数据包构建技能

什么是数据包？

数据包（Datapack）是一份标准化的 Excel 工作簿，将公司的关键财务和运营数据从各种源文件（CIM、招股说明书、SEC 文件、管理层演示）中提取出来，规范化为统一的格式，供投资委员会（Investment Committee, IC）审查使用。它是连接”杂乱的源数据”和”可做决策的分析”之间的桥梁。在私募股权基金（PE Fund）和投资银行中，数据包是尽职调查（Due Diligence）阶段最核心的工作产出之一。当一个 PE 基金收到一份 CIM 并决定进一步研究时，分析师的第一项任务就是将 CIM 中的财务数据提取到标准化的 Excel 工作簿中——这样才能进行比较分析、建立估值模型、进行敏感性测试。数据包的质量标准极高——“零容错”是基本要求。每一个数字都必须可追溯到来源文件（附页码），所有计算都必须使用公式（绝不硬编码），格式必须严格遵守投行和 PE 的专业标准（财务金额用

、运营数据不带

、百分比用 %、年份用文本格式防止千位逗号）。

数据包在交易流程中的位置

在一笔典型的 PE 收购交易中，数据包处于以下环节：

收到 CIM / Teaser → 初步筛选
决定深入分析 → 构建数据包（分析师核心工作）
基于数据包搭建 LBO 模型 → 测试投资回报
投资委员会审查 → 使用数据包作为核心参考材料
提交 IOI / Final Bid → 报价基于模型，模型基于数据包

因此，数据包的准确性直接影响投资决策的质量。一个数字的错误可能导致估值偏差数百万美元。

数据包 vs. 其他分析工作产出

工作产出	目的	格式	使用者
数据包（Datapack）	标准化源数据	Excel 工作簿（8 个标签页）	分析师、VP、IC
LBO 模型	测试杠杆收购回报	Excel 模型	分析师、VP
估值分析（Valuation）	确定公司价值区间	Excel / PPT	VP、MD、客户
投资备忘录（IC Memo）	推荐投资决策	Word / PPT	投资委员会

概念举例：从 CIM 到数据包

假设你收到一份 CIM，其中第 25 页有这样一段文字：

“公司在 2024 财年实现收入 $185.3M，同比增长 12.1%。扣除一次性搬迁费用$ 2.5M 后，调整后 EBITDA 为 $37.1M，利润率为 20.0%。公司在美国东南部运营 47 家门店，雇员 1,280 人。”

在数据包中，这些信息会被拆解为：

科目	FY2024	来源
收入（Revenue）	$185.3	CIM p.25
收入增长（Revenue Growth）	12.1%	CIM p.25
调整后 EBITDA	$37.1	CIM p.25
调整后 EBITDA 利润率	20.0%	=EBITDA/Revenue
搬迁费用加回（Add-Back）	$2.5	CIM p.25
门店数量（Store Count）	47	CIM p.25
员工人数（Headcount）	1,280	CIM p.25

注意：收入用

格式，增长率和利润率用 % 格式，门店和员工用数字格式（无

），EBITDA 利润率使用公式而非硬编码。

为什么重要

PE 分析师：数据包是搭建 LBO 模型和进行投资分析的数据基础
投资委员会：通过数据包快速理解一家公司的财务全貌，支持投资决策
投行分析师：为并购交易创建标准化的数据汇总，支持估值和尽职调查
跨投资组合分析：标准化的数据格式使得在多个目标公司之间进行横向对比成为可能
审计追溯：数据包中的来源引用使得任何数字都可以被追溯和验证

核心概念

中文术语	英文术语	含义
数据包	Datapack	标准化的财务数据 Excel 工作簿
尽职调查	Due Diligence (DD)	买方对目标公司进行的深入审查
投资委员会	Investment Committee (IC)	PE 基金内部的投资决策机构
调整后 EBITDA	Adjusted EBITDA	剔除一次性费用后的运营利润指标
规范化调整	Normalization Adjustments	使财务数据可比所做的调整
加回项	Add-Back	被加回到 EBITDA 中的一次性费用
数据可追溯性	Data Traceability	每个数字都能追溯到来源文件和页码
硬编码	Hardcoded Value	直接输入的数字（非公式计算），在数据包中应仅用于源数据输入
冻结窗格	Freeze Panes	固定表头行/列，方便滚动查看数据
交叉验证	Cross-Tab Validation	不同工作表之间的数据一致性检查

详细案例分析

案例：为 PE 基金构建”QuickMart 便利连锁”数据包

背景： Meridian Capital Partners（PE 基金）收到了 QuickMart 便利连锁的 CIM。VP 指示你（分析师）在 48 小时内构建标准数据包，供下周的投资委员会审阅。 CIM 关键数据（来源页码标注）： 损益表（CIM p.22-23）：

科目	FY2022	FY2023	FY2024
收入（Revenue）	$142.0	$163.5	$185.3
COGS	$(85.2)	$(95.2)	$(107.5)
毛利（Gross Profit）	$56.8	$68.3	$77.8
毛利率（Gross Margin）	40.0%	41.8%	42.0%
SG&A	$(28.4)	$(30.6)	$(33.4)
报告 EBITDA	$28.4	$37.7	$44.4
调整项：搬迁费用	—	—	$2.5
调整项：诉讼和解	$1.8	—	—
调整项：SBC	$2.2	$2.5	$2.8
调整后 EBITDA	$32.4	$40.2	$49.7

运营指标（CIM p.30-31）：

指标	FY2022	FY2023	FY2024
门店数量	38	42	47
平均每店收入	$3.74M	$3.89M	$3.94M
员工总数	980	1,120	1,280
同店销售增长（SSS）	3.2%	4.1%	1.5%

数据包构建过程： Tab 1：执行摘要（Executive Summary）

公司概况：QuickMart 是美国东南部领先的便利连锁零售商，经营 47 家门店
关键指标快照：收入 $185M、调整后 EBITDA$ 50M、利润率 26.8%、增长 CAGR 14.3%
投资亮点：3-5 条要点

Tab 2：历史损益表（Historical P&L）

从 CIM p.22-23 提取，全部使用 $ 格式
所有小计行使用 SUM 公式
利润率行使用除法公式（=EBITDA/Revenue）
增长率使用公式（=当年/上年-1）

Tab 5：运营指标（Operating Metrics）

门店数量：38, 42, 47——数字格式，无 $
员工总数：980, 1,120, 1,280——数字格式，无 $
平均每店收入： $3.74M——$ 格式
SSS：3.2%, 4.1%, 1.5%——% 格式

关键公式示例：

调整后 EBITDA 利润率 = 调整后 EBITDA / 收入
= $49.7M / $185.3M = 26.8%

公式写法: =B15/B5（绝不硬编码 26.8%）

每店收入 = 收入 / 门店数量
= $185.3M / 47 = $3.94M

公式写法: =B5/B22（跨工作表引用）

交叉验证：

毛利 = 收入 - COGS = $185.3 -$ 107.5 = $77.8 ✓
毛利率 = $77.8 /$ 185.3 = 42.0% ✓
每店收入 × 门店数 = $3.94M × 47 =$ 185.2M ≈ $185.3M ✓（$ 0.1M 四舍五入差异，可接受）

工作流程

阶段 1：文件处理与数据提取

步骤 1.1：分析源数据结构

访问源材料：上传文件、SEC EDGAR 公开文件、MCP 服务器数据
审查数据结构，识别关键章节
定位财务报表（通常 3-5 年历史数据）
识别管理层预测（如有）
标注财年结束日期
立即标记任何数据质量问题

步骤 1.2：提取财务报表

定位历史损益表数据
提取资产负债表快照（年末或季末）
找到现金流量表
提取管理层预测（如有）
标注所有页码引用以确保可追溯性

步骤 1.3：提取运营指标

识别与行业相关的非财务 KPI
捕获单位经济学数据
提取客户/门店/产能数据
记录增长指标和趋势

步骤 1.4：提取市场与行业数据

竞争定位信息
市场规模和增长率
行业基准数据
同行比较信息

步骤 1.5：记录关键背景

交易结构和逻辑
管理团队背景
来源材料中的投资亮点
风险因素和注意事项
任何数据缺口或不一致之处

阶段 2：数据规范化与标准化

步骤 2.1：规范化会计展示

确保各年度科目名称一致
标准化收入确认处理
识别和记录一次性费用
创建调整后 EBITDA 调节表（Adjusted EBITDA Bridge）
标注任何会计政策变更

步骤 2.2：应用格式检测逻辑

规则 1：财务数据（衡量金额）→ 货币格式带 $
- 触发词：Revenue、EBITDA、Profit、Cost、Expense、Cash、Debt、Assets
- 格式： $#,##0.0（百万级）或$ #,##0（千级）
- 负数： $(123.0) 而非 -$ 123
规则 2：运营数据（计量数量）→ 数字格式，无 $
- 触发词：Units、Stores、Employees、Customers、Square Feet
- 格式：#,##0 带逗号
规则 3：百分比（比率和利率）→ 百分比格式
- 触发词：Margin、Growth、Rate、Yield、Return
- 格式：0.0%
- 显示：15.0% 而非 0.15
规则 4：年份 → 文本格式防止逗号
- 显示：2022, 2023, 2024（而非 2,024）
规则 5：混合上下文中，每个指标使用对应格式
规则 6：所有计算使用公式 → 绝不硬编码计算值

步骤 2.3：识别规范化调整 常见调整项：

重组费用（如确实非经常性则加回）
股权激励（SBC，行业标准做法：加回）
并购相关费用（加回交易费、整合成本）
法律和解或诉讼费用（评估再发生风险）
资产出售或减值（从运营 EBITDA 中剔除）
关联方调整（规范化至市场水平）

步骤 2.4：创建调整项明细表 每项调整需记录：调整内容和原因、来源引用（页码/URL）、各年度金额影响、再发生风险评估、从报告数到调整数的计算过程。步骤 2.5：验证数据完整性

确认小计项使用公式且正确求和
验证资产负债表平衡（资产 = 负债 + 权益）
检查现金流量表与资产负债表变动的勾稽关系
交叉检查不同标签页之间数据的一致性
标记任何差异以供调查

阶段 3：构建 Excel 工作簿

标准 8 标签页结构：

执行摘要（Executive Summary）
- 公司概述（2-3 句描述商业模式）
- 关键投资亮点（3-5 个要点）
- 财务快照表（收入、EBITDA、增长，近 3 年 + 预测）
- 交易概述（如适用）
历史损益表（Historical P&L）
- 按业务线/产品线的收入分拆
- COGS / 销售成本
- 毛利和毛利率 %
- 运营费用明细（S&M、R&D、G&A）
- EBITDA 和调整后 EBITDA
- 线下项目（D&A、利息、税费）
- 净利润
- 年份列使用文本格式
- 小计行上方单下划线，净利润下方双下划线
资产负债表（Balance Sheet）
- 流动资产（现金、AR、存货、预付、其他）
- 长期资产（PP&E、无形资产、商誉、其他）
- 流动负债（AP、应计费用、当期债务、其他）
- 长期负债（长期债务、递延税、其他）
- 股东权益
- 验证公式：资产 = 负债 + 权益
- 包含营运资本计算
现金流量表（Cash Flow Statement）
- 经营活动现金流（间接法）
- 投资活动现金流（资本支出、收购、资产出售）
- 融资活动现金流（债务发行/偿还、股权、股息）
- 现金净变动
- 期初和期末现金余额
运营指标（Operating Metrics）
- 非财务 KPI（无 $ 格式！）
- 单位量、客户数、门店数
- 生产效率指标（每员工收入、每店收入）
- 产能利用率
- 客户留存/流失率
- 行业特定 KPI
物业/业务部门表现（Property/Segment Performance）（如适用）
- 按业务线的收入和盈利能力
- 按地区/产品的关键指标
- 比较性绩效分析
市场分析（Market Analysis）
- 市场规模和增长趋势
- 竞争格局概览
- 市场份额分析
- 行业基准和同行对比
- 数据来源引用
投资亮点（Investment Highlights）
- 竞争优势详述
- 增长机会和战略举措
- 风险因素和缓解策略
- 管理层评价和业绩记录
- 投资论点总结

格式标准（必须遵守）：

蓝色字体（RGB: 0,0,255）：所有硬编码输入值
黑色字体（RGB: 0,0,0）：所有公式和计算
绿色字体（RGB: 0,128,0）：跨工作表引用
表头加粗、左对齐
数字右对齐
2 空格缩进子项目
小计行上方单下划线
最终合计行下方双下划线
冻结行/列表头
最简边框（仅在结构需要时使用）
统一字体（Calibri 或 Arial 11pt）

公式引用最佳实践：

# 正确做法：追踪行号
revenue_row = row
write_data_row(ws, row, "Revenue", revenue_values)
row += 1

ebitda_row = row
write_data_row(ws, row, "EBITDA", ebitda_values)
row += 1

# 使用存储的行号写公式
margin_formula = f"={col}{ebitda_row}/{col}{revenue_row}"

# 错误做法：使用硬编码偏移
# formula = f"=B{row-15}/B{row-19}"  # 脆弱且不可维护

阶段 4：情景构建（如含预测数据）

管理层情景（Management Case）：

按源材料展示公司的预测
提取所有管理层假设
记录增长率、利润率扩张、资本需求
标注关键驱动因素和敏感性
标记任何需要审慎对待的”曲棍球杆”拐点
标注为”Management Case”

基准情景（Base Case / Risk-Adjusted）：

对管理层预测施加保守调整
收入增长打折扣（反映执行风险和历史预测准确度）
缓和利润率扩张假设（基于行业基准和运营杠杆）
增加资本支出假设（如增长依赖资本投入）
延迟协同效应实现（基于整合复杂度）
记录所有调整及理由

下行情景（Downside Case）：（可选但推荐用于 LBO 分析）

基于行业周期性和公司脆弱性的压力测试
建模收入下降（衰退风险或竞争压力）
假设利润率压缩（量的去杠杆、定价压力）
测试契约合规和流动性
评估下行保护

情景假设明细表： 按情景列示关键假设（收入增长、利润率、资本支出 %）、调整理由、敏感性分析、与行业基准的比较。

阶段 5：质量控制与验证

步骤 5.1：数据准确性检查

每个数字可追溯来源（抽样检查，引用文件/URL）
所有计算使用公式（无硬编码值）
小计和合计数学正确
年份无逗号显示（2024 而非 2,024）
无公式错误：#REF!、#VALUE!、#DIV/0!、#N/A

步骤 5.2：格式一致性检查

财务数据带 $ 格式
运营数据无 $ 格式
百分比显示为 %（15.0% 而非 0.15）
负数使用括号
表头加粗左对齐
数字右对齐
年份为文本格式

步骤 5.3：结构完整性检查

所有必需标签页存在且正确排序
执行摘要简洁（适合一页）
所有关键指标完整捕获
从摘要到明细的逻辑流清晰
各标签页的颗粒度合适

步骤 5.4：专业呈现检查

最简边框（仅结构性使用）
一致的缩进（子项目 2 空格）
会计下划线正确（单线和双线）
整体干净、专业
列宽适当（不过窄或过宽）

步骤 5.5：文档与假设检查

所有规范化调整有文档记录和理由
来源引用包含（页码、URL 或数据源引用）
假设清晰陈述且合理
执行摘要准确且有影响力
文件名包含公司名称和日期

阶段 6：最终交付

步骤 6.1：撰写执行摘要

公司概述：商业模式、产品/服务、地理覆盖（2-3 句）
关键财务指标：收入、EBITDA、增长率（表格格式）
投资亮点：3-5 条核心优势或机会
值得关注的风险或注意事项（简要）
交易背景（如适用）

步骤 6.2：最终文件准备

文件命名：公司名称_DataPack_YYYY-MM-DD.xlsx
所有质量控制检查通过

行业专项适配指南

Technology / SaaS 行业

关键指标：

ARR（年度经常性收入）和 MRR——$ 格式
客户数量（按队列）——数字格式（无 $）
CAC（客户获取成本）和 LTV（生命周期价值）——$ 格式
流失率（毛流失和净流失）——% 格式
净收入留存率（Net Revenue Retention）——% 格式
40 法则（Rule of 40）：增长率 % + EBITDA 利润率 %
魔力数字（Magic Number，销售效率）

制造业 / 工业

关键指标：

产能和产能利用率 %——数量用数字格式，利用率用 %
按产品线的生产量——数字格式
存货周转率——数字格式
按产品线的毛利率——%
订单积压——$ 格式

房地产 / 酒店

关键指标：

物业数/房间数/面积——数字格式
入住率（Occupancy Rate）——%
平均日房价 ADR——$ 格式
每可用房收入 RevPAR——$ 格式
净运营收入 NOI——$ 格式
资本化率 Cap Rate——%

医疗 / 服务业

关键指标：

地点/设施数量——数字格式
提供者/员工数量——数字格式
患者/就诊量——数字格式
每次就诊收入——$ 格式
支付方组合（Payor Mix）——%
同店增长——%

常见错误与避坑指南

错误 1：硬编码计算值在数据包中直接输入 “26.8%” 作为 EBITDA 利润率，而不是用公式 =EBITDA/Revenue。当源数据更新时，硬编码的值不会自动变化，导致数据不一致。正确做法： 所有派生指标必须使用公式。蓝色字体 = 输入值（来自源文件），黑色字体 = 公式计算值。

错误 2：运营数据使用 $ 格式门店数量写成 “

47" 或员工数量写成 "

1,280”——这些是数量而非金额。正确做法： 运营数据使用数字格式（#,##0），无

符号。财务数据（收入、EBITDA 等）才使用

格式。

错误 3：年份显示为千位格式Excel 默认将 2024 显示为 “2,024”，看起来极其不专业。正确做法： 将年份列设置为文本格式，或使用自定义格式 “0”。确认显示为 2022、2023、2024。

错误 4：缺少来源引用数据包中的数字没有标注来自 CIM 的哪一页，IC 成员无法验证。正确做法： 每个关键数据点旁添加注释（Comment）标注来源——“CIM p.25” 或 “10-K p.42”。也可在行尾设置”来源”列。

错误 5：负数使用减号而非括号写成 ”-

15.0" 而非 "

(15.0)“——前者是 Excel 新手格式，后者是投行标准。正确做法： 使用会计格式，负数用括号表示：$(15.0)。

错误 6：每个单元格都加边框“满格线”的 Excel 格式在投行中是不专业的标志。正确做法： 仅在结构需要时使用边框——小计行上方单下划线、最终合计行下方双下划线、表头与数据之间的分隔线。其余区域留白。

错误 7：资产负债表不平衡没有设置验证公式检查 Assets = Liabilities + Equity。如果两侧差额为 $0.1M（四舍五入差异），也需要调查。正确做法： 在资产负债表底部添加”平衡检查”行，公式为 =Total Assets - Total Liabilities - Total Equity，预期值为 $0.0。如果非零，标红高亮。

错误 8：忽略行业特定 KPI为 SaaS 公司建数据包时只有财务报表三张表，没有 ARR、NRR、CAC/LTV 等 SaaS 核心 KPI。正确做法： 根据行业添加对应的运营指标标签页。SaaS 要有 ARR 和留存率，零售要有 SSS，房地产要有 NOI 和 Cap Rate。这些 KPI 通常是 IC 最关心的指标。

错误 9：工作表之间数据不一致执行摘要页显示收入为

185M，但历史损益表页显示

185.3M——这种不一致会立即降低数据包的可信度。正确做法： 执行摘要页的关键数字使用跨工作表引用公式（绿色字体），直接链接到数据详情页。这样当源数据更新时，摘要页自动同步。

错误 10：不做交叉验证现金流量表的期末现金余额与资产负债表的现金科目不一致，或损益表的 D&A 与现金流量表的 D&A 不匹配。正确做法： 在构建数据包时设置交叉验证公式：

现金流期末余额 = 资产负债表现金
现金流中的 D&A = 损益表的 D&A
净利润从损益表到现金流量表的勾稽关系

日常工作场景

场景 1：48 小时内完成数据包（PE 基金 Deal Screening）

周一上午 9:00：VP 在早会上说：“我们刚收到 Project Phoenix 的 CIM，IC 是周三下午。请在明天中午前完成数据包。” 工作计划： 周一上午（4 小时）——数据提取：

09:30-10:30：通读 CIM 全文，标记所有含数据的页面
10:30-12:00：提取三张核心报表（P&L、BS、CF），标注页码
12:00-13:00：午餐 + 提取运营指标和行业数据

周一下午（4 小时）——构建工作簿：

13:00-14:30：创建 Excel 工作簿，建立 8 个标签页骨架
14:30-16:30：填充历史损益表和资产负债表，设置所有公式
16:30-17:30：填充现金流量表，做三张表的交叉验证

周一晚间（2-3 小时）——运营数据 + 调整：

18:00-19:00：填充运营指标标签页
19:00-20:00：构建调整后 EBITDA 调节桥
20:00-20:30：撰写执行摘要

周二上午（3 小时）——QC + 交付：

08:00-09:30：全面质量检查（格式、公式、平衡、来源引用）
09:30-10:30：修复所有发现的问题
10:30-11:00：最终通查，命名保存，发送给 VP
11:00：VP 审核并提供反馈

场景 2：数据包更新——Q3 数据出来后

情境： 上个月构建的 Project Atlas 数据包使用的是 FY2024 年报数据。现在公司发布了 2025 年 Q1 季报，VP 要求你更新数据包，加入最新的 LTM（Last Twelve Months）数据。 更新流程：

从 10-Q 中提取 Q1 2025 数据
在各标签页中新增列（Q1 2025 / LTM）
计算 LTM = FY2024 - Q1 2024 + Q1 2025
更新执行摘要页的关键指标
检查新数据是否改变了趋势分析
更新文件名日期戳

场景 3：跨公司比较——投资委员会审阅 3 家候选标的

情境： IC 即将审阅 3 家 IT 服务公司的投资机会。VP 要求你创建一个”比较摘要”工作表，横向对比三家公司的关键指标。 比较摘要结构：

指标	Company A	Company B	Company C
收入	$185M	$220M	$95M
收入增长 CAGR（3 年）	14.3%	8.5%	22.1%
调整后 EBITDA	$50M	$52M	$18M
EBITDA 利润率	26.8%	23.6%	18.9%
客户留存率	96%	92%	98%
门店/地点数	47	62	15
问价倍数（Ask Multiple）	12.0x	10.5x	15.0x

这种比较依赖于三个数据包使用完全相同的指标定义和格式——这就是标准化数据包的核心价值。

练习题

练习 1：格式判断

题目： 为以下数据项判断正确的格式类型（$ 格式 / 数字格式 / % 格式 / 文本格式）：

数据项	你的格式判断
收入（Revenue）
门店数量（Store Count）
EBITDA 利润率
财政年度（FY2024）
客户数量（Customer Count）
每客户收入（Revenue per Customer）
同店销售增长（SSS Growth）
资本支出（Capital Expenditure）
员工人数（Headcount）
净债务/EBITDA 倍数

练习 2：EBITDA 调节桥

题目： 根据以下信息构建调整后 EBITDA 调节桥，并评价每项调整的合理性：公司报告 EBITDA：$18.5M 管理层建议的调整项：

搬迁费用 $1.2M（FY24 总部迁移）
重组费用 $0.8M（连续三年都有此项）
SBC $2.0M
业主超额薪酬 $1.5M（市场水平约$ 0.5M）
“品牌建设”营销费用 $3.0M（管理层认为这是”投资”而非运营费用）

练习 3：交叉验证

题目： 以下数据包中存在 3 处错误，请找出：

Tab	科目	FY2024
P&L	收入	$200.0
P&L	COGS	$(120.0)
P&L	毛利	$82.0
P&L	D&A	$(15.0)
BS	总资产	$350.0
BS	总负债	$180.0
BS	股东权益	$165.0
CF	D&A	$(12.0)
Exec Summary	收入	$200M
Exec Summary	毛利率	40.0%
Operating	门店数量	$48

练习 4：行业 KPI 选择

题目： 为以下三家公司分别列出数据包中运营指标标签页应包含的 5 个最关键的 KPI：

一家 B2B SaaS 公司（云端 HR 管理软件）
一家快餐连锁品牌（500 家门店）
一家商业房地产 REIT

练习 5：情景分析

题目： 一家公司管理层预测 FY2025 收入增长 25%（从

100M 到

125M），EBITDA 利润率从 18% 扩张到 22%。请构建”基准情景”的调整假设，说明你做了什么调整以及为什么。

如何添加到本地环境

claude plugin install investment-banking@financial-services-plugins

自定义配置：

# 设置默认工作表结构
claude config set investment-banking.datapack-sheets "standard-8"

# 设置默认历史数据年限
claude config set investment-banking.historical-years 5

# 设置默认货币格式
claude config set investment-banking.currency-format "USD-millions"

最佳实践

零容错标准：每个数字都必须可追溯到来源文件的具体页码
绝不硬编码：所有计算结果必须使用 Excel 公式——蓝色 = 输入，黑色 = 公式，绿色 = 跨表引用
格式规范是非谈判性的：财务金额带 $、运营指标不带$ 、百分比用 % 格式
年份用文本格式：防止 Excel 自动将 2024 显示为 2,024
负数用括号： $(15.0) 而非 -$ 15.0——这是投行的标准
最简边框：只在结构必要处使用边框，避免”满格线”的 Excel 新手风格
行业专项指标：SaaS（ARR、NRR）、零售（SSS）、房地产（NOI、Cap Rate）——根据行业添加对应 KPI
交叉验证不可省略：三张表之间的勾稽关系、执行摘要与详情页的一致性
文件命名规范：CompanyName_DataPack_YYYY-MM-DD.xlsx
先交付后完善不可取：一份有错误的数据包比没有数据包更有害——IC 可能基于错误数据做出投资决策

概述

金融分析

股票研究

投资银行

私募股权

财富管理

LSEG 伦交所

标普全球

数据包构建（Datapack Builder）技能

数据包构建技能

什么是数据包？

数据包在交易流程中的位置

数据包 vs. 其他分析工作产出

概念举例：从 CIM 到数据包

为什么重要

核心概念

详细案例分析

案例：为 PE 基金构建”QuickMart 便利连锁”数据包

工作流程

行业专项适配指南

Technology / SaaS 行业

制造业 / 工业

房地产 / 酒店

医疗 / 服务业

常见错误与避坑指南

日常工作场景

场景 1：48 小时内完成数据包（PE 基金 Deal Screening）

场景 2：数据包更新——Q3 数据出来后

场景 3：跨公司比较——投资委员会审阅 3 家候选标的

练习题

练习 1：格式判断

练习 2：EBITDA 调节桥

练习 3：交叉验证

练习 4：行业 KPI 选择

练习 5：情景分析

如何添加到本地环境

最佳实践

​数据包构建技能

​什么是数据包？

​数据包在交易流程中的位置

​数据包 vs. 其他分析工作产出

​概念举例：从 CIM 到数据包

​为什么重要

​核心概念

​详细案例分析

​案例：为 PE 基金构建”QuickMart 便利连锁”数据包

​工作流程

​行业专项适配指南

​Technology / SaaS 行业

​制造业 / 工业

​房地产 / 酒店

​医疗 / 服务业

​常见错误与避坑指南

​日常工作场景

​场景 1：48 小时内完成数据包（PE 基金 Deal Screening）

​场景 2：数据包更新——Q3 数据出来后

​场景 3：跨公司比较——投资委员会审阅 3 家候选标的

​练习题

​练习 1：格式判断

​练习 2：EBITDA 调节桥

​练习 3：交叉验证

​练习 4：行业 KPI 选择

​练习 5：情景分析

​如何添加到本地环境

​最佳实践

数据包构建技能

什么是数据包？

数据包在交易流程中的位置

数据包 vs. 其他分析工作产出

概念举例：从 CIM 到数据包

为什么重要

核心概念

详细案例分析

案例：为 PE 基金构建”QuickMart 便利连锁”数据包

工作流程

行业专项适配指南

Technology / SaaS 行业

制造业 / 工业

房地产 / 酒店

医疗 / 服务业

常见错误与避坑指南

日常工作场景

场景 1：48 小时内完成数据包（PE 基金 Deal Screening）

场景 2：数据包更新——Q3 数据出来后

场景 3：跨公司比较——投资委员会审阅 3 家候选标的

练习题

练习 1：格式判断

练习 2：EBITDA 调节桥

练习 3：交叉验证

练习 4：行业 KPI 选择

练习 5：情景分析

如何添加到本地环境

最佳实践