数据清理（Clean Data XLS）
什么是数据清理？
在金融分析中，“干净的数据”是一切分析的前提。现实中，从各种来源获取的原始数据往往存在各种质量问题：多余的空格、不一致的大小写（USA vs usa vs Usa）、数字被存为文本（Excel 左上角的绿色三角形）、日期格式混乱（2024/3/8 vs March 8, 2024 vs 2024-03-08）、重复行等等。 如果不先清理这些问题就直接做分析，结果可能完全不可靠 —— 比如 VLOOKUP 因为前导空格而匹配失败，或者 SUM 因为部分数字被存为文本而漏算。 这个技能检测数据中的各种质量问题，提出修复建议，并在用户确认后执行清理 —— 尽可能使用公式（保持透明和可审计），而非直接覆盖原始数据。为什么重要
- Comps 分析数据整合 —— 从多个来源合并的公司数据需要统一格式
- M&A 数据室清理 —— 尽职调查中获取的原始数据往往格式混乱
- 财务模型输入 —— 垃圾数据进去就是垃圾结果出来
- 报告生成 —— 输出格式的一致性影响专业形象
核心概念
工作流程
1
确定范围
- 如果指定了范围（如
A1:F200），使用该范围 - 否则使用活动工作表的全部已用区域
- 分析每列的主要数据类型（文本/数字/日期），识别异常值
2
检测问题
在提出任何修复建议之前，先扫描所有问题类型：
3
提出修复建议
展示汇总表，修改前必须获得用户确认：
4
执行修复
按类别逐一执行，每个类别完成后与用户确认：
- 空白字符 → 展示前后对比 → 确认
- 大小写 → 展示前后对比 → 确认
- 数字转换 → 展示前后对比 → 确认
- 日期标准化 → 展示前后对比 → 确认
- 去重 → 展示将删除的行 → 确认
核心原则：公式优于覆盖
尽可能使用公式（在辅助列中），而不是直接覆盖原始数据。 这保持了数据转换的透明性和可审计性。
仅在以下情况直接覆盖：
- 用户明确要求
- 没有合理的公式替代方案（如编码/乱码修复）
如何添加到本地环境
最佳实践
- 先检测后修复 —— 在修改任何内容之前，先展示完整的问题清单
- 分类别逐步执行 —— 不要一次性修改所有问题
- 绝不在未经确认的情况下删除重复行 —— 错误的去重可能不可逆地损毁数据
- 近似重复需要人工判断 —— “Apple Inc.” vs “APPLE INC” 是同一家公司吗？