记软件：如印象笔记等，增加了网页剪藏、文件夹管理、加标签和搜索功能。以上这些笔记软件，就算是储存规范、标签打得合理，但整理它们、提取有效信息，就能使人崩溃。\n第三代笔记软件以 Obsidian 的出现，不只是双链、搜索、插件这些技术特点，而是它带来了方法论的转变。它是一个能完成 “输入-关联-表达” 三步闭环的系统。它不是用来存东西的，而是用来盘活知识、产生新内容的。\n但就算用最先进的软件，如果没有一套“处理信息的流程”，笔记永远是孤岛，堆得再多也只是信息垃圾场，所以，还要利用 Obsidian 建立一套“处理信息的流程”。\n真正能拉开人与人之间差距的是什么呢？不是谁知道更多的表面知识，而是谁能持续积累独立的见解、创造独特的内容、形成属于自己的知识网络。你需要有自己的视角、自己的洞察、自己的表达，这些是 AI 帮不了你的。\n“你的大脑是用来思考创意的，不是用来存储任务的。”\n建议先看第四、第五章，再看第一和第二章。\n安装配置\nObsidian 的官网： https://obsidian.md 。官网的下载速度非常慢，可以在网上找一些稍微老一些的版本下载。如 CSDN 等。\n安装到初始页面，会看到是英文的，点击 English，更换为中文。\n之后就是要选择“新建仓库”还是“打开本地仓库”，如果之前没有使用过，就选新建，告诉程序新建仓库名称和存放位置，安装就完成了。\n什么是仓库\nObsidian 类似于 word，它形成的笔记文件，是存储在电脑磁盘（或云盘）上，有些同学会问，那直接叫存储在“文件夹”就行了，为什么还要起个名字叫“仓库”？是因为，Obsidian 除了能编辑笔记，还有很多插件、主题的设置也存储在同一个文件夹中，所以起了个不同于文件夹的名字“仓库”。因为笔记和设置都存储在仓库中，可以很容易的把它们一起打包转移到其他地方。这样无论在哪台设备上，都可以用自己熟悉的设置查看、编辑所有的笔记。\n同步问题\n如果这个问题在下面的操作都无法实现的时候，可以先跳过，专注在PC端先用起来。\n由于 Obsidian 是本地存储的，想在跨设备之间同步笔记，需要自己设置。按常用的 WINDWOS 系统举例（苹果系统可在网上搜索）。\n由于 Obsidian 自身提供的同步服务，每月要5美金，大多不采用这种，按下面的方法：\nPC端：\n1. 选择一个云盘，推荐使用 OneDrive，注册成功后，有5G的免费空间。\n2. 进入 OneDrive，设置一个新文件夹，如“Obs_data\u0026quot;。\n3. 进入 Obsidian，先给仓库名称起一个名字，如”MyObs\u0026quot;，然后：创建仓库——仓库位置——浏览，选择 OneDrive 上刚刚新建的文件夹“Obs_data\u0026quot;。\n手机端：\n1. 下载 OneSync 这个APP。\n2. 进入 OneSync 后，连接到 OneDrive——选择要同步的内容（即选择刚才在 OneDrive上新建的文件夹“Obs_data\u0026quot;）——创建测试文件夹对（这一步跳过）——“同步文件夹”选项卡——运存储的远程文件夹—— OneDrive同步——选择——文件夹对中的”本地文件夹“——因为手机还没有对应的文件夹，要在手机上新增一个——创建——取消勾选”不包括隐藏文件“——保存。\n3. 在手机上打开 Obsidian，选择”Use my existing vault\u0026quot;来创建仓库（手机上没有中文版）——选“On this device\u0026quot;——选择刚才同步的那个文件夹（OneDrive同步）。\n4. 由于手机同步会有些延迟，最稳妥的办法是写完内容或准备开始写的时候，到 OneSync 中单击一下”同步“按钮。\n同步的常见问题\n1. 不可以用百度网盘、WPS云盘等网盘，因为它们没有”WebDAV\u0026quot;功能。\n2. 可以使用私有NAS来同步，推荐使用 Remotely Save 插件。\n基础设置及两个必会功能\n先熟悉一下界面，这里就不做笔记了。\n本文涉及的所有要输入的符号，全都是英文半角状态。\n基础设置\nObsidian 的所有设置选项，都在左下角的齿轮图标中。\n1. 在左侧选择”文件与链接“项，在右侧打开”始终更新内部链接”项。只有打开这个功能，才能保证我们在修改文件名之后，添加的链接不会丢失。\n2. 在左侧选择“核心插件”，右侧选择打开属性列表。以后方便我们批量管理笔记。\n3. 还是在”核心插件“，在右侧找到”反向链接“项，打开。这样才能清楚地看到这个笔记和其他哪个笔记有关系。\n两个绝招\n1. 使用控制面板：写笔记的时候，我们常用一些操作，比如插入模板、导出笔记、删除笔记等，每项操作都要去找按钮，就太影响写笔记的流畅性了，所以推荐用控制面板来实现所有的操作：Ctrl+p。打开的控制面板，光标停在搜索框，直接输入要使用的功能，这会出现在下面的列表中。\n2. 设置快捷键：除了常用的 Ctrl+c、Ctrl+v、Ctrl+z 等，控制面板上的所有操作都可以用快捷键来操作。比如 Ctrl+n 直接新建一个笔记，Ctrl+t 来显示今天记的笔记等。设置快捷键在设置界面——左侧”快捷键“。\n问题：快捷键太多记不住怎么办？不要勉强，快捷键记得住才能发挥作用，建议分批设置，用熟了再增加。\n用 MarkDown 语法记笔记的便利之处\n1. 可以专注记录，而不用考虑字体、字号等样式的设置问题，自然就不会因为格式问题分心，可以完全专注于信息的记录。\n2. 纯文本在各个设备上都能打开，因为 MarkDown 本质上是纯文本格式，所以可以在任何设备上打开和编辑。\n3. 对 AI 非常友好，很适合建立个人知识库。MarkDown 是最方便 AI 识别的文件信息格式之一，比 PDF 的适配度高许多，所以用 MarkDown 格式记的笔记，其实是在给 AI 准备资料。\n4. 还有一款专业的 MarkDown 编辑器：Typora，虽然是收费软件，但这个投资绝对值回来，可以在 Typora 记录，再把它保存的文件丢给 Obsidian，这种操作推荐用于只记录一份纯粹的笔记（因为它使用不了 obsidian 更丰富的操作），然后分发给别人。\n问题：文字想使用颜色怎么办？不推荐使用更多的颜色，推荐使用高亮和加粗来强调重点就行了。如果实在想用，可以找插件“Colored Text\u0026quot;来使用，具体使用方法请问 AI。\n标签整理术\n笔记可以使用文件夹分类管理，但标签可以跨文件来使用，且一个笔记可以打多个标签，让这一篇笔记在更多地方活跃起来。\n创建标签\n在笔记的任意位置输入 ‘#’，再加上你想要的标签名即可，例如：#写作、#灵感、#读书笔记，但切记不要在#后面加空格，因为根据 MarkDown 的语法，#加空格，是一级标题的意思。\n标签分层： 使用 / 来表示层级关系，如：#学习/编程、#学习/法学、#学习/会计。\n单击标签面板中的任意标签，就能在左侧的搜索栏中，看到所有带上这个标签的笔记。\n标签的使用也会带来麻烦，如标签名字内容重复但文字有差别、标签数量太多，标签下的笔记之间关系不清晰等。想利用好标签给笔记分类，推荐看《笔记的方法》这本书，有很多实用案例。\n双链\n写笔记容易，找笔记难，Obsidian 用一处笔记链接笔记的方法来解决这个问题，叫“笔记双链”。\n1. 链接笔记：在编辑笔记的区域输入丙个方括号：[[，就会出现仓库中所有的笔记，选择需要关联的笔记就行了。\n2. 链接段落：在输入 [[ 并选择好笔记之后，再输入一个 # 号，就能选择哪一个段落了。前提是，被选择的笔记，要有标题层级才行，也就是用1-6个 # 号设置的标题层级。\n3. 链接块：想键接到某一行，在输入 [[ 并选择好笔记之后，再输入一个 ^ 号，就能选择链接到哪一行了。\n在设置面板中，核心插件——出链，把它打开，就能在笔记页面的侧边栏找到所有和这个笔记有关联的笔记列表了。\n和笔记的链接有两种，分别是出链和入链，分别表示这篇笔记与其他笔记的链接和这篇笔记被其他笔记的链接。有相应的图标供使用。\n插入图片、视频及PDF文件\nObsidian 插入图片、视频及PDF文件，需要先设置一个附件文件夹，再从附件文件夹中拖入笔记。\n设置附件文件夹： 在主页上选：文件列表——单击新建文件夹按钮，命名为“附件文件夹”。接着在设置面板——文件与链接——附件默认存放路径——指定的附件文件夹——选择刚才设置的”附件文件夹“。\n插入图片： 直接将图片从电脑的文件夹中拖入笔记中。如何调整图片的大小，使用插件”Image Toolkit\u0026quot;。怎么安装插件将在第二章讲。\n插入视频：\n1. 插入本地视频：直接将视频从电脑的文件夹中拖入笔记中。尚没有方法调整视频的显示大小。\n2. 插入网络视频：先下载第三方插件“Convert url to preview(iframe)，然后将视频的地址复制到笔记中，然后在这个地址上点鼠标右键，在弹出的菜单中选”Url to Preview/iframe\u0026quot;，再查看一下配置（主要是调整尺寸），单击“OK”。\n插入 PDF 文件： 在 Obsidian 中，可以浏览 PDF 文件，但不能直接浏览 WORD、EXCEL 文件。插入 PDF 文件和插入图片的方法一样。如果想进行批注、钩画等，需要使用第三方插件“PDF++\u0026quot;。\n问题：\n1. 附件文件夹中的文件太多，会不会拖慢办件运行的速度？会的！要及时清空不再使用的附件，可以使用第三方插件”Clear Unused Images\u0026quot;帮忙查找。还有一种方法，使用“图床”功能，即把图片放到网上，用链接的方法把图片链接到笔记中显示，配置稍复杂，请向 AI 请教图床的使用方法。\n2. 可以阅读及批注网上的 PDF 文件，使用“PDF++”插件。\n导出及备份\n导出：\n1. 在仓库中，将笔记文件或整个仓库文件夹直接发送给别人。\n2. 如果想将完整的格式呈现给对方，可以导出成 PDF：在笔记的右上角点击”三个点“图标，选择”导出为 PDF\u0026quot;项就可以了。\n备份： 设置面板——核心插件——文件恢复，打开这个按钮。再去设置面板——文件恢复，设置好各种参数。以后在使用中，如果发现把笔记改错了，或者笔记找不到了，在设置面板——文件恢复——快照中，从笔记的各种版本中选一个，单击“复制”就可把笔记找回来了。\n第二章 进化技能\n网页剪藏\n信息收集是知识管理的第一步，而从网页上把自己需要的信息采集到 Obsidian ，是非常方便的。\n在国内，PC端推荐使用微软的 Edge 浏览器，因为谷歌的 chrome 的插件市场打不开。手机端推荐使用 Firefox（火狐）。\n以 PC 端为例：打开 Edge，右上角三个点——扩展——获取 Microsoft Edge 扩展——在搜索框搜索“Obsidian Web Clipper\u0026quot;这款插件。安装好以后，保持 Obsidian 处于打开状态，就可以开始使用插件了。这个插件的使用比较简单，自己摸索即可。\n打开 Obsidian 的”属性列表“功能，可以看到剪藏内容的各种属性：设置界面——核心插件——属性列表，\nObsidian Web Clipper 还有很多自定义功能，例如你想把不同的网页剪藏到不同的文件夹中，或者想在摘录的时候记录更多内容，可以进行自定义。打开插件，点击齿轮按钮，即可进入自定义页面。\n插件指南\n基础的 Obsidian 使用方法，很简单，但它的魅力在于丰富的第三方插件。\n如何选择插件： 一个是我需要什么，另一个是看另人的推荐。插件不是越多越好，只选择我们常用的、必须的，过多的插件会减慢软件的运行速度。\n安装插件： 在设置界面——第三方插件——关闭”安全模式“——社区插件市场——浏览。由于 obsidian 的服务器安装在国外，有时连接不畅，推荐使用”PKMer“插件，它能大大加快插件的下载速度。安装好它后，就不用到社区插件市场去了，而是在侧边栏看到”Open PKMer Market\u0026quot;，是在这里下载插件了。\n启动和删除：\n启动：大多插件安装后，需要在设置界面——第三方插件，找到对应的插件把“启用”按钮打开，还有很多需要设置，设置一般都是齿轮按钮。插件的使用，推荐先找视频，再看它的官方文档。\n删除：设置界面——第三方插件，找到想删除的插件，点击后面的“垃圾桶\u0026quot;图标即可。\n智能汇总笔记内容——Dataview 插件\n有没有什么办法，能让带上某个标签的笔记自动汇总到一个页面中？让同一天创建的笔记，自动汇总到当天的笔记下面？在一个页面中自动提取所有笔记中的待办事项？这个插件上手有一点难度，但这个时间成本的投入绝对会让你在以后节省回来并提供丰厚的回报。具体内容太多太细，就不做笔记了，使用方法在网上找视频、问 AI 。\n标准化你的笔记流程——Templater 模版插件\n在记录某些类型笔记的时候，有些内容是固定的，比如读书笔记，作者信息、发布时间、阅读时间、一句话阅读感受等，怎样才能达到这个目的，使用模版！\n在设置界面——核心插件，找到”模版“按钮，打开。这是 Obsidian 的原生模版功能，但更推荐使用 Templater 模版插件，因为它能做更多的事。主要是它能读懂代码，让模版在生成的时候自动完成指定的动作，填好动态内容。\n赋能笔记的智能化处理——AI 插件\n可以直接使用 DeepSeek，这种官方的API，直接使用它的秘钥即可（要收费），十分方便，如果想使用更多的大模型，推荐使用汇集了各种大模型 API 的中间商——硅基流动、字节跳动的火山引擎。无论用哪一种方式，链接的逻辑都一样：获得模型的名字、API密钥以及模型的URL。推荐使用DeepSeek。\nAI 插件的主要功能有两个，一是直接和你的单篇笔记对话，针对这一篇笔记进行修改、续写、翻译等。另一个是直接搜索整个仓库，把所有笔记作为知识库，用笔记来回答你提出的问题。\n但我的使用感受是，这些插件远不如腾讯的 IMA，把 obsidian 仓库的所有笔记，全扔给 IMA 里息建的”个人知识库“，然后向 IMA 基于这个知识库提问（@你的知识库名称），它的回答更专业，然后将回答复制到 Obsidian 新建笔记，并建立双链。这种方式更专业、更方便。\n但如果要想让 AI 帮助你实现流程自动化，则必须在 Obsidian 内部署智能 AI 。相关的建立方法，请网上搜索+ AI 提问。\nAI 插件推荐： Copilot、Text Generator、Smart Composer。（似乎使用这些插件，需要打开梯子？）\n推荐一些常用的插件\nPDF++：在 Obsidian 中边看 PDF 文件，边勾画、标注，特别适合学生使用。\nJournals：专为日记设计的插件，支持按日、周、月、年快速跳转和查看。\nPaste URL into Selection：直接为选中的文字生成超链接，方便链接外部资料。\nNote Refactor：将笔记中的部分内容快速拆分为独立笔记，方便模块化管理。\n第三章 Obsidian+AI 实战（可先不看）\n这一章涉及日记复盘、读书笔记、知识收集等，因为配置大模型 API 需要收费，暂时先不做笔记，回头用到了，再研究。\n第四章 GAP三层笔记法\n误区分析\n工具选择焦虑：\n1. 笔记软件这种工具之间的区别没有你想像的那么大。\n2. 持续更新是常态，完美的笔记软件只会是下一个。\n3. 根据不同的情况，选择不同的工具。\n所以，不要花太多时间在“哪个软件最好”的问题上，要专注在“如何高效使用它“上， 选定一个软件坚持用下去更重要。笔记和知识都很吃复利！你在一个工具中存储、积累了大量的内容，就尽量长期使用它，才能找到知识之间的关系，从中生长出自己独有的东西来。只要记录的内容能很方便地导出，任何一个笔记软件都是可以使用的。\n缺乏输出需求：\n收集了很多的内容，但自己并没有进步，反而导致自己陷入怀疑、自责的情绪当中。这是因为你没有建立”需求“。\n知识库的搭建也是一样，搭建它得有个”目的“、”需求“，其实，它的最终目的是：帮你产出——产出内容、产出成果、产出影响力。你必须有”我一定要把什么东西实现了“的需求，才会自然产生去收集、整理、归纳、思考的动力。\n如果没有这种需求，而收集了很多内容，最后，你只是在虚构一个”我很努力、很上进“的幻象！用不断积累资料的动作，掩盖自己其实什么都没思考、都没有执行的事实。\n输出不一定是去做账号、做个人IP、卖课、搞知识付费等，积累自己的菜谱，记录自己制作咖啡的评测、生气后记录自己生气的起因、过程、后果及反思等，工作上的汇报、操作手册、项目总结、复盘报告等，都是输出。\n盲目收集信息\n”收藏一大堆，回头全没用“，要避免这种情况的发生，我们要建立一个”不收藏清单“\n1. 普世观点：要有长期主义精神、专注比努力更重要、坚持是通往成功的唯一道路\u0026hellip;\u0026hellip;这些人人都知道的，没有必要收藏，因为它们不能为你的输出提供独特价值 。\n2. 未经验证的非官方信息。\n3. 碎片原文，除非是自己阅读过，还能记录下当时自己的想法，不然，就不要收集。\n4. 在 AI 时代，那些普适化、通用型的答案，完全可以交给 AI，没必要囤在知识库里。你的知识库是存放“针对你的需求、你的目标、你的场景”筛选出来的独特内容 。\n信息整理混乱\n笔记整理的方法只有这三种：\n1. 文件夹：在GAP三层笔记法中，只需要建立 三个文件夹，多建无用且会混乱。\n2. 标签：由于有了双链的出现，标签只需要标记笔记状态的区分，比如某个笔记是在整理还是整理完了。\n3. 添加笔记链接：这才是找出笔记的关键！随着笔记软件的进步和发展，现阶段能够真正让笔记高效互联、产生价值的方法，就是添加笔记之间的链接。\n我们今天用的双链笔记软件（如Obsidian ，思源笔记等），用**“双链”** 把碎片信息链接起来，形成一个不断扩大的知识网。这样一来，你不仅能找到某篇笔记属于哪个分类、带了哪些标签，更重要的是，你能看到它和其他知识之间的真正关系。\n相信联系的力量，就是相信你大脑真正擅长的事：不是死记硬背，而是串联和联想。我们真正记住的，从来都不是孤立的知识，而是它和其他事物之间的关系。\n链接就是帮我们在知识库里重现这种大脑的联想网络。这种网络越密集，你找到灵感、答案、线索的速度就越快。\n双链笔记软件的最大优势，就是能自动帮你生成这张关系网，你不仅能手动添加链接，还能通过反向链接发现：原来有一个笔记曾经提到过它，还能通过“相似笔记推荐”功能让 AI 帮你找出潜在的关联。\n这些都是在用知识库管理知识时要多多使用链接的原因。\n走出完美主义魔咒\n完美主义，堪称知识管理道路上的终极拦路虎！很多人做事，一开始就想着完美，等“完美”的准备好了，热情也消失了！\n没有哪一个知识库、哪一个作品、哪一个输出，第一次就是完美的。完美，是在不断尝试、不断修正、不断实践中慢慢接近的。你开始做起来了，你会发现：事情没有想象中那么糟，许多卡住你的地方，是行动之后才能找到解决方法的。\n什么是AI 时代的知识库\n1. 采集——归类——表达，在一个知识库中完成。 如果你用一个软件做信息收藏、用另一个软件做归纳总结、再用第三个工具去生成内容，表面上每个工具都专精高效，但在来回切换的过程中，精力是被反复消耗的。尤其在每个工具间搬运内容、重新整理格式、调整语境时，这些无形的摩擦会大大降低整体效率。一个好的知识库，应该能在同一个工具内完成如下环节：\n——采集：网页、书籍、视频、访谈、邮件中的有用内容随时存入系统。\n——归类：通过标注、分类、整理、总结，把有关联的内容组合在一起。\n——表达：基于这些已经组合好的碎片信息，迅速生成演示文稿、文章、报告、总结、甚至是社交媒体内容。\n总之，能串联起信息流全步骤的工具，才能在 AI 时代立得住。省下来的不是工具之间的整合时间，而是你用来思考、创造、发声的宝贵时间。\n2. 知识能自由导入导出 AI 工具更新速度非常快，从而要求笔记软件是开放性的。只有笔记自由流转、灵活提取，你的知识库才能随时升级、随时进化，真正跑赢这个不断加速的 AI 时代。像印象笔记，采用封闭、加密的模式，不能和他其\n3. 内容要方便 AI 读取 最适合 AI 读取的格式就是 MarkDown 格式，Obsidian 完美支持 MarkDown 格式，这也是它成为优秀知识库软件的底层支撑之一。\n4. 能让 AI 工具直接接入知识库 必免在 AI 工具和知识库之间来回复制粘贴，最好就是让 AI 进驻知识库。虽然有很多知识库软件带有 AI 功能，但大部分都无法自由选择用什么模型，只能用软件提供的那一个。而 Obsidian 可以自由选择。\n5. 知识库直连发布平台 知识库搭建逻辑——GAP三层笔记法\nGAP三层笔记法：就是用三个文件夹来管理所有笔记：采集（Grasp）、归类（Arrange）、表达（Present）。然后再用双链将相关内容关联在一起。\n采集：收集你关注的内容，比如通过前面介绍的剪藏插件“Obsidian Web Clipper\u0026quot;收集网页内容等。不要过度采集，围绕输出内容来采集，以及采集的同时多记录自己的想法和经验。——将所有碎片先收进来。\n归类：在归类文件夹中，新建目录页面（使用代码：toc） ，将采集文件夹中的相关的内容组织在一起。——整理主题，将零碎信息汇总成大块内容。\n表达：在新建笔记中记录想要输出的提纲，再链接相关处于采集、归类文件夹中的内容，产出就不费力了。——输出结果。\n与传统笔记方法的区别：\n1. 避免了文件夹陷阱：传统使用文件夹管理笔记文件的方法，是传统的树状分类，笔记在树上不方便流动，笔记一旦塞进文件夹，过两周就找不到了。\n2. 标签泛滥：第二代笔记软件使用标签来管理笔记，随着标签越来越多，到后面要专门花时间来管理标签。一个笔记贴有十几个标签，看似全面，实则模糊了重点，反而不知道这个笔记真正应归属于哪个主题。更关键的是，标签只是简单的归类工具，标签下的笔记之间没有直接联系，无法呈现上下文关联或更高层次的结构。\n3. 孤岛笔记：收集了大量的内容，却在输出时找不到相应的素材。原因就在于库里的内容只是静态存储，缺少专门为产出设计的组织方式。\n重点提示： 在表达文件夹中，生成的已经完成的输出文件，要链接回归类文件夹中的相关笔记，这样，它就会成为你下一次输出时的素材。\n第五章 打造工作流\n工作流和知识库的关系\n知识库是存储的原则，而工作流是操作的流程。知识库是一种静态的系统，是为了保证信息存放得合理、有序、能随时被调取；而工作流是一套动态的操作流程，是为了确保我们在收集、整理、产出这些知识时，有一条明确、顺畅的路径。二者相互依赖、缺一不可；没有工作流，知识库就很容易变成杂乱的仓库；没有知识库，工作流就失去了积累和沉淀的对象。\n一个好的工作流有什么特点？、\n1. 明确的处理步骤：每一环都清楚下一步要做什么，从信息的进入、整理、加工到输出，都有即定的路径可依赖。\n2. 可重复使用的内容模版：对于那些在日常使用中高频出现的环节，预设好标准化模板，减少重复劳动，提高 操作效率。\n采集工作流\n明确目标——浏览——记录。\n1. 先明确想要解决的问题、想要表达的内容，或者必须完成的任务。 真正高效的知识管理，必须从目的出发（查阅理查德.费曼的“十二个最喜欢的问题）。带着自己关心的课题观察世界，是费曼收集信息的准则。建议我们应该采用的策略是：不是所有内容都需要收集，只有和你的”目标“有关的信息，才值得进入知识库（要解决的问题、想表达的内容、需要完成的任务）。当然如果有启发但不想表达的内容，也值得记下来，可以建一个专门的归类笔记，来汇总这些目标不明确的采集笔记。\n2. 在阅读资料、观看视频、进行日常观察时，随时手写或记录下触动自己的内容。 这一步，一定要遵循严格 把控的原则，不随便收集内容。三个最值得收集的素材类型是：\n让自己有一点儿不舒服的内容：因为这通常是你的认知盲区，是值得记录和掌挖的地方。\n长的内容：长内容往往能给你带来更多有结构、有深度的启发。碎片信息容易形成”伪学习“，而长内容能真正构建认知体系。\n经典内容：能够经受时间检验的内容通常有其独特的价值。经典内容经受了时间的筛选，质量和启发性更有保障，特别适合打基础。\n3. 用合适的软件（如Obsidian)将信息快速收集起来，初步结构化。 配了置好工具和模板，再进行收集：配置好剪藏工具和 Obsidian Web Clipper 插件。\n采集模板有三个必备的核心要素：采集时间、是否已整理的标签、和其他笔记的链接。这一步，现开始，用手工实现，使用多了，再尝试让 AI 来帮助你，可以在网上查询和问 AI 。\n注意：一定要养成定期整理的习惯，定期整理比技巧更重要！有可能的话，一定要当天将采集文件夹清空。 把整理当成每天的习惯，才能让知识库持续保持活力，而不是沉没成无用的数据库。\n整理工作流\n找到未整理的采集笔记——浏览笔记完成链接——整理归类笔记，新建表达笔记。\n如果说采集阶段是积累原材料，那么归类整理阶段就是开始搭建结构。只有经过合理归类的内容，才能成为后续输出的基石。\n主要完成两年事：\n1. 处理未整理的采集笔记。\n2. 梳理和优化归类笔记。\n在整理了采集笔记之后，归类笔记中的内容足够丰富，就可以进一步新建表达笔记，为输出做好准备。\n归类笔记的状态标签可以这样设置：刚开始、进展中、已完成。\n一边浏览采集笔记，一边找到其与其他笔记的关联，是知识管理中最重要的步骤。因为建立笔记之间的联系，是整 个知识管理系统运转的核心引擎。\n在这个环节，使用 Copilot 插件，在该插件右上角” Relevent Notes\u0026quot;区域会显示出这个笔记和哪些笔记有关联，定位起来更方便。\n接下来，要做两件事:\n1. 拆分归类笔记：如果归类笔记中累积了很多内容，查看的时候就不太方便，应该果断地把它拆分成多个更聚焦的小笔记。\n2. 准备产出：如果归类笔记某类的内容已足够多，可以用模板新建一个表达笔记，准备进入内容的创作阶段。在新建表达笔记的时候，要有标题、大纲、时间等要素。\n小技巧：制作主题目录页面，用 Bookmark 收藏起来。\n产出工作流\n有表达欲望，创建表达笔记——完成表达笔记撰写——整理表达笔记汇入知识库——发表表达笔记。\n在整个知识管理工作中，表达产出不仅仅是最后一步，其实也是驱动前面所有步骤的核心动力。没有表达的欲望和需求，收集知识、整理汇总就没有支撑力，无法形成正向循环，知识库就无法真正积累起来。所以，“表达是最好的学习方式” 。\n归类笔记更像是“主题集合”或“素材聚合”，而表达笔记则是围绕一个明确的表达目标展开的产出单元。\n表达模板: 必备的字段：创建时间、链接、笔记状态（比如刚开始、进展中、已完成）。 所谓“表达” ，并不是指去写小红书笔记、公众号文章或者拍一条视频。表达也包括日常的工作产出，比如项目提案、工作总结、学术论文，甚至一封认真打磨的邮件。只要是需要整理信息、表达观点、传达内容的，都是广义上的“表达”。\n完成表达： 当我们想要表达的时候，在知识库中，采集、纳的步骤已经完成，现在只要把相关的内容关联到对应的表达笔记中去，有了参考资料再进行表达就会游刃有余！ 技巧：\n左右分屏：一个窗口放相关的笔记，一个窗口专心写作。\nAI 工具辅助写作：但是要注意，AI 只是辅助工具，它是在你的领导下工作的，一定不能全盘复制，不然“AI\u0026quot;味太浓！\n写东西真的很高的专注力，如何保持注意力集中， 是一个永恒的难题，以下几个小技巧可以试试：\n启动仪式：比如泡杯咖啡、沏壶茶、整理好桌面、戴上降噪耳机。这些动作养成习惯和肌肉记忆，并在做的时候不断暗示、提醒自己”做完这些就要进入工作时间了“！\n数字戒断：主动远离一切干扰源。将手机放到较远的地方、关闭社交网面等。\n番茄时钟法：25分钟工作、5分钟休息的循环节奏，有利于提高专注力的持续时间，还能避免长时间工作带来的疲劳感。\n整理笔记： 完成写作后，还有一件最重要的事，把表达笔记和知识库中已有的归类笔记再链接起来。不需要把已写完的表达笔记专门移动到专门的已完成文件来代中，只要更新状态、建立好链接，表达笔记就已经归位了。整理好的表达笔记，为我们下一次的表达，又形成了有效的素材，它能成为知识库中能被反复引用、积累、升级的资产。\n公开表达： 这一步不是必须的，当然，公开表达是获取外部正反馈的重要方式，它不仅能帮我们检验自己的理解和表达是否清晰，还能吸引志同道合的朋友，慢慢积累自己的影响力。\n最后推荐一个小技巧，将已完成的表达笔记，做一个目录页，然后使用收藏功能，方便以后的查找。\n工作可视化——白板 我们会发现，所有的笔记，仍然是列表状的、线性排列的，很难一眼看出整体情况。利用白板功能，可以实现笔记的可视化。\n1. 标记好所有笔记状态。\n2. 创建笔记目录页并且用 Dataview 插件提取对应状态的笔记。\n3. 最后是放到 Canvas 白板上。Canvas 是 Obsidian 的核心插件，在左侧菜单栏中，显示为”四个广场“。\n结束\nAI 时代，到底什么样的知识才值得被积累？哪些信息才能真正为你的成长、实现梦想和价值提供独特支撑？这些问题可能只有在无数次记录和思考之后，才能得到切实的答案。\n参考左右分屏的内容。\n","permalink":"https://cfo580.cn/article/shang-tou-obsidian-shou-ba-shou-jiao-ni-yong-ai-zuo-hao-zhi-shi-guan-li-du-shu-bi-ji/","summary":"作者：虑得先生 开始时间：2025 11 12 结束时间：2025 11 20 第一章 速成 为什么要学 Obsidian? 从前，人们为了“怎样获取有价值的知识”而焦虑，现在，最在的焦虑是：在这些扑面而来的信息里，哪些是值得我保存的、我能…","title":"📚 《上头 Obsidian 手把手教你用 AI 做好知识管理》读书笔记"},{"content":" RAG ：给 AI 一柜子 PDF、Word、制度文件，AI 翻柜子找片段再回答。相当于档案室 ，处理非结构化文档资料。\nMCP ：AI 手里拿一套通用 USB‑C 插头，直接插到金蝶、HIS、业务数据库，实时在线查询活数据 ，可以读也可以执行操作；是连接器协议，不是数据库本身 。\n核心对比表\n本质 ｜RAG：检索技术架构 ｜ MCP：通信接口协议标准\n数据对象 ｜RAG：非结构化：PDF、制度、合同、纪要、Word 文档 ｜ MCP：结构化活数据：ERP 数据库、HIS、凭证表、往来账、业务 API\n数据时效 ｜RAG：需提前切片、向量化建索引；数据更新后要重新索引，存在延迟快照数据 ｜ MCP：直接访问源系统实时数据，拿到最新凭证、DRG 结算、余额数据\n能力 ｜RAG：只读，摘抄片段做问答，不能改业务系统数据 ｜ MCP：可读、也可写；可执行查询、导出，甚至提交单据（可配置权限锁死只允许读）\n解决的孤岛 ｜RAG：文档知识孤岛 ：一堆散落制度合同 AI 读不到 ｜ MCP：AI 访问层孤岛 ：一堆业务系统，AI 每个都要单独写对接代码，MCP 做统一接入标准；不消灭业务系统本身的数据割裂\n财务典型场景 ｜RAG：查询财务制度、审计底稿、合同条款、政策文件问答 ｜ MCP：Agent 实时查科目余额、供应商往来、医院 HIS 的 DRG 结算明细、调取凭证数据\n短板 ｜RAG：结构化数值计算弱；检索错片段就会幻觉；数据更新有滞后 ｜ MCP：不做文档语义检索 ；业务系统本身数据打架，MCP 不会帮你做 ETL 融合清洗\n","permalink":"https://cfo580.cn/article/mcp-he-rag-de-qu-bie/","summary":"RAG ：给 AI 一柜子 PDF、Word、制度文件，AI 翻柜子找片段再回答。相当于 档案室 ，处理非结构化文档资料。 MCP ：AI 手里拿一套通用 USB‑C 插头，直接插到金蝶、HIS、业务数据库， 实时在线查询活数据 ，可以读也…","title":"🤖 MCP和RAG的区别"},{"content":"作者：虑得先生\nMarkdown 格式 ：\n是在纯文本基础上增加了轻量级的标记语法。永远不会过时。\n所有的字处理软件都可以打开。\n可实现一边码字一边完成格式设置排版，从而让我们专注于内容的书写 。*\n需要在英文状态下输入 Markdown 命令。\n它是和 AI 交流的最佳格式。\n由于它不是富文本，形成的文本体量最小，利于线上传输。（例如本文的大小仅有 1KB）。\n建议：\n作为标题用的“#”后面空一格，标题功能才能生效。（其实很多命令都一样）\n段落之间空一行。\n最常用的语法（只有9个命令）\n标题功能：#（1-6级）\n加粗：文字两边用两个 ＊号包裹。\n斜体：文字两边用一个 ＊号包裹。\n删除线:文字两边用两个～包裹。这是要册除的文字\n列表：；有序列表：1.后空一格；和无序列表：-后空一格；可以缩进控制。\n引用：大于号加空格后输入文字。\n这是引用某位作者、文献的内容。\n代码：连续输入三个\u0026quot;`\u0026quot;(1字键左边那个键），还可以紧跟在后面输入代码名称，比如python、excel ，它可以按代码高亮规则显示。\n任务列表: [] ，在中括号中输入 x 表示任务完成。\n分隔线：段落之间想要一条分隔线，连续输入三个英文短横线。\n高亮：文字前后两个连续的“==”等于号。\n","permalink":"https://cfo580.cn/article/ma-zi-shi-yong-markdown10-fen-zhong-shang-shou-yi-bei-zi-shou-yi/","summary":"作者：虑得先生 Markdown 格式 ： 1. 是在纯文本基础上增加了轻量级的标记语法。永远不会过时。 2. 所有的字处理软件都可以打开。 3. 可实现一边码字一边完成格式设置排版，从而让我们 专注于内容的书写 。 4. 需要在英文状态下…","title":"📝 码字使用markdown，10分钟上手，一辈子受益"},{"content":"作者：虑得先生\n会计做好账是基本功，却不是容易达到的。有一个细节，是很多会计人没注意到的：\n单据编号及其流转规范\n用常规的商贸行业入库场景举个不严谨例子：\n采购订单 -\u0026gt; 采购单 -\u0026gt; 入库单 -\u0026gt; 采购发票 -\u0026gt; 付款单，这些都称为“业务单据”。\n如果是业务-财务一体化的软件，系统会根据业务单据自动生成会计凭证，那么这张凭证引用到什么业务单据，会自动记载。\n但，如果业务系统和财务系统是分隔的，大多会计做账时，只会对打印的业务单据中，数量、单价、金额、税额等关键信息重点关注，因为这些是要输入到凭证中去的。在这种方式下，以后要查、对账，采购单上的货发完了没？还有多少没收到采购发票？一头雾水，又开始加班了。\n会计与出纳对账怎么又快又准？我看见很多案例是用日期、金额、业务内容进行核对，速度慢还容易出错甚，至对不上。\n以上场景，如果严格遵守“单据一定要有编号”，就迎刃而解。\n而这个编号，也是有讲究的：除了单据本身的编号外，还要写两个编号：输入编号和输出编号，分别记录，本单据的上道流程产生的单据编号，本单据下道流程产生单据的编号。至于这些操作如何落地，需要根据企业的实际工作流程制定一个单据的“流转规范”，并形成SOP。\n最后进入信息系统时，也要将这三号在同一张单据上记录，保证了上下游的可追索性。\n这套方法不难，难的是转变整个企业的认知，且要保证落地，这就考虑企业管理水平的高低了。\n","permalink":"https://cfo580.cn/article/kuai-ji-xiang-zuo-hao-zhang-yi-ge-xi-jie-shi-hen-duo-ren-mei-zhu-yi-dao-de/","summary":"作者：虑得先生 会计做好账是基本功，却不是容易达到的。有一个细节，是很多会计人没注意到的： 单据编号及其流转规范 用常规的商贸行业入库场景举个不严谨例子： 采购订单 采购单 入库单 采购发票 付款单，这些都称为“业务单据”。 如果是业务 财…","title":"📋 会计想做好账，一个细节是很多人没注意到的"},{"content":"作者：虑得先生\n在当今数字化浪潮中，会计人的角色正从传统的账房先生向战略型知识工作者和数据专家转型。要在这个变革中保持竞争力，必须系统性地构建两大核心能力：个人知识管理体系和数据驱动决策能力。以下将深入探讨会计专业人士如何通过工具和方法实现这一转型。\n一、会计人是知识工作者：构建个人知识库的战略价值\n会计工作本质上是信息处理与知识应用的过程。面对繁杂的法规、多变的政策和复杂的业务场景，建立系统化的个人知识库不仅是效率工具，更是职业安全网。\n1. 为什么会计人需要“第二大脑”？\n信息过载是当代会计人的普遍困境。每天需要处理客户资料、法规更新、流程文档等大量信息，传统的纸笔或零散的数字记录已难以支撑高效且合规的工作。一项调查显示，80%的专业人士每周通过知识管理技术节省至少一小时的时间。更重要的是，良好的知识管理能降低合规风险，提升服务质量，构建真正的竞争优势。\n2. Obsidian：会计知识管理的利器\n在众多数字笔记工具中，Obsidian 特别适合会计专业人士，原因如下：\n关联性思维映射：会计知识（如会计准则、税务法规、业务逻辑）之间存在天然的联系。Obsidian的“反向链接”和“图谱视图”功能，能可视化这些联系，帮助您发现税务规则、客户案例和行业政策之间的隐藏关系。这对于处理复杂的咨询业务尤其有价值。\n数据安全与本地控制：会计工作涉及大量敏感财务数据。Obsidian将笔记保存为本地Markdown文件，您可以选择将客户信息完全存储在本地系统而非云端，这为注重隐私的事务所提供了更高的数据安全性。\n纯文本会计的生态集成：Obsidian与“纯文本会计”理念高度契合。例如，有专门的插件如 Ledger-Obsidian，允许您在Obsidian中直接记录和管理财务交易数据，所有数据以纯文本形式存储，确保了数据的长期可读性和可移植性。纯文本会计社区（如plaintextaccounting.org）也提供了丰富的资源和教程，支持使用Ledger、hledger等工具进行高效的财务记录。\n构建动态知识体系：您可以将所学的会计准则、财务管理、税务规划等知识，在Obsidian中有条理地分类整理，构建出属于自己的、可不断演进的知识框架。这能将零散的财务知识转化为解决问题的工具箱，把重复性工作提炼为可复用的方法论。\n二、会计人是天生的数据工作者：掌握数据全链路能力\n会计的日常工作就是与数据打交道：采集、处理、存储、分析和呈现。在AI时代，基础核算面临自动化挑战，而数据洞察能力成为会计人的新护城河。\n1. 数据处理与分析工具矩阵\n会计人需要根据场景灵活运用一系列工具：\n基础核心：Microsoft Excel\n这是财务人的“本命工具”，几乎人人必备。其强大的函数（如VLOOKUP、SUMIF）、数据透视表和图表功能，能满足日常的数据汇总、成本核算和趋势展示。例如，用数据透视表快速按部门或月份统计费用。但Excel在处理超大数据集和复杂自动化方面存在瓶颈。\n可视化与商业智能（BI）工具\n当需要将财务数据转化为战略洞察时，BI工具不可或缺：\nFineBI / 九数云BI：这类国产工具专为财务分析设计，能整合ERP、CRM、银行流水等多源数据，通过拖拽方式生成多维度可视化看板（如利润分析、应收账龄看板），实现从“做报表”到“做决策”的升级。\nPower BI：与微软生态无缝集成，适合已广泛使用Office套件的企业，能快速创建交互式报表和仪表盘。\nTableau：以强大的数据可视化能力著称，适合进行深入的数据探索和制作复杂的交互式图表。\n专业数据分析与编程工具\n对于更高级的分析和自动化需求，需要掌握：\nSQL语法：用于从企业数据库中高效地提取、筛选和汇总财务数据，是处理大规模数据集的基础语言。\nPython：凭借Pandas、NumPy等库，能自动化处理复杂的数据清洗、分析和建模任务，甚至构建财务预测模型。\n2. 掌握数据库的重要性：从数据使用者到管理者\n理解并掌握数据库技术，对现代会计人而言具有战略意义：\n实现数据源头治理：会计数据质量直接影响报表的准确性和决策可靠性。掌握数据库知识（如表结构、关系模型），能帮助您更好地理解业务系统（如ERP）如何生成原始数据，从而在设计数据采集流程时确保数据的完整性、一致性和准确性。\n提升数据分析自主权：许多经营分析问题需要跨系统、跨表关联查询。具备SQL技能，您可以直接从数据库查询所需数据，而不再完全依赖IT部门，大大提高了分析效率和灵活性。例如，直接关联销售订单表和收款表，自主分析应收账款周转情况。\n支持业财深度融合：现代财务管理要求财务数据与业务数据（销售、采购、生产）实时联动。数据库是业财一体化的技术基石。理解数据库，能让您更有效地参与ERP系统设计，确保财务模块能准确捕获和核算业务活动。\n为自动化与智能化奠基：无论是用Python编写脚本自动生成报表，还是部署RAG（检索增强生成）知识库来智能解答财税问题（如使用ima或Cherry Studio搭建本地税法知识库），其背后都需要对数据存储、检索有基本认知。数据库知识是实现这些高阶能力的前提。\n3. 机器人流程自动化（RPA）：以“影刀RPA”为代表，零代码拖拽式操作，是会计数字化的“效率神器”。\n应用场景：自动完成银行对账、个税申报、发票验真与归档等重复流程，将耗时数小时的工作压缩到几分钟，且准确率极高。\n协同价值：可与Excel、Python等工具组合，搭建从数据抓取、分析到导入的完整自动化工作流\n三、融合策略：构建“知识-数据”双轮驱动的发展模式\n将个人知识库与数据能力结合，能产生倍增效应：\n在知识库中沉淀数据分析经验：在Obsidian中，您不仅可以记录法规条文，还可以用笔记链接的方式，关联您用Python编写的某个特定财务分析脚本、用PowerBI制作的某张经典利润分析看板模板，以及相关的业务背景和解读结论。这就形成了一个可复用的“分析案例库”。\n用数据能力赋能知识管理：您可以利用简单的脚本，定期自动从财政部官网爬取最新的政策通知，并归档到Obsidian的特定文件夹中，实现知识的自动更新。\n建立“问题-知识-数据-解决方案”的闭环：当遇到一个新的业务问题（如“新产品线的盈利能力评估”），您可以迅速在个人知识库中检索相关的分析框架、历史案例；然后运用数据工具（SQL/Python/BI）提取和分析当前数据；最后将新的分析过程和结论沉淀回知识库，完成能力的迭代升级。\n总结：未来的顶尖会计人才，必然是那些能够系统化构建个人知识体系，并熟练运用数据工具将财务数据转化为商业洞察的复合型专家。从今天开始，使用Obsidian搭建您的“第二大脑”，并选择一两种数据工具（如从深入Excel函数，或学习Python开始）进行深耕，这将是您在数字时代会计领域实现专业发展的关键策略。\n未来几篇内容，会为会计人讲述应重点掌握的数字化工具。\n","permalink":"https://cfo580.cn/article/kuai-ji-ren-de-shu-zi-shi-dai-sheng-cun-fa-ze-gou-jian-ge-ren-zhi-shi-ku-yu-shu-ju-neng-li-ti-xi/","summary":"作者：虑得先生 在当今数字化浪潮中，会计人的角色正从传统的账房先生向战略型知识工作者和数据专家转型。要在这个变革中保持竞争力，必须系统性地构建两大核心能力：个人知识管理体系和数据驱动决策能力。以下将深入探讨会计专业人士如何通过工具和方法实现…","title":"🧭 会计人的数字时代生存法则：构建个人知识库与数据能力体系"},{"content":"作者：虑得\n一、什么是脚本？\n可以将“脚本”通俗地理解为一份能让电脑自动帮你完成重复性工作的“任务清单”或“操作说明书”。\n在计算机领域，脚本（Script）是一种用特定语言编写的、由一条条命令组成的文本文件。它就像一份给计算机看的“剧本”，计算机“阅读”并执行这份剧本上的指令，就能自动化完成一系列预设的操作。其核心价值在于将繁琐、重复的手动操作流程化、自动化，从而大幅提升工作效率。\n所以，脚本本质是“自动化任务清单”，是一个提升工作效率的“智能助手”。它把你从重复、机械的电脑操作中解放出来，让你能更专注于需要思考和创造的工作。当你发现自己每天都在重复同样的电脑操作步骤时，那就是考虑能否用脚本来实现自动化的好时机。\n二、会计为什么要积累自己的脚本？\n1. 自己写的脚本，用起来更容易结合实际情况进行修改。\n2. 脚本的编写、应用，得有场景，没接触到的场景，是想象不出来的。所以，积累，很重要！\n3. 更容易理解企业数字化转型的底层逻辑。因为你通过写脚本，知道什么时间节点、任务节点需要什么数据，这些数据怎么来的、怎么处理加工的、又将往哪儿去？没有写脚本的功力，是不容易理解这些的。\n4. 它是将来应用 AI Agent的技术基座。\n三、脚本与skill、Agent的区别\n这三个概念其实构成了 AI 自动化的“三层金字塔”，从底层到顶层分别是：脚本（Script）→ Skill（技能）→ Agent（智能体） 。\n脚本（Script）：确定性的“流水线工人”\n脚本就是一段写死的、固定的指令序列 ，按预设流程严格执行，没有任何自主判断能力。\n特点： 快、稳、省。输入确定，输出就确定，毫秒级响应，几乎零成本。\n局限： 遇到预设之外的情况就卡住报错，不会变通。\n典型场景： 每天凌晨3点自动备份数据、定时发送报表、Excel 一键格式化。\n一句话：你告诉它“怎么做”，它严格照办。\nSkill（技能）：模块化的“专用工具”\nSkill 是封装好的、可复用的单一能力模块 ，专注于做好一件事，有固定的输入输出，但没有自主意识，必须被调用才能发挥作用。\n特点： 专、精、准。一个 Skill 只干一件具体的事，比如“PDF 文字提取”、“SQL 查询生成”、“邮件发送”。\n形态： 通常以文件夹形式存在，核心是 SKILL.md（元数据+指令），附带脚本、参考文档、模板等资源，采用渐进式加载 机制，按需激活以节省 Token。\n与脚本的区别： 脚本是一套固定流程，可以独立跑；Skill 是单一能力单元，必须依附于 Agent 或其他载体才能使用。\n一句话：它解决“如何做好一件具体事”，但不知道“什么时候该做”。\nAgent（智能体）：有脑子的“项目经理”\nAgent 是具备自主决策能力的完整智能系统 ，你只给它目标，它自己拆解任务、规划步骤、调用 Skill 和工具、应对变化、自我纠错，最终独立完成任务闭环。\n核心公式：Agent = LLM（大脑）+ Planning（规划）+ Memory（记忆）+ Tools（工具调用）\n特点： 活、全、深。遇到意外能自己调整路径，做错了能自己纠正，甚至会主动做你没要求但合理的事。\n典型场景： “帮我分析上月销售数据并生成高管汇报”——Agent 会自主决定查哪些数据、怎么分析、用什么格式呈现，中间数据源挂了还能换一条路。\n一句话：你告诉它“要什么结果”，它自己想办法搞定。\n一张表看懂核心区别\n驱动力｜规则驱动（If-Then）｜能力驱动（单一功能）｜目标驱动\n自主性｜无，严格按流程执行｜无，被动调用｜高，自主规划决策\n灵活性｜极低，遇变即崩｜中等，专注单一领域｜高，动态调整路径\n复杂度｜低｜中｜高\n成本｜几乎为零｜中等（按需加载）｜高（Token 消耗大）\n比喻｜流水线工人｜专用工具/手艺｜项目经理/主厨\n三者如何配合？\n用一个“整理会议纪要”的场景来看分工：\nAgent 接收需求：“把1小时会议录音整理成精简纪要，导出 Word”\nAgent 自主拆解任务，调用 Skill ：“语音转文字 Skill” → “文本提炼核心 Skill”\n最后触发脚本 ：“Word 格式排版脚本”，自动调整字体段落完成导出\n没有 Agent，Skill 和脚本只是零散工具；没有 Skill 和脚本，Agent 就没有干活的抓手。\n选型黄金法则\n业界共识是建立一个**“降维调用”优先级** ：能用脚本解决的，坚决不用 Skill；能用 Skill 解决的，坚决不用 Agent。\n流程固定、规则明确 → 脚本 （快、稳、省）\n需要语义理解或泛化能力，但步骤单一 → Skill （专、精、准）\n目标明确但路径未知、需要多步推理和动态调整 → Agent （活、全、深）\nAgent 不是“第一选择”，而是处理最棘手“硬骨头”的“最后防线”。把简单任务交给 Agent，就像用大炮打蚊子——又慢又贵还不稳定。\n会计，学会并积累脚本，是板上钉钉的事！至于怎么学，可以看看我写的《会计从小项目开始学Python——练一个用一个》。\n","permalink":"https://cfo580.cn/article/kuai-ji-xu-yao-xian-zai-kai-shi-ji-lei-zi-ji-de-jiao-ben/","summary":"作者：虑得 一、什么是脚本？ 可以将“脚本”通俗地理解为一份能让电脑自动帮你完成重复性工作的“任务清单”或“操作说明书”。 在计算机领域，脚本（Script）是一种用特定语言编写的、由一条条命令组成的文本文件。它就像一份给计算机看的“剧本”…","title":"📜 会计需要现在开始积累自己的脚本"},{"content":"作者：虑得先生\n以“费用报销”为例：\n1. EXCEL思维：\n做一个大表，每行一条报销记录，包含：申请人、部门、日期、费用类型、金额、发票号、审批人、审批状态、付款日期、银行流水号……\n然后，每次输入，申请人、部门、审批人、费用类型这些都要重复录入，录错了一个字，后续的查询、汇总、分类就出错了。\n2. 数据库思维：\n涉及重复信息的，单独建张表，如上面提到的申请人、部门、审批人、费用类型等，每张表设主键，通过表的主键、外键形成关系。\n字段之间形成一对多关系的，多方也要单独建表，如一个申请人对应多张发票信息、付款记录等，彼此之间用主键、外键连接，形成关系。\n这里讲述的”主键“、”外键“、关系”不太精确，只能阐述大概意思，详细可查”数据库三范式“和“关系型数据库”等相关概念。\n下面用三张表举例：\n报销申请单｜谁、什么时候、申请了多少钱、什么事由｜一张申请可能对应多张发票，分开便于管理对应关系\n发票信息｜发票代码、发票号码、开票方、税额｜同一张发票不能重复报销，需单独验真，防止重复\n付款记录｜哪天付的、付哪个账户、银行流水号｜可能合并付款或分批付，独立记录资金流水\n好处：\n查“某张发票有没有重复报销”→直接查发票清单，不用翻所有报销记录。\n查“哪些申请还没付款”→看申请单和付款记录的对应关系。\n统计“供应商集中度”→从发票信息中提取开票方分析\n关键概念：\n主键：每张清单的“身份证号”（如报销单号、发票号），确保不重复。\n外键：清单之间的“挂钩”（报销单号出现在发票信息里，表示这张发票属于哪笔申请）。\n一对多：一笔申请对应多张发票，一个供应商开多张发票。\n通过这个例子，可明白，啥信息都塞进一张“表”的做法，会给后续的数据统计、分析、分类等带来麻烦，而在EXCEL中建立“分表”，就已经是“数据库思维”了。\n但EXCEL分表之间建立关系，是一件很麻烦的事，XLOOK写到手抽筋。这时，学习一些数据库（如SQLite）知识，就能达到事半功们的效果。\n没办法，会计人天生就得活到老学到老！但我在20岁左右学习的EXCEL支撑我到现在，24岁左右学习的数据库概念，也一直用到现在。知识、技能，总是在不远处，会给你一个大大的惊喜！\n","permalink":"https://cfo580.cn/article/kuai-ji-ren-ying-jian-li-fen-biao-si-wei/","summary":"作者：虑得先生 以“费用报销”为例： 1. EXCEL思维： 做一个大表，每行一条报销记录，包含：申请人、部门、日期、费用类型、金额、发票号、审批人、审批状态、付款日期、银行流水号…… 然后，每次输入，申请人、部门、审批人、费用类型这些都…","title":"🗂️ 会计人应建立”分表“思维"},{"content":"从“做账会计”到“经营型人才”，中间到底差了什么？答案不在证书里，而在能力转型与价值定位里。\n会计人员的价值，正在被重新定价。有的人守着基础核算，一天天“贬值”；有的人升级能力边界，一步步“升值”。下面这份对比，值得每个会计人对号入座。\n一、什么是会计人员的“贬值”与“升值”？\n贬值 ｜能力固化、价值局限，无法匹配企业经营需求，逐渐失去不可替代性。核心特征：以“基础核算”为核心，缺乏主动创造价值的能力。\n升值 ｜能力升级、价值延伸，深度参与企业经营，成为决策支持核心。核心特征：以“经营赋能”为核心，通过数据、资金、人才助力企业盈利。\n二、警惕！这些行为正在让会计“贬值”\n核算能力僵化 ：只会“做死账、死做账”，缺乏账务优化思维，无法从核算中发现经营漏洞。\n问题解决能力缺失 ：仅能“提出问题”（如成本超标、税负异常），但无具体解决方案，沦为“问题传声筒”。\n价值创造方向偏差 ：单一聚焦“税”相关操作，看似帮老板“省钱”，实则依赖政策漏洞或他人利益转移，不可持续。\n数据能力薄弱 ：不会“数据处理”（如数据清洗、整合），更无“数据分析”（如趋势预测、成本归因），数据沦为“数字堆砌”。\n向上管理空白 ：无法与管理层有效沟通（如用业务语言解读财务数据），难以传递财务价值，错失决策参与机会。\n三、“升值”第一步：补齐“贬值”短板，夯实核心能力\n贬值和升值，是一体两面的能力对照——每一块短板，都对应一条明确的升级路径：\n做死账、死做账 → 灵活优化账务，实现“活核算” ｜让账务匹配业务需求，从核算中提炼经营信息。\n只会提问题、不会解决 → 主动提供“问题＋方案＋落地建议” ｜成为企业“问题解决者”，降低管理层决策成本。\n单一搞“税”、掏别人钱 → 合规前提下的“全维度降本” ｜如供应链成本、运营成本，创造可持续利润而非短期利益转移。\n不会数据处理与分析 → 熟练掌握数据工具（Excel 高级功能、ERP） ｜输出“数据洞察报告”，让数据成为经营决策的“依据”而非“记录”。\n不会向上管理 → 用“业务语言”解读财务数据 ｜定期输出“经营价值报告”，打通财务与业务的沟通壁垒，成为管理层“信任的参谋”。\n四、“升值”关键：突破会计边界，成为“经营型人才”\n会经营数据：从“做账会计”→“管理会计”\n解释：不仅记录数据，更能通过成本分析、盈利模型、预算管控，将数据转化为“经营策略”。 价值：帮助企业找到“高利润业务”“低效率环节”，精准提升经营效益。 会经营钱：从“会计”→“经营性资金管理者”\n解释：不仅核算资金，更能通过现金流预测、资金调配、投融资建议，让资金“生钱”。 价值：避免企业“资金链风险”，提高资金使用效率，为业务扩张提供资金支撑。 会经营人财：帮老板“筛选赚钱的人”\n解释：通过部门／员工盈利贡献分析、绩效与利润挂钩设计，识别“高价值人才”。 价值：让人力成本转化为“盈利动力”，帮助老板优化团队，提升整体人效。 五、总结：从“被动核算”到“主动经营”\n固守基础核算＝失去价值＝被替代；补齐短板＋三大进阶＝成为不可替代的经营型人才。\n会计的价值，从不在于“做了多少账”，而在于“帮企业赚了多少钱、避了多少风险、提了多少效”。\n","permalink":"https://cfo580.cn/article/kuai-ji-ren-yuan-de-bian-zhi-yu-sheng-zhi-cong-zuo-zhang-kuai-ji-dao-jing-ying-xing-ren-cai/","summary":"从“做账会计”到“经营型人才”，中间到底差了什么？答案不在证书里，而在能力转型与价值定位里。 会计人员的价值，正在被重新定价。有的人守着基础核算，一天天“贬值”；有的人升级能力边界，一步步“升值”。下面这份对比，值得每个会计人对号入座。 一…","title":"📉 会计人员的“贬值”与“升值”：从做账会计到经营型人才"},{"content":"虑得先生整理于网络\nPREP模型是一种结构化表达工具，常用于高效、清晰地传递信息。以下是具体解释：\nP（Point 结论先行） ：首先明确核心观点或结论，例如：\u0026ldquo;PREP模型是提升表达逻辑性的有效方法。\u0026rdquo;\nR（Reason 依据支撑） ：接着用数据或事实支撑观点，例如：\u0026ldquo;因为它通过结论-依据-案例-重申的结构，帮助听众快速抓住重点。麦肯锡报告显示，结构化表达能提升60%的信息传递效率。\u0026rdquo;\nE（Example 案例佐证） ：用具体例子增强说服力，例如：\u0026ldquo;就像汇报工作时，先说\u0026rsquo;本项目收益超预期20%\u0026rsquo;，再解释达成原因，最后用客户反馈数据证明。\u0026rdquo;\nP（Point 重申结论） ：最终强化核心信息，例如：\u0026ldquo;因此，PREP模型能显著提升沟通效果。\u0026rdquo;\n应用场景：工作汇报、商务演讲、写作等需要逻辑清晰的场合。这种金字塔式表达符合人脑处理信息的习惯，比碎片化陈述更易被理解和记忆。\n","permalink":"https://cfo580.cn/article/kuai-ji-ren-de-jie-gou-hua-biao-da-gong-ju-prep-mo-xing/","summary":"虑得先生整理于网络 PREP模型是一种结构化表达工具，常用于高效、清晰地传递信息。以下是具体解释： 1. P（Point 结论先行） ：首先明确核心观点或结论，例如：\u0026ldquo;PREP模型是提升表达逻辑性的有效方法。\u0026rdquo; 2. R（Reason 依据…","title":"💬 会计人的结构化表达工具：PREP模型"},{"content":"作者：虑得先生\n“会计会编脚本”这句话，通常不是指“会计在演戏”，而是说：\n这个会计不仅懂账，还能写代码（脚本）来自动化处理财务工作。\n具体意味着几件事：\n效率爆表\n能写脚本（如 Python、VBA、SQL）自动处理重复性工作，比如： 批量生成凭证 自动对账 一键拉银行流水、发票数据 自动生成报表、合并报表 别人加班3小时，他3分钟跑完脚本。\n出错率极低\n人工复制粘贴、Excel公式容易错，脚本一旦写对，跑100次都不会错。\n对审计、合规、税务稽查来说，数据可追溯、逻辑清晰，非常加分。\n价值远超传统会计\n传统会计是“记录过去”，而会脚本的会计是： 自动化会计：让系统自己跑账 数据分析师：能从ERP、银行、税务系统里抓数据做分析 财务产品经理：能跟IT沟通，甚至主导财务系统开发 职业路径更宽\n不再只是“做账的”，而是： 财务BP（业务伙伴） 财务数字化顾问 财务系统实施顾问（如SAP、Oracle） 甚至转型为财务+技术的复合型人才，年薪直接翻倍。 举个例子：\n某集团公司每月要合并200家子公司的报表，传统会计要手动收Excel、对数、调差异，3个人加班5天。\n会脚本的会计写了个Python脚本，自动从ERP拉数据、调差异、生成合并报表，1个人点一下按钮，30分钟出结果。\n总结一句话：\n“会计会编脚本” = 传统财务人进化成了财务黑客，不再是“做账的”，而是“让账自己跑起来的人”。\n","permalink":"https://cfo580.cn/article/kuai-ji-hui-bian-jiao-ben-yi-wei-zhe-shen-me/","summary":"作者：虑得先生 “会计会编脚本”这句话，通常不是指“会计在演戏”，而是说： 这个会计不仅懂账，还能写代码（脚本）来自动化处理财务工作。 具体意味着几件事： 效率爆表 能写脚本（如 Python、VBA、SQL）自动处理重复性工作，比如： 批…","title":"📜 会计会编脚本意味着什么"},{"content":"作者：虑得先生\n与一位多年未聚的老友喝茶，他是上市公司的财务总监，提出了这样一个观点：会计人普偏缺乏好奇心。我当场表示认同！然后我们俩论证了好多场景来证明这个观点的正确。但回来后，这个话题我反复思考，反而有些不明确了。\n这是一个关于会计职业群体性格特质与能力边界的结构性问题——\u0026ldquo;好奇心缺失\u0026quot;是否导致了会计人在跨界认知融合（情绪管理、向上管理）上的被动性？\n会计人普遍缺乏好奇心，这是\u0026quot;因\u0026rdquo;——性格/思维模式特征；\n认知融合能力弱，这是\u0026quot;果1\u0026quot;——难以整合跨领域知识（如心理学+职场政治）；\n情绪管理、向上管理被动，这是\u0026quot;果2\u0026quot;——缺乏\u0026quot;向外寻求力量\u0026quot;的主动性。\n这里的\u0026quot;向外寻求力量\u0026quot;很关键——但，这是指主动建立外部支持系统（导师、盟友、信息源），还是突破专业边界去学习非技术技能？\n从几个可以探讨的角度来进行思考：\n这是职业筛选的结果，还是职业塑造的结果？ 会计工作强调精确性、合规性、风险控制——这些特质本身与\u0026quot;好奇心\u0026quot;（探索未知、容忍模糊）存在一定张力。问题是：是谨慎的人选择了会计，还是会计训练让人变得更谨慎？\n\u0026ldquo;向上管理\u0026quot;的困境是否独特于会计？ 相比销售、市场等需要强外部互动的职能，会计的专业壁垒既是护城河也是隔离墙——技术权威感可能让人误以为\u0026quot;做好账就够了\u0026rdquo;，低估了组织政治资本的重要性。\n\u0026ldquo;缺乏好奇心\u0026quot;是否是表象？ 会不会不是不好奇，而是好奇心的指向不同？比如对税法条文变化极度敏感，但对\u0026quot;老板今天为什么皱眉\u0026quot;毫无兴趣——这是认知资源的分配策略，而非能力缺失？\n一个反直觉的视角：\n会计人并非真的\u0026quot;不向外求\u0026rdquo;——他们在专业社群（考证、行业交流）中非常活跃。问题可能是社交资本的单一性：专业网络强，但跨职能影响力网络弱。这导致在需要\u0026quot;非正式权力\u0026quot;的场景（如争取资源、化解冲突）中显得笨拙。\n我思考了很久，对这个观点从开始的认同，到现在产生了不同的思考，有点糊涂了。但我自己绝对是一个好奇心很重的老会计，那就向外求吧。\n你怎么看”会计人普遍缺乏好奇心“这个观点？\n","permalink":"https://cfo580.cn/article/guan-yu-kuai-ji-hao-qi-xin-de-si-kao/","summary":"作者：虑得先生 与一位多年未聚的老友喝茶，他是上市公司的财务总监，提出了这样一个观点：会计人普偏缺乏好奇心。我当场表示认同！然后我们俩论证了好多场景来证明这个观点的正确。但回来后，这个话题我反复思考，反而有些不明确了。 这是一个关于会计职业…","title":"🤔 关于“会计好奇心”的思考"},{"content":"做了十几年会计，我越来越怕听到一句话：\u0026ldquo;账做完了吗？\u0026rdquo;\n账做完了，然后呢？老板盯着你，等着你说点什么——成本为什么涨了、哪个产品赚钱、下个月现金流够不够。你张了张嘴，只能挤出一句：\u0026ldquo;都平了，没问题。\u0026rdquo;\n这不是笑话。我见过太多会计人，就卡在这一句\u0026quot;都平了\u0026quot;上。账做得越漂亮，人反而越容易被替代。\n会计这行，正在悄悄分成两种人：一种在贬值，一种在升值。区别不在证书，不在年限，在于你是在\u0026quot;做账\u0026quot;，还是在\u0026quot;经营\u0026quot;。\n会计是怎么一步步\u0026quot;贬值\u0026quot;的？\n贬值从来不是突然发生的，是几个习惯慢慢养成的：\n只会做账，不会看账。 凭证、分录、结账，一套流程闭着眼睛都能走完。但问起\u0026quot;这个月毛利为什么掉了三个点\u0026quot;，答不上来。账做完了，账里的事一概不知。\n只会提问题，不会解问题。 成本超标了、税负偏高了，报告写了一大篇，问题摆得明明白白。然后呢？方案呢？没有。老板要的是解法，你给的是问题清单，时间长了就没人再问你。\n只会抠税，不会创造价值。 一说降本，就盯着税做文章，合规的红线边上试探。短期省了钱，长期埋了雷。真正的降本在供应链、在流程、在运营效率，这些看不见的功夫没人愿意下。\n不会用数据。 Excel 停留在求和、筛选，数据倒出来就是一堆数字，看不出趋势、算不出归因。数据在你手里是\u0026quot;记录\u0026quot;，在别人手里是\u0026quot;依据\u0026quot;。\n不会向上沟通。 财务的语言老板听不懂，老板的语言财务不会说。价值传递不出去，再能干也是白干，决策圈自然没你的位置。\n这五条，占一条，就开始贬；占三条以上，基本就危险了。\n想\u0026quot;升值\u0026quot;，先补上这五个短板？\n贬值的反面，就是升值的方向：\n账，从\u0026quot;死做\u0026quot;变\u0026quot;活算\u0026quot;。账不是做完就完事，要能从账里看出经营的门道：成本结构合不合理、哪个环节在漏钱。核算的终点，是经营信息的起点。\n问题，从\u0026quot;提出\u0026quot;变\u0026quot;解决\u0026quot;。发现问题只是第一步，给方案、给落地步骤、给预期效果。会计的价值，从你开始给答案的那一刻才算数。\n降本，从\u0026quot;抠税\u0026quot;变\u0026quot;全维度\u0026quot;。合规是底线，在这条线之上，供应链成本、运营成本、库存周转，能动的空间远比想象中大。\n数据，从\u0026quot;记录\u0026quot;变\u0026quot;洞察\u0026quot;。Excel 高级功能、ERP、数据透视，工具不用多高深，能把账里的数变成老板看得懂的结论，就是本事。\n沟通，从\u0026quot;财务语言\u0026quot;变\u0026quot;业务语言\u0026quot;。利润表上的数字，翻译成\u0026quot;这个月我们卖得多的产品反而不赚钱\u0026quot;，一句话顶十页报告。\n再往上走，会计的升值空间在哪？\n短板补齐，是追回原本就属于你的价值。想再上一个台阶，往这三个方向走：\n第一条路，会经营数据——从做账会计到管理会计。 成本分析、盈利模型、预算管控。数据不只是记录，而是告诉你该往哪使劲。哪个业务赚钱，哪个环节低效，账里全写着，就看你会不会读。\n第二条路，会经营钱——从管账到管资金。 现金流预测、资金调配、投融资建议。账房先生只记钱花到哪了，经营型会计要盯着钱怎么花更值。老板最怕资金链断，你能提前三个月看到风险，你就是不可替代的。\n第三条路，会经营人财——帮老板筛出赚钱的人。 部门盈利贡献、绩效和利润挂钩。把人力成本变成盈利动力，谁在给公司赚钱、谁在拖后腿，账能算出来，老板就离不开你。\n会计的价值，从来不在于做了多少账，而在于帮企业赚了多少钱、避了多少风险、提了多少效。\n这句话，我建议你抄下来贴在工位上。\n从\u0026quot;被动核算\u0026quot;到\u0026quot;主动经营\u0026quot;，差的不是证书，不是年限，是你愿不愿意从账本后面走出来。\n","permalink":"https://cfo580.cn/article/kuai-ji-de-bian-zhi-yu-sheng-zhi-cong-zuo-zhang-kuai-ji-dao-jing-ying-xing-ren-cai-zhong-jian-cha-le-shen-me/","summary":"做了十几年会计，我越来越怕听到一句话：\u0026ldquo;账做完了吗？\u0026rdquo; 账做完了，然后呢？老板盯着你，等着你说点什么——成本为什么涨了、哪个产品赚钱、下个月现金流够不够。你张了张嘴，只能挤出一句：\u0026ldquo;都平了，没问题。\u0026rdquo; 这不是笑话。我见过太多会计人，就卡在这…","title":"📉 会计的“贬值”与“升值”：从做账会计到经营型人才，中间差了什么？"},{"content":"作者：虑得先生\n80%？这么夸张？我这么努力的工作，加班是常态，我有目标，有行动力，我还算躺平？\n先别急，我们先达成一个共识，会计这个行业，是不是得活到老学到老？但不等于越老越值钱哦！\n你以为的学到老，是贴发票越来越规范漂亮？报税没有差错？核对数据分毫不差？出具报表按时按量完成？\n好吧，我告诉你，这些是会计的基础工作。再告诉你一些数据：\n德勤报告：财务领域60%的基础工作已具备自动化潜力。\n国际会计师联合会：2020-2024年全球基础会计岗位减少18%，且72%的岗位流失源于自动化工具。\n中国会计视野网调查：仅31%的会计学习过数据可视化工具，28%能独立搭建财务模型。\n某二线城市会计岗位简历投递量，同比增长45%，录用率却降至8.7%。同时行业呈现马太效应：头部企业争抢复合型人才，中小企业用智能软件替代全职岗位。\n没错，血淋淋的数据告诉我们：只满足于完成基础会计工作，在 AI 盛行的当下，就被定义为“会计的躺平”！\n会计人躺平还有一些标签：\n缺乏思考的习惯：沦为数据、智能工具的傀儡，缺失结果校验思维；缺乏业务思考，局限于数据表面，面对复杂场景，专业判断能力薄弱。\n缺乏好奇心：对新生事物缺乏好奇心，对新事物在本职工作中的作用缺乏探索精神。对如何提升工作效率缺乏执行力。\n缺乏沟通的动力：认为只要自己做好份内的事，与老板、与领导、与业务的沟通，是增加工作量、不讨好的事。\n缺乏行动力：明明知道EXCEL的函数、数据透视表很重要，数据分析、数据可视化的技能对自己的未来很重要，但借口一大堆，现在工作忙、家里孩子需要照顾\u0026hellip;\u0026hellip;\n与以上内容核对，看看自己是不是躺平的会计人？\n怎么办？行动起来：\n把目标拆解成小微目标，减少启动的阻力。\n拥抱 AI，让自己变成 AI 的领导而不是被它领导。\n让 AI 变成你的助手，学习一项新技能、解决一个实际的工作难题，都可以尝试借力 AI。\n当然，最本质的是，改变心态，“怕”没有用、“焦虑”没有用，“拖延”没有用，只有行动起来，从小微事件积累，利用我们的知识复利打赢这场战争！\n","permalink":"https://cfo580.cn/article/kuai-ji-ren-ke-neng-ni-jiu-shu-yu-80-tang-ping-fan-wei-nei-de-yi-ge/","summary":"作者：虑得先生 80%？这么夸张？我这么努力的工作，加班是常态，我有目标，有行动力，我还算躺平？ 先别急，我们先达成一个共识，会计这个行业，是不是得活到老学到老？但不等于越老越值钱哦！ 你以为的学到老，是贴发票越来越规范漂亮？报税没有差错？…","title":"🛌 会计人，可能你就属于80%躺平范围内的一个"},{"content":"虑得先生整理\n公司财务板块是一个高度监管的领域，涉及多个法律部门以确保合规运营。以下是财务板块涉及的主要部门法：\n一、核心财务与会计法规\n《会计法》 ：会计核算、会计监督、会计机构和会计人员的基本规范\n《企业会计准则》 ：会计确认、计量和报告的具体标准\n《企业财务通则》 ：企业财务管理的基本规范\n《注册会计师法》 ：审计鉴证服务的法律规范\n二、税收法律体系\n企业所得税 ：《企业所得税法》及实施条例\n增值税 ：《增值税暂行条例》\n个人所得税 ：《个人所得税法》\n其他税费 ：消费税、印花税、房产税等单行法规\n三、融资与资本市场法规\n《公司法》：公司资本制度、利润分配、财务信息披露\n《证券法》：上市公司财务报告披露、内幕交易防范\n《票据法》：汇票、本票、支票的使用规范\n《商业银行法》/《贷款通则》：银行融资合规\n《外汇管理条例》：跨境资金流动管理\n四、内部控制与合规\n《企业内部控制基本规范》 及配套指引\n《审计法》：政府审计监督\n反洗钱法规（《反洗钱法》）\n五、特殊行业法规\n若涉及特定行业，还需遵守：\n金融业：《银行业监督管理法》《保险法》\n上市公司：《上市公司信息披露管理办法》\n国有企业：《企业国有资产法》\n六、法律责任体系\n行政责任 ：《会计法》《税收征收管理法》中的行政处罚条款\n民事责任 ：《民法典》合同编、侵权责任编\n刑事责任 ：《刑法》第161-162条（违规披露、不披露重要信息罪等）\n总结：财务板块的法律框架呈现\u0026quot;金字塔\u0026quot;结构——以《会计法》和《公司法》为基础，税收法规为日常操作重点，证券法规为上市公司特殊要求，内部控制为风险管理工具，刑事责任为最后防线。\n","permalink":"https://cfo580.cn/article/gong-si-cai-shui-ban-kuai-she-ji-dao-de-fa-lv-feng-xian/","summary":"虑得先生整理 公司财务板块是一个高度监管的领域，涉及多个法律部门以确保合规运营。以下是财务板块涉及的主要部门法： 一、核心财务与会计法规 《会计法》 ：会计核算、会计监督、会计机构和会计人员的基本规范 《企业会计准则》 ：会计确认、计量和报…","title":"⚖️ 公司财税板块涉及到的法律风险"},{"content":"【内容来自网络，由虑得先生综合整理，如有侵权，请联系并立即下架。】\n引言：易用性的双刃剑\nExcel以其直观的界面和灵活的操作，成为会计领域最普及的工具之一。这种“人人皆可上手”的易用性，极大地降低了数据录入和初步处理的门槛。然而，正是这种过度的灵活性，在数据处理规模扩大、复杂度提升时，埋下了数据质量与流程稳定性的隐患，将“易用”转化为“不确定性”。\n一、 Excel易用性所引发的核心不足与不确定性\n数据一致性与完整性难以保障\n无严格类型约束：Excel单元格可以随时被修改为任意格式（数字、文本、日期混杂），极易在数据录入和传递过程中产生“隐形”错误，如将发票号“001”存储为数字1，导致数据失真。\n缺乏有效的参照完整性：Excel无法像数据库一样，通过外键约束确保表间数据关系的有效性。例如，在录入凭证时，会计科目可能引用一个不存在的科目代码，而系统无法自动拦截，全靠人工核对，出错风险高。\n版本与协作冲突：多人通过邮件或共享文件夹协作编辑同一份报表时，极易产生多个版本，最终合并数据时冲突频发，难以确定哪一份是“唯一真实版本”，导致数据不一致。\n处理性能与规模存在天然瓶颈\n大数据量下的性能崩溃：当行数达到几十万甚至百万级（如多年明细账、交易流水），Excel会变得异常卡顿甚至崩溃，复杂的公式重算（如跨表VLOOKUP）耗时漫长，严重影响效率。\n“单机”模式限制：Excel本质是桌面文件，难以实现稳定、高效的多用户并发读写。在月末、年末关账等高压时段，这种瓶颈尤为突出。\n业务流程与逻辑“黑箱化”\n逻辑分散且脆弱：复杂的业务规则和计算逻辑通常隐藏在无数单元格公式、跨表引用和VBA代码中。一旦表格结构被无意修改，或某处公式出错，错误会静默传递，难以追溯和审计，整个报表的可信度崩塌。\n难以实现自动化与复用：虽然VBA可实现一定自动化，但开发维护门槛高，且脚本与特定文件绑定，难以形成可复用的、独立于具体报表的业务逻辑模块。\n安全与权限控制薄弱\n权限粒度粗糙：通常只能对整个文件设置密码或只读，无法实现“按数据行、列”或“按功能（增删改查）”的精细化权限控制。敏感财务数据（如薪资、成本）泄露风险高。\n审计追踪困难：难以详细记录“谁、在何时、修改了哪条数据、从什么值改为什么值”，不符合内控和合规性审计的要求。\n二、 会计人员掌握数据库工具（如Access/SQLite）的核心价值与功能好处\n掌握Access/SQLiet这类关系型数据库工具，并非要取代Excel，而是为了在数据存储、管理、整合层面建立更规范、可靠的基础，与Excel的分析、展示功能形成互补。\n通过“数据的严格类型限制”建立质量防火墙\n好处：在数据库中定义表结构时，必须为每个字段（如“金额”、“日期”、“科目代码”）指定明确的数据类型（如十进制数、日期、定长文本）。这从源头杜绝了非法数据的录入，确保了数据的纯洁性和可比性，为后续所有分析奠定了准确基础。\n利用“主键、索引”实现高效与唯一性\n主键的好处：为每张表（如“凭证表”）设置唯一主键（如“凭证号”），系统自动杜绝重复记录，确保了每笔业务的身份唯一性，这是实现账实相符、账账相符的底层保障。\n索引的好处：对经常查询的字段（如“客户编号”、“日期”）建立索引，相当于为数据簿创建了超详细的目录。在查询海量历史凭证或进行跨期对比时，速度可比Excel的筛选和VLOOKUP快几个数量级。\n通过“表间关系与连接”构建一体化的数据模型\n好处：这正是数据库的核心优势。会计人员可以分别建立“会计科目表”、“凭证主表”、“凭证明细表”、“客户表”、“供应商表”，并通过关键字将它们关系化地连接起来。\n实践意义：\n消除数据冗余：客户信息只需在“客户表”中存储一次，所有凭证通过“客户ID”关联，避免在每笔分录中重复输入客户名称，既节省空间，更保证信息一致。\n实现复杂查询：可以轻松编写一条查询（SQL），就能实现“统计某客户在2025年度所有管理费用科目的发生额总和”这类多维度分析，而这在Excel中需要复杂且易错的公式组合或多次数据透视。\n保障参照完整性：可设置外键约束，确保“凭证明细表”中的“科目代码”必须存在于“会计科目表”中，否则系统拒绝保存，从根本上避免了无效科目入账。\n实现稳定的协同与初步的权限管理\n好处：Access/SQLiet等工具支持多用户同时访问同一个后端数据库文件，通过记录锁定机制减少冲突。可以设置不同的用户账户和权限组，实现比Excel更精细的访问控制，更符合企业内控要求。\n结论与建议\n对于会计人员而言，Excel在灵活制表、快速计算和可视化呈现上的优势不可替代。然而，要驾驭日益增长的数据量、提升流程的确定性与自动化水平、满足内控合规要求，就必须超越“单一Excel工作流”的思维。\n建议将数据库（如Access/SQLiet）作为“数据水库”和“加工中心”，负责原始数据的规范化存储、清洗、关联和整合；而将Excel作为“数据展示前端”和“深度分析工具”，通过连接数据库查询结果，进行最终的报表排版、图表制作和特定模型分析。这种“数据库+Excel”的协作模式，既能发挥Excel的易用性，又能利用数据库的严谨性，从根本上降低数据处理的不确定性，提升会计工作的专业性、效率和可靠性。\n从学习路径看，SQLite因具有完整的SQL语法，学习曲线平缓，学到的技能不会过时。且SQLite是单文件格式，一个文件就是一个数据库，没有服务器的安装调试过程，拿来能用，拷贝\\传送方便，是会计人初学的好工具。\n","permalink":"https://cfo580.cn/article/cong-yi-yong-xing-dao-bu-que-ding-xing-lun-excel-de-ju-xian-yu-hui-ji-ren-dong-shu-ju-ku-de-bi-yao-xing/","summary":"【内容来自网络，由虑得先生综合整理，如有侵权，请联系并立即下架。】 引言：易用性的双刃剑 Excel以其直观的界面和灵活的操作，成为会计领域最普及的工具之一。这种“人人皆可上手”的易用性，极大地降低了数据录入和初步处理的门槛。然而，正是这种…","title":"🚧 从易用性到不确定性——论Excel的局限与会计人懂数据库的必要性"},{"content":"作者：虑得先生\nExcel模板在企业数据管理和业务运营中创造了多维度的价值，从基础效率提升到战略决策支持，其价值体系可归纳为以下几个层面：\n一、效率价值：降本增效的\u0026quot;加速器\u0026quot;\nExcel模板最直接的商业价值体现在显著减少重复劳动和人工错误：\n时间成本降低：通过预设数据结构、公式和格式，避免从零开始制作报表。某制造企业引入标准化模板后，每月报表整理时间从5天缩减至2天，年节省人力成本约20万元\n准确率提升：自动校验、公式计算和数据验证机制，使报表准确率可达98%-99.8%\n批量处理能力：支持百万级数据的自动化处理，解决传统Excel卡顿和公式错漏问题\n二、数据质量价值：标准化治理的\u0026quot;守门员\u0026quot;\n模板通过结构化数据采集解决了企业数据混乱的根本问题：\n数据质量维度 传统模式问题 Excel模板优势\n准确性 容易出错 自动校验、规范填写\n完整性 易遗漏 必填项强制、进度提醒\n一致性 口径不统一 标准字段、模板规范\n可追溯性 难溯源 操作记录、版本管理\n这种标准化使后续数据分析、BI系统对接成为可能，避免了\u0026quot;数据孤岛\u0026quot;和\u0026quot;二次清洗\u0026quot;的隐性成本。\n三、业务洞察价值：决策支持的\u0026quot;翻译官\u0026quot;\nExcel模板不仅是数据容器，更是业务洞察的生成器：\n可视化深化：通过预设图表、条件格式、数据透视表，将复杂数据转化为直观业务故事，提升管理层30%的数据理解力\n多维度分析：支持时间、产品、区域、客户等维度的自由钻取，快速定位业绩波动原因\n实时预警：关键指标阈值监控，自动标记异常数据，实现从\u0026quot;事后补救\u0026quot;到\u0026quot;事前预防\u0026quot;的转变\n四、协同价值：组织效能的\u0026quot;连接器\u0026quot;\n在跨部门协作场景中，模板解决了信息流转的断点：\n流程标准化：统一采购、销售、库存等业务模块的数据口径，减少沟通成本\n权限管控：细粒度设置编辑和查看权限，保障敏感数据安全流转\n版本管理：避免\u0026quot;文件满天飞、版本混乱\u0026quot;的协作痛点，支持操作日志和审计追溯\n五、数字化转型价值：智能化升级的\u0026quot;跳板\u0026quot;\nExcel模板是企业数字化能力的基础设施：\n系统集成：通过API对接ERP、CRM等系统，实现数据自动采集和实时同步\n扩展性：支持VBA、Power Query等二次开发，满足个性化分析需求\n进阶路径：标准化模板是接入FineReport、FineBI等专业BI工具的前提，为管理驾驶舱、智能预测等高级应用打下基础\n六、成本效益价值：普惠型数字化工具\n相比动辄上万元的专业软件，Excel模板具有独特的成本优势：\n零门槛使用：绝大多数员工已具备操作能力，无需额外培训投入\n灵活定制：可根据业务变化快速调整，适应预算编制、进销存管理、人事分析等多元场景\n开源生态：丰富的开源模板社区（如Excelize、OpenPyXL）进一步降低了企业的IT预算\n总结：Excel模板的价值远超\u0026quot;省事\u0026quot;二字——它是数据治理的基石、效率革命的杠杆、决策科学的桥梁。在数字化转型浪潮中，模板化思维不仅是工具应用，更是企业构建数据驱动文化的战略选择。从基础的数据收集到高级的智能分析，Excel模板为企业提供了从0到1的数字化路径，让数据真正成为生产力而非负担。\n","permalink":"https://cfo580.cn/article/excel-mu-ban-dai-lai-de-jia-zhi/","summary":"作者：虑得先生 Excel模板在企业数据管理和业务运营中创造了多维度的价值，从基础效率提升到战略决策支持，其价值体系可归纳为以下几个层面： 一、效率价值：降本增效的\u0026quot;加速器\u0026quot; Excel模板最直接的商业价值体现在显著减少重复劳动和人工错误：…","title":"📐 Excel模板带来的价值"},{"content":"这两者虽然都基于 Excel，但它们解决的问题、侧重点和复杂度有本质的区别。\n简单来说：\nExcel 模板是关于“标准化”的，目的是为了省事（避免重复劳动）。\nExcel 建模是关于“分析与决策”的，目的是为了算账（预测未来、评估风险）。\n以下是详细的对比分析：\n1. 核心定义与目的不同\n核心定义 ｜模板：预先设计好的表格框架，包含固定的格式、表头和公式。 ｜ 建模：将复杂的商业逻辑转化为数学关系，通过数据模拟来预测结果或辅助决策。\n主要目的 ｜模板：标准化与效率：确保每次做的表格长得一样，减少重复的手工设置。 ｜ 建模：分析与预测：回答“如果发生X，结果Y会怎样？”的问题（例如：如果销量下降20%，利润会变成多少？）。\n类比 ｜模板：就像“填空题”的答题卡，格子已经画好了，你只需要往里填内容。 ｜ 建模：就像“沙盘推演”，用来模拟战争走势或经济变化。\n2. 内容复杂度与技术栈不同\nExcel 模板：\n侧重外观：主要包含预设的字体、颜色、边框、页眉页脚等样式。 简单逻辑：包含一些基础的公式（如求和、平均值）或数据验证（下拉菜单），防止录入错误。 文件格式：通常保存为 .xltx 或 .xltm 格式，新建文件时使用。 Excel 建模：\n侧重逻辑：核心在于变量之间的因果关系。它需要处理大量的历史数据，并建立复杂的函数关系链。 高级工具：常涉及 Power Pivot（数据模型）、Python（编程）、规划求解（Solver——Excel 的内置优化工具）、蒙特卡洛模拟等高级功能。 动态性：模型通常是动态的，输入参数一变，整个结果报表（Dashboard）随之自动更新。 3. 应用场景举例\n模板的场景： 财务部每个月都要做一张费用报销单。使用模板，抬头、审批栏、金额栏的位置永远不变，大家用起来都很顺手，不用每月重画一次表。 公司统一规定的员工考勤表或销售日报。 销售员提成计算表 -\n建模的场景： 财务建模：公司要上市或融资，你需要做一个三年的财务预测模型，计算在不同增长率假设下，公司的现金流何时转正。 投资分析：评估一个地产项目，建立模型计算不同楼价波动下的内部收益率（IRR）。 运营优化：利用历史销售数据建立库存预测模型，告诉采购部下个月该买多少原料最省钱。 总结\n你可以这样理解：模板是建模的基础。一个优秀的财务模型（建模），通常也会被保存成一个模板（.xltx），以便下次直接套用结构。但是，一个简单的日报模板（Template），通常不具备复杂的运算逻辑，因此不能称之为模型（Model）。\n作者：虑得先生\n","permalink":"https://cfo580.cn/article/excel-mo-ban-he-excel-jian-mo-de-qu-bie/","summary":"这两者虽然都基于 Excel，但它们解决的问题、侧重点和复杂度有本质的区别。 简单来说： Excel 模板是关于“标准化”的，目的是为了省事（避免重复劳动）。 Excel 建模是关于“分析与决策”的，目的是为了算账（预测未来、评估风险）。…","title":"📐 Excel 模版和 Excel 建模的区别"},{"content":"作者：虑得先生\n昨天发了一篇《会计人的数据库，是ACCESS还是SQLite》，好多同学私我，说要学习两个数据库，时间成本有些大，如果非要选一个，怎么选。\n我的答案是：SQLite。\n从一名在职会计人的视角来看，学习数据库技术已不再是IT部门的专属技能，而是提升个人核心竞争力、实现从“账房先生”到“财务分析师”乃至“业务伙伴”转型的关键一步。在众多数据库中选择SQLite作为起点，并非因为它最简单，而是因为它与会计工作的底层逻辑、现实约束和未来发展方向高度契合，是一条高效且务实的路径。\n一、 零配置与极简部署：无缝融入繁忙的会计工作流\n在职会计人员工作节奏快、任务繁杂，学习新技能的最大障碍往往是“没时间搭建复杂环境”。SQLite的“零配置”和“无服务器”特性完美解决了这一痛点。它不需要像MySQL或Oracle那样安装和配置独立的数据库服务，也无需处理网络和权限。会计人员可以像操作一个Excel文件一样，在个人电脑上直接创建一个.db数据库文件并开始操作。这意味着，学习可以立即开始，精力可以完全聚焦于理解如何用数据表来映射会计科目、如何用记录来承载会计分录、如何用查询来生成账簿报表这一核心业务逻辑，而不是耗费在令人望而生畏的技术环境配置上。这种“开箱即用”的体验，极大地降低了学习门槛，让数据库学习能够像使用一款新软件一样自然融入日常工作间隙。\n二、 单一文件存储：直观映射会计账套与档案管理\n会计工作的核心产出之一就是完整、可追溯的“账套”。SQLite将整个数据库（包括表结构、索引和数据）存储在单一的磁盘文件中，这一设计哲学与会计的“账套”概念形成了惊人的直观对应。一个.db文件就是一个完整的电子账套。这种设计带来了多重职业优势：\n便于备份与归档：符合会计档案管理要求。备份整个数据库只需复制一个文件，迁移和恢复也同样简单可靠。这比管理一堆散乱的文件或复杂的数据库导出文件要直观和可靠得多。\n强化数据完整性理解：通过操作这个单一文件，会计人员能切身感受到ACID事务（原子性、一致性、隔离性、持久性）的重要性。例如，模拟一笔涉及“银行存款”减少和“应付账款”减少的会计分录，必须在同一个事务中完成，确保要么全部成功，要么全部回滚，这与SQLite的原子事务特性完全一致，深刻体现了会计的“有借必有贷，借贷必相等”原则在数据层面的实现。\n便于工作交接与审计支持：整个项目或某个期间的数据可以打包成一个文件进行交接，或提供给内外部审计人员，清晰且完整。\n三、 完整的SQL支持：掌握分析数据的通用语言\n这一点是最重要的，学习成本不会浪费！因为SQL语法，无论哪个品牌的数据库，其基本语法都是相通的，彼此之间差别极小。这个特性使你无论今后工作中遇到 MySql 还是 PostgreSQL，都可以继续使用在 SQLite 上学到的 SQL 语法。\nSQL是操作和查询结构化数据的标准语言，是财务数据分析的基石。SQLite支持绝大部分标准的SQL语法。从SQLite中学到的核心技能——用CREATE TABLE定义会计要素表结构、用INSERT录入凭证、用SELECT结合WHERE、GROUP BY、JOIN进行多维度汇总与分析——具备极高的可迁移性。这些技能可以直接应用于企业可能使用的更大型数据库系统（如ERP系统中的MySQL或SQL Server）进行数据提取和深度分析。通过学习SQLite，会计人员实质上是掌握了与任何关系型数据库对话的“普通话”，能够自主地从海量业务数据中挖掘信息，制作管理报表，而不是完全依赖IT部门或固定的软件报表模块。\n四、 轻量级与嵌入式：衔接实际工作场景与工具\nSQLite的轻量级和嵌入式特性，使其能够无缝融入会计人员可能接触到的多种实际场景：\n本地化数据分析工具：使用Python进行财务数据清洗、分析和可视化时，Python内置的sqlite3模块让数据库调用变得极其简单，无需额外安装。会计人员可以快速构建原型，进行预算模拟、成本分析等。\n理解现有应用：许多桌面版财务软件、移动报销APP的本地存储都可能基于SQLite。了解它有助于理解这些应用的底层数据逻辑，甚至在出现问题时进行基础排查或数据恢复。\n开发小型自动化工具：对于希望用VBA或Python自动化某些重复性工作的会计（如自动生成银行余额调节表、往来账款核对），SQLite可以作为无需额外部署的完美后台数据库，存储规则和中间数据。\n五、 从学习到实践：低成本构建个人知识体系与解决方案\n从SQLite起步，会计人员可以实现“学以致用”的快速闭环。您可以立即启动一个高度相关的个人项目，例如：“构建一个基于SQLite的个人/家庭财务管理系统”或“模拟一个简易的销售收款循环账务处理程序”。在这个过程中，您将亲手实践如何将会计主体、会计科目、凭证、账簿等概念转化为实体关系模型，如何用约束确保数据有效性（如科目编码唯一），如何用视图封装复杂的报表查询逻辑。这种实践所获得的“数据思维”和“系统思维”，远比单纯学习某个财务软件的操作菜单要深刻和宝贵。它让您不仅能“用”系统，更能“理解”甚至“设计”系统，这在企业数字化转型中是非常稀缺的能力。\n总结：对于在职会计人而言，选择SQLite作为数据库学习的起点，是一次极具战略眼光的投资。它绕开了复杂的技术壁垒，直击会计业务数据化的核心；它以“一个文件一个账套”的极简哲学，强化了数据完整性和可管理性的认知；它授予您一把名为“标准SQL”的万能钥匙，可以打开更广阔的数据世界。从SQLite开始，您不仅仅是在学习一个工具，更是在构建一种将严谨的会计逻辑与强大的信息技术相结合的新工作范式，这无疑是通往未来高价值财务职业道路的坚实一步。\n","permalink":"https://cfo580.cn/article/hao-ba-shuo-shi-hua-le-kuai-ji-ren-zai-zhi-xue-xi-shu-ju-ku-ying-cong-sqlite-kai-shi/","summary":"作者：虑得先生 昨天发了一篇《会计人的数据库，是ACCESS还是SQLite》，好多同学私我，说要学习两个数据库，时间成本有些大，如果非要选一个，怎么选。 我的答案是：SQLite。 从一名在职会计人的视角来看，学习数据库技术已不再是IT部…","title":"💾 好吧，说实话了，会计人在职学习数据库，应从SQLite开始"},{"content":"🗡️ 财务内控11把刀 【综合网络整理，如有侵权，请联系并立即下架】\n职责分离：效率优先，适当牵制\n授权控制：授权明责，解放老板\n额度控制：放小抓大，锁定风险\n人事控制：通过人来控制事\n业务流程化：用流程打通赚钱管道\n管理标准化：搭建企业的“成功天梯”\n工作自动化：用机器的可控，弥补人的缺点\n资产保全：看住钱包，守住根本\n计划预算：谋定而后动，以免越忙越穷\n留痕管理：件件有追踪，事事有着落\n经营看板：看到才能做到，都看到才能都做到\n","permalink":"https://cfo580.cn/article/cai-wu-nei-kong-11-ba-dao/","summary":"🗡️ 财务内控11把刀 【综合网络整理，如有侵权，请联系并立即下架】 1. 职责分离：效率优先，适当牵制 2. 授权控制：授权明责，解放老板 3. 额度控制：放小抓大，锁定风险 4. 人事控制：通过人来控制事 5. 业务流程化：用流程打通赚…","title":"🗡️ 财务内控11把刀"},{"content":"【综合网络整理，如有侵权，请联系并立即下架】\n六个维度，有框架有案例才能拿分。\n面试官问这个问题，考察的不是你会不会\u0026quot;砍成本\u0026quot;，而是看你有没有系统性思维。我带团队招人时，最怕听到\u0026quot;就是控制支出、压供应商价格\u0026quot;这种回答——太浅了。\n建议从这六个维度展开：\n采购端：供应商比价、长期合作议价、采购流程标准化，物资成本占生产企业成本的60%-70%，这块是大头。\n生产端：执行消耗定额、减少返工浪费，一次做对比返工省的成本多得多。\n库存端：控制安全库存、提高周转率、清理呆滞物料，有库存就有资金占用和管理成本。\n预算端：成本目标不是越低越好，要和企业战略匹配，有标准才能判断花多花少。\n费用端：销售费用、管理费用、财务费用分别管控，特别注意质量问题导致的退货损失。\n分析端：定期做成本差异分析，建立预警机制，发现偏差及时调整。\n回答时记得带个案例，比如\u0026quot;通过优化采购流程，降低产品成本15%，年省XX万\u0026quot;，用数据说话比空讲理论有说服力。面试前了解下应聘企业是制造业还是服务业，侧重点要调整。\n","permalink":"https://cfo580.cn/article/cai-wu-mian-shi-bei-wen-dao-ru-he-jin-xing-cheng-ben-kong-zhi-ni-hui-cong-na-ji-ge-wei-du-hui-da/","summary":"【综合网络整理，如有侵权，请联系并立即下架】 六个维度，有框架有案例才能拿分。 面试官问这个问题，考察的不是你会不会\u0026quot;砍成本\u0026quot;，而是看你有没有系统性思维。我带团队招人时，最怕听到\u0026quot;就是控制支出、压供应商价格\u0026quot;这种回答——太浅了。 建议从这六…","title":"💼 财务面试被问到如何进行成本控制，你会从哪几个维度回答？"},{"content":"在AI技术飞速发展的今天，会计人学习Python不仅有必要，而且正在成为一种趋势。这并非是为了让大家转行去做程序员，而是为了掌握一种更高效的工具和思维方式，以应对行业的深刻变革。\n具体来说，原因主要有以下几点：\n🚀 1. 与AI协作，而非被其取代\n如今的AI模型，如ChatGPT、DeepSeek等，已经非常强大，能够自动生成代码。但这恰恰反向证明了学习Python的重要性。\n做AI的“指挥官”而非“乘客” ：AI能写代码，但你需要具备“理解代码、调试代码、复用代码”的能力。当AI生成的代码报错或不完全符合需求时，如果你能看懂并进行修改，就能让它为你高效工作。否则，你只能被动等待一个可能不完美的结果。\n提升人机协作效率 ：掌握Python能让你更好地向AI描述需求，并验证其产出的准确性。你将成为AI的合作伙伴，利用它强大的生成能力来倍增你的工作效率，而不是过度依赖它。\n⚙️ 2. 突破传统工具的限制，处理更复杂的任务\nExcel是会计的常用工具，但当数据量巨大或任务流程复杂时，Excel往往会力不从心。Python则能轻松应对这些挑战。\n处理海量数据 ：当文件大小超过Excel的承载极限（如数百万行数据）时，Excel会变慢甚至崩溃，而Python可以轻松处理，且速度极快。\n自动化繁琐流程 ：许多需要在多个软件、多个表格之间切换、复制粘贴的重复性工作，Python都可以自动化完成。例如，它可以自动登录系统导出数据、清洗格式混乱的原始数据、跨表核对数据并生成最终报告，整个过程无需人工干预。\n连接不同数据源 ：Python可以轻松地将分散在Excel、CSV文件、数据库甚至网页上的数据整合在一起，进行统一分析，打破数据孤岛。\n📈 3. 实现职业角色的转型升级\n数字化和智能化正在重塑会计行业的边界。基础的核算、记账工作正逐渐被自动化软件和财务 Agent 所取代。企业对会计人员的需求正在从“价值记录者”向“价值创造者”转变。\n从“记账员”变为“分析师” ：掌握Python意味着你不再需要花费大量时间在机械性的数据搬运和整理上，从而可以将精力集中在更有价值的工作上，如财务分析、经营预测、风险预警和战略决策支持。\n增强就业竞争力 ：在招聘市场上，“会计+技术”的复合型人才备受青睐。掌握Python、能挖掘数据价值的“分析型”会计人才，其薪资水平和发展空间远高于传统的“核算型”会计。\n总而言之，在AI时代，Python对于会计人而言，不再是一门可有可无的编程语言，而是继Excel之后的“新办公软件”。它能帮你驾驭AI，突破工具限制，并最终实现职业的跃迁。\n作者：虑得先生\n","permalink":"https://cfo580.cn/article/dou-ai-shi-dai-le-kuai-ji-ren-wei-shen-me-hai-yao-xue-xi-python/","summary":"在AI技术飞速发展的今天，会计人学习Python不仅有必要，而且正在成为一种趋势。这并非是为了让大家转行去做程序员，而是为了掌握一种更高效的工具和思维方式，以应对行业的深刻变革。 具体来说，原因主要有以下几点： 🚀 1. 与AI协作，而非被…","title":"🤖 都AI时代了，会计人为什么还要学习Python？"},{"content":" 作者：shepherd\n来源：知乎专栏「数字化认知」\n1985 年，Excel 1.0 在 Macintosh 上发布。当时市场上 Lotus 1-2-3 占据电子表格市场 80% 以上份额。Excel 用了不到四年把它干掉了。\n今天，Excel 全球月活用户超过 10 亿。在金融、会计、咨询、数据科学、供应链管理这些领域，它是一门工作语言。你不需要跟同事解释「这个单元格为什么是这个数字」，因为公式就写在上面。\n拆开 Excel，要回答的问题是：一个表格软件，凭什么活了四十年，而且越活越强。\n一、核心需求：人类为什么需要电子表格\n在电子表格之前，人类用纸管理数字。会计用账簿，工程师用计算尺，经理用报表。三种方式的共同瓶颈：改一个数字，所有相关的数字全部要重新算一遍。\n财务主管做年度预算。老板说，营销费用再加 10%。接下来三天的工作：重新算毛利润、净利润、现金流、所有比率的分子分母。任何一个中间数字的变动，触发一连串的手动计算。\n电子表格解决的核心问题不是「把表格搬到屏幕上」。是建立了一个数字之间的依赖关系网络。 改一个单元格，所有引用这个单元格的公式自动重算。从几秒到几十万个依赖关系，对用户来说是一瞬间。\n这个需求在 1985 年和 2026 年完全一样。Excel 换了四十个版本，这个核心功能没有变过。它是一个通用依赖图计算引擎 ，只不过用表格作为交互界面。\n二、三层用户，三种完全不同的产品\n把 Excel 用户当成同一种人，是拆解它最容易犯的错误。Excel 的用户分三层，每一层要干的事完全不同。\n2.1 第一层：把 Excel 当 Word 用的人\n这层用户占了全部用户的 90% 以上。他们打表格、记账、排版、做名单。他们只用 Excel 不到 5% 的功能，合并单元格、调整列宽、加个边框、打印预览。他们对 Excel 的需求不是计算。是有一个能随意排版、想怎么排就怎么排的格子纸。\n这层用户不需要公式引擎、不需要数据透视、不需要 VBA。但他们构成了 Excel 最厚的用户基数，决定了一个关键事实：每一台工作电脑上都有 Excel。 这个事实塑造了后面两层用户的所有行为，因为所有人都能打开，所以所有人都用它传文件。\n2.2 第二层：把 Excel 当计算引擎的人\n这层用户是 Excel 最深护城河的所在地。财务、审计、咨询、投行，他们用 Excel 做 DCF 估值、LBO 模型、三大报表勾稽、预算编制。他们对 Excel 的需求不是「表格」，是一个透明可审计的计算平台。\nDCF 模型。你用 Python 写一个，只有你能跑、只有你能改、只有你能跟老板解释。你用 Excel 做，模型是透明的。每一行的假设写在单元格里，每一个输出的公式点一下就能看到。Excel 把计算过程从「代码黑箱」变成了「单元格白箱」。 建模者做完，复核者打开，点 F2 看公式引用，点 Ctrl+[ 追踪依赖关系。审计师进场，看你是从哪个假设推出来的。三方看同一份文件，谁都骗不了谁。这是 Python、Matlab、任何代码工具都做不到的，因为它们不是给人读的，是给机器读的。\n2.3 第三层：把 Excel 当编程平台的人\n这层用户最少，但他们决定了 Excel 的上限。LAMBDA 函数让 Excel 变成了图灵完备的函数式编程语言。Power Query 把 ETL 工作流集成进了右键菜单。VBA 是全世界部署量最大的编程语言，几亿行代码跑在企业 Excel 文件里。这层用户不把 Excel 当「表格软件」。他们把它当低代码开发平台。 一个没有学过计算机科学的财务主管，用 VBA 写了一个月末关账自动化脚本。它不好看，但它跑了十年没出过问题。\n三层用户用一个产品，每一层都觉得自己「在用 Excel」，不觉得自己在用三个不同的工具。一个产品同时服务三类完全不同的人，且每一类都服务到位。这是 Excel 最被低估的地方。\n三、核心功能模块拆解\n3.1 单元格网格\nExcel 的数据模型不是「表格」。是一个无限二维坐标系。 每一行、每一列、每一个单元格独立可寻址。它不是处理「一张表」，是处理「一个空间」。不同区域的单元格通过公式连接，形成一个非线性的计算网络。\n这个设计解决了人类思考数字的底层方式：不是线性的，不是表格状的。是跳跃的、多维的、反复回到同一个参考点的。它的代价是给了用户完全的自由，包括犯错的自由。每一个重度使用者都有过「公式被数字覆盖了没发现」的惨痛经历。\n3.2 公式引擎\nExcel 内置函数超过 500 个。SUM 到 XLOOKUP，LAMBDA 到 LET，STOCKHISTORY 到动态数组。覆盖财务、统计、文本、日期、数组运算、数据库查询、逻辑判断。几乎可以用公式解决任何结构化数据处理问题，不需要学编程。\n动态数组和 LAMBDA 是过去五年最重要的进化。LAMBDA 让 Excel 变成图灵完备的函数式语言，自定义递归函数，不需要 VBA，就用公式。Excel 在「让非程序员不需要编程」和「给想编程的人一扇能推开的大门」之间，找到了精确的平衡。\n3.3 数据透视表\n本质是一个交互式多维聚合引擎。 你把原始数据拖进来，字段拖到行、列、值、筛选区域，后台生成多维聚合查询，前端用交叉表呈现。\n这个功能的产品洞察是：大多数人面对大量数据时，不知道「我想看什么」。他们知道「我有一堆数据，里面应该有什么规律，但我不知道从哪开始」。数据透视解决了「从哪开始」，拖一个字段到行，结果立刻出来。不满意，再拖一个到列。即时反馈加零成本试错。\n3.4 Power Query\n2010 年推出，本质是把 ETL 工作流集成进 Excel。解决了 Excel 用户最痛苦的场景：每月从 ERP 导出 CSV，清洗、去重、合并、改格式，然后才能开始分析。下个月数据更新，所有步骤重做一遍。\nPower Query 把清洗步骤记录为可刷新的查询。下个月点刷新，全自动完成。M 语言对非程序员极其不友好，但它解决了「只敢做一次、不敢做第二次」的问题。\n3.5 VBA：被低估到尘土里的护城河\nVBA 是 Excel 最被外部产品经理低估的资产。他们把它当成「上个时代的遗留物」。这个判断从技术角度是对的。从产品角度漏掉了最重要的事。\n全世界有上亿行 VBA 代码跑在企业的 Excel 文件里。 这些代码是过去二十年里财务部、运营部、供应链的野生程序员一行一行写的。没有人能把这些东西迁到另一个平台。Google Sheets 不支持 VBA。Python 需要重新写一遍。迁移成本不是换一个软件，是重写二十年积攒的所有业务逻辑。\n任何一个想做 Excel 替代品的产品经理，面对的第一个问题不是「我的公式引擎比 Excel 强吗」，是**「那些 VBA 宏怎么办」。** 这个问题没有答案。VBA 不是功能。是锁定。 它把企业的业务流程和 Excel 的底层绑定到了一起。你的预算审批流程、月末关账自动化、客商信用评估模型，全部跑在 VBA 上。你迁不走，因为写这些代码的人早就离职了，没人知道它们是怎么工作的。它们只是在默默地跑，每一天。\n四、三层网络效应\nExcel 的网络效应不是单层的。三层锁死，每一层都比上一层更重。\n第一层：别人用 Excel，所以我也得装。 这是基础网络效应。同事发来的文件是 .xlsx，你打不开就等于无法协作。\n第二层：别人用 Excel 做的文件，我必须能打开。 你是一个咨询顾问。客户发来一份 Excel 模型。如果你用 Google Sheets 打开，公式可能不兼容，数组可能不溢出，宏肯定跑不了。你只能装 Excel。不是因为你喜欢它，是因为你必须看到和对方一模一样的东西。\n第三层：企业二十年里所有的预算、报表、模型全部是 Excel 文件。 这些文件组成了企业的数字记忆。迁移意味着丢失这一切。一个并购项目的 DCF 模型，一个 IPO 的审计工作底稿，一个投资决策的敏感性分析。你现在不需要打开它们，但你今天做的每一个决策都在参考它们。你把它们迁到另一个平台，你不再能 F2 看公式、不再能追踪引用、不再能确认那个假设是谁输入的。企业失去的不是「一份文件」。是审计追踪能力，是数字记忆的连续性，是对过去决策的理解能力。 这道锁，Google Sheets、Python、Airtable，没有任何一个产品能撬开。\n五、为什么四十年没有替代品\nGoogle Sheets 的协同比它好，公式引擎弱一个量级，不支持 VBA。Python 分析比它强，财务总监不会写。Tableau 图表比它好看，做不了灵活的财务建模。Airtable 数据管理比它现代，公式系统弱到几乎不存在。\n没有产品同时具备 Excel 的三种能力：图灵完备的公式引擎、交互式数据透视、三层网络效应。 三样加在一起不是「更好的表格工具」。是一个没有任何学习曲线就能进入的全功能计算平台。\nExcel 最大的产品缺陷是它太旧。最大的壁垒也是这个旧。旧意味着每一个财务专业人士的肌肉记忆，Ctrl+Shift+箭头选区域、Alt+E+S+V 选择性粘贴、Ctrl+[ 追踪引用。替代 Excel 不是替代一个软件，是替代全世界上亿人的手指记忆。\n六、Copilot 正在改写交互范式\n2025 年，微软把 Copilot 全面嵌入 Excel。这是 Excel 四十年产品史上最深的一次交互范式迁移。\n以前的 Excel：你需要知道 SUMIFS 怎么用，才能用它。你需要在函数向导里选参数，在引号里输入条件，在括弧里确认范围。门槛是**「懂公式语法」。**\nCopilot 之后：你跟它说人话。「帮我把华南区上个月毛利率超过 20% 的客户拉出来，按金额从大到小排，标出排名前十的。」它自己写公式，自己出结果。\n这跟 Google 从敲关键词变成直接问问题，是同一个量级的范式迁移。Excel 的交互界面从「单元格网格+公式栏」变成了「自然语言+单元格网格」。 门槛从「懂公式」降到了「会说人话」。\n这意味着什么。第一，第一层用户，那占了 90% 以上、只用 Excel 做表格的人，突然能用数据透视表和公式了。他们不需要学，只需要说。第二，第二层用户的效率被压缩了。以前财务主管要花半小时写一个复杂的 SUMIFS 嵌套，现在一句话。省出来的时间去哪了？去分析了，去跟业务对话了。第三，VBA 的替代终于有了技术可行性。Copilot 可以生成 Office Scripts 代码。用自然语言描述一个自动化流程，比学 VBA 容易一万倍。但 VBA 的存量太大了，技术上的「可以替代」和实际上的「已经替代」之间，隔着二十年的企业遗产。\n七、这个产品的底层哲学\nExcel 的设计哲学可以用一句话概括：给用户一个无限画布，让他们自己定义规则。\n它不像销售软件那样给你预设好的工作流。不告诉你「第一步该做什么、第二步该做什么」。只给你单元格、公式和透视表。你想怎么用，你就怎么用。这种哲学的反面是低天花板高地板产品，预设越完善，用户能突破的空间越小。Excel 选了另一条路：地板是一张空白格，天花板是图灵完备的公式语言。这条路更难走，但一旦走通了，就是四十年的护城河。\n而 Copilot 的加入，不是在改变这套哲学。是把进门的那道槛从「需要学」变成了「不需要学」。 天花板还在。但是更多的人能摸到天花板了。\n","permalink":"https://cfo580.cn/article/chan-pin-shi-jiao-excel/","summary":"作者：shepherd 来源：知乎专栏「数字化认知」 1985 年，Excel 1.0 在 Macintosh 上发布。当时市场上 Lotus 1 2 3 占据电子表格市场 80% 以上份额。Excel 用了不到四年把它干掉了。 今天，Ex…","title":"🎯 「产品视角」—Excel"},{"content":" 一、开场30秒：先给承诺，别铺垫\n会计人开口有个通病——先铺垫。准则要交代、口径要交代、假设前提要交代。我们太怕被挑错了。 可你要搞清楚：台下的人不是来审你的，是来拿东西的。 所谓“赋能承诺”，说白了就是一句话，告诉听众：接下来的时间，你能带走什么。 给你一个可以直接套用的模板： “接下来20分钟，我只讲三件事：一、应收账款周转天数恶化的真实原因；二、三个可落地的管控动作；三、需要各位今天拍板的一个决定。” 这在财务人听来应该很亲切，它就是年报里的审计意见段：先给结论，附注后补。 没有哪个报表使用者有耐心先啃完附注再翻意见段，台下坐着的也一样。 特别提醒一句：开场千万别讲笑话，也别寒暄。 会计人讲笑话，十有八九冷场；一冷场你自己先慌，后面节奏全乱。咱们的性格不适合走气氛路线，就走“承诺兑现”路线，稳，而且可信。\n二、时间隧道法：复杂观点要“分期摊销”，别一次性“费用化”\n会计上有个处理我很喜欢拿来打比方：一笔支出如果受益期跨多个期间，就不该一次性费用化，而应资本化、分期摊销。 讲复杂观点，同理。 我见过一个合并报表做得极漂亮的会计，给业务部门讲“内部交易抵消”，45分钟一口气推演到底。台下从第10分钟开始看手机。不是他讲错了，是没人能一次性消化三张报表的勾稽关系。 正确做法是我说的“时间隧道法”： 每10~15分钟为一个循环，一次只往前推一层； 每个循环结束设一个“休息点”——把刚讲完的核心重复一遍，让听众喘口气； 在休息点上，讲个笑话、自嘲一下，或者停下来抛个问题，把气氛重新拉回来。 一次讲透30%，绕回来，再往深走30%，再绕回来。像钻隧道，每掘进一段，回头确认一次支护。 为什么这套打法特别配会计人？因为我们的内容天然就是分层勾稽的：科目到报表，报表到指标，指标到决策。你顺着勾稽关系一层层往外讲，观众自然跟着你走。妄图一次讲通，等于把一张试算平衡表直接拍在非财务人员脸上。 注意一个细节：开场不许讲笑话，中段的休息点反而要讲。 位置不同，作用完全不同，开场的笑话是风险，中段的笑话是润滑。\n三、结尾：关账要轧平，印象要封死\n我带过一个下属，内容讲得很好，结尾一句“我讲完了，谢谢大家”，然后就没有然后了。三天的准备，毁在最后一分钟。 会计人都懂：结账，一定要轧平。 汇报也一样。 结尾要做的事只有一件：把你最想让对方记住的那句话，重复，说慢，说完停三秒。 “今天如果只记住一件事，请记住：回款不是销售部门一家的事，它是全公司现金流的第一道闸门。” 说完，别急着道谢。停三秒。这三秒，就是你这30分钟的“结账分录”。 还有一条铁律：结尾不加任何新信息。 新东西放结尾，等于关账后又补一张凭证，前面轧平的全白轧了。\n写在最后\n会计人是全公司最懂业务实质的一群人，却常常是最没存在感的一群人。差距不在专业，在表达。 按老规矩，结尾把三条再轧一遍： 开场30秒，直接给赋能承诺，不铺垫、不寒暄、不讲笑话，先给“审计意见”； 复杂观点用时间隧道法，10~15分钟一个循环，休息点重复核心、讲个笑话缓一缓，分期摊销，不要一次性费用化； 结尾封死终极印象——重复核心观点，说慢，停三秒，关账轧平。 这套东西不难，难的是改掉“怕出错所以先铺垫”的本能。我们干了三十年，账上不敢错一个数，这没错。但要记住：做账是给自己和准则看的，汇报是给别人接住的。账要平，话要落地。\n","permalink":"https://cfo580.cn/article/jiang-le-30-nian-cai-wu-hui-bao-wo-quan-kuai-ji-ren-yi-ju-bie-shu-zai-kai-kou-de-30-miao-shang/","summary":"一、开场30秒：先给承诺，别铺垫 会计人开口有个通病——先铺垫。准则要交代、口径要交代、假设前提要交代。我们太怕被挑错了。 可你要搞清楚：台下的人不是来审你的，是来拿东西的。 所谓“赋能承诺”，说白了就是一句话，告诉听众：接下来的时间，你能…","title":"🎤 讲了30年财务汇报，我劝会计人一句：别输在开口的30秒上"},{"content":"CFO580 是面向会计人群的成长平台，赋能会计人早日成为财务总监。\n我们聚焦于会计人从核算走向管理、从执行走向决策的进阶路上最需要的实战内容：\nExcel：数据清洗、处理、分析，掌握Excel函数式编程和建模两项进阶技能，把重复劳动降到最低 财务数据分析：用 SQL、Python 做经营分析与管理会计，不纯拼算法 企业管理：不懂业务的会计不是好财务总监 职场技能：读书、思考、输出，进化成更好的自己 内容由一群资深财务总监持续维护，旨在帮每一位会计人少走弯路，稳步成长为「懂财务、懂业务、懂AI的『三维』会计」，做「能扛事、能决策、能拿结果」的财务总监。\n","permalink":"https://cfo580.cn/about/","summary":"\u003cp\u003eCFO580 是面向会计人群的成长平台，赋能会计人早日成为财务总监。\u003c/p\u003e\n\u003cp\u003e我们聚焦于会计人从核算走向管理、从执行走向决策的进阶路上最需要的实战内容：\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cstrong\u003eExcel\u003c/strong\u003e：数据清洗、处理、分析，掌握Excel函数式编程和建模两项进阶技能，把重复劳动降到最低\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e财务数据分析\u003c/strong\u003e：用 SQL、Python 做经营分析与管理会计，不纯拼算法\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e企业管理\u003c/strong\u003e：不懂业务的会计不是好财务总监\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e职场技能\u003c/strong\u003e：读书、思考、输出，进化成更好的自己\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003e内容由一群资深财务总监持续维护，旨在帮每一位会计人少走弯路，稳步成长为「懂财务、懂业务、懂AI的『三维』会计」，做「能扛事、能决策、能拿结果」的财务总监。\u003c/p\u003e","title":"关于我们"},{"content":"无论是商务合作、内容投稿或转载授权，还是财税问题咨询，都欢迎与我们联系。我们会认真阅读每一条消息，并于工作日尽快回复。\n📮 contact@6dooo.com ","permalink":"https://cfo580.cn/contact/","summary":"\u003cp\u003e无论是\u003cstrong\u003e商务合作\u003c/strong\u003e、\u003cstrong\u003e内容投稿或转载授权\u003c/strong\u003e，还是\u003cstrong\u003e财税问题咨询\u003c/strong\u003e，都欢迎与我们联系。我们会认真阅读每一条消息，并于工作日尽快回复。\u003c/p\u003e\n\u003cp\u003e📮 \u003ca href=\"mailto:contact@6dooo.com\"\u003econtact@6dooo.com\u003c/a\u003e\n\u003c/p\u003e","title":"联系我们"},{"content":"以下站点与 CFO580 互相关注，按主题分组整理，方便会计人随时取用。\n共享财务总监 6dooo.com 政府机构 财政部 国家税务总局 中国政府网（国务院） 国家市场监督管理总局 国家统计局 中国人民银行 国家金融监督管理总局 中国证券监督管理委员会 海关总署 商务部 国家发展和改革委员会 人力资源社会保障部 国家医疗保障局 审计署 最高人民法院 中国人大网（法律法规） 国家知识产权局 税务服务 12366 纳税服务平台 全国增值税发票查验平台 国家电子税务局 行业协会与考试 中国注册会计师协会 中国注册税务师协会 中国总会计师协会 中国会计学会 全国会计资格评价网 法律与信用 国家法律法规数据库 国家企业信用信息公示系统 信用中国 中国裁判文书网 中国政府采购网 欢迎交换友链，请联系我们。\n","permalink":"https://cfo580.cn/links/","summary":"\u003cp\u003e以下站点与 CFO580 互相关注，按主题分组整理，方便会计人随时取用。\u003c/p\u003e\n\u003ch2 id=\"共享财务总监\"\u003e共享财务总监\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https://6dooo.com\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e6dooo.com\u003c/a\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2 id=\"政府机构\"\u003e政府机构\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https://www.mof.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e财政部\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"https://www.chinatax.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e国家税务总局\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"https://www.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e中国政府网（国务院）\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"https://www.samr.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e国家市场监督管理总局\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"https://www.stats.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e国家统计局\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"https://www.pbc.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e中国人民银行\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"https://www.nfra.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e国家金融监督管理总局\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"http://www.csrc.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e中国证券监督管理委员会\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"http://www.customs.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e海关总署\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"http://www.mofcom.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e商务部\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"https://www.ndrc.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e国家发展和改革委员会\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"http://www.mohrss.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e人力资源社会保障部\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"https://www.nhsa.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e国家医疗保障局\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"https://www.audit.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e审计署\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"https://www.court.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e最高人民法院\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"http://www.npc.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e中国人大网（法律法规）\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"https://www.cnipa.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e国家知识产权局\u003c/a\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2 id=\"税务服务\"\u003e税务服务\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https://12366.chinatax.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e12366 纳税服务平台\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"https://inv-veri.chinatax.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e全国增值税发票查验平台\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"https://etax.chinatax.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e国家电子税务局\u003c/a\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2 id=\"行业协会与考试\"\u003e行业协会与考试\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https://www.cicpa.org.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e中国注册会计师协会\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"https://www.cctaa.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e中国注册税务师协会\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"http://www.cacfo.com/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e中国总会计师协会\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"http://www.asc.net.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e中国会计学会\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"http://kzp.mof.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e全国会计资格评价网\u003c/a\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2 id=\"法律与信用\"\u003e法律与信用\u003c/h2\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https://flk.npc.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e国家法律法规数据库\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"https://www.gsxt.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e国家企业信用信息公示系统\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"https://www.creditchina.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e信用中国\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"https://wenshu.court.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e中国裁判文书网\u003c/a\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ca href=\"http://www.ccgp.gov.cn/\" target=\"_blank\" rel=\"noopener noreferrer\"\u003e中国政府采购网\u003c/a\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003e欢迎交换友链，请联系我们。\u003c/p\u003e","title":"友情链接"}]