> ## Documentation Index
> Fetch the complete documentation index at: https://financecontext.com/llms.txt
> Use this file to discover all available pages before exploring further.
# 数据包构建（Datapack Builder）技能
> Finance 101：如何为尽职调查创建标准化金融数据包——数据提取、规范化与投资委员会级别的 Excel 工作簿，附详细案例与练习
# 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：
1. **收到 CIM / Teaser** → 初步筛选
2. **决定深入分析** → **构建数据包**（分析师核心工作）
3. **基于数据包搭建 LBO 模型** → 测试投资回报
4. **投资委员会审查** → 使用数据包作为核心参考材料
5. **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 ✓（$0.1M 四舍五入差异，可接受）
## 工作流程
**步骤 1.1：分析源数据结构**
* 访问源材料：上传文件、SEC EDGAR 公开文件、MCP 服务器数据
* 审查数据结构，识别关键章节
* 定位财务报表（通常 3-5 年历史数据）
* 识别管理层预测（如有）
* 标注财年结束日期
* 立即标记任何数据质量问题
**步骤 1.2：提取财务报表**
* 定位历史损益表数据
* 提取资产负债表快照（年末或季末）
* 找到现金流量表
* 提取管理层预测（如有）
* 标注所有页码引用以确保可追溯性
**步骤 1.3：提取运营指标**
* 识别与行业相关的非财务 KPI
* 捕获单位经济学数据
* 提取客户/门店/产能数据
* 记录增长指标和趋势
**步骤 1.4：提取市场与行业数据**
* 竞争定位信息
* 市场规模和增长率
* 行业基准数据
* 同行比较信息
**步骤 1.5：记录关键背景**
* 交易结构和逻辑
* 管理团队背景
* 来源材料中的投资亮点
* 风险因素和注意事项
* 任何数据缺口或不一致之处
**步骤 2.1：规范化会计展示**
* 确保各年度科目名称一致
* 标准化收入确认处理
* 识别和记录一次性费用
* 创建调整后 EBITDA 调节表（Adjusted EBITDA Bridge）
* 标注任何会计政策变更
**步骤 2.2：应用格式检测逻辑**
* **规则 1**：财务数据（衡量金额）→ 货币格式带 \$
* 触发词：Revenue、EBITDA、Profit、Cost、Expense、Cash、Debt、Assets
* 格式：$#,##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
**标准 8 标签页结构：**
1. **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）
2. **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
3. **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
4. **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
5. **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
6. **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
7. **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
8. **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：**
```python theme={null}
# 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
```
**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。
**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
**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：**
1. 从 10-Q 中提取 Q1 2025 数据
2. 在各标签页中新增列（Q1 2025 / LTM）
3. 计算 LTM = FY2024 - Q1 2024 + Q1 2025
4. 更新执行摘要页的关键指标
5. 检查新数据是否改变了趋势分析
6. 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：
1. 一家 B2B SaaS 公司（云端 HR 管理软件）
2. 一家快餐连锁品牌（500 家门店）
3. 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
```bash theme={null}
claude plugin install investment-banking@financial-services-plugins
```
自定义配置：
```bash theme={null}
# 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