CSV 数据透视怎么做？按 SKU、ASIN、日期和渠道分组汇总

订单表、广告表、库存表和采购表通常都是明细数据：每一行代表一笔订单、一个广告活动、一个 SKU 的库存变化，或者一条成本记录。明细数据适合追溯来源，但不适合快速回答“哪个 SKU 卖得最多”“哪个 ASIN 花费最高”“哪个站点销售额最好”这类问题。

可以使用 CSV 数据透视 / 分组汇总统计工具 把 CSV 或 TSV 文本粘贴进去，选择分组字段和统计字段，直接得到按 SKU、ASIN、日期、站点、渠道等维度汇总后的结果。工具在浏览器本地运行，不上传表格内容。

CSV 数据透视适合解决什么问题

CSV 数据透视本质上是在做“分组 + 聚合”。它适合这些场景：

• 订单表按 SKU 汇总销量和销售额。
• 广告表按 ASIN 或广告活动汇总花费。
• 采购表按供应商和 SKU 汇总采购金额。
• 库存流水按仓库和商品汇总入库、出库数量。
• 客户名单按来源渠道统计人数。
• 运营日报按日期和站点生成简版报表。

如果只是临时看一眼数据，用 Excel 或 Google Sheets 的数据透视表也可以；如果你手里只有一段 CSV 文本，或者不想打开大型表格软件，本地在线工具会更轻。

分组字段怎么选

分组字段决定“按什么维度合并行”。例如：

• 按 SKU 汇总，可以看到每个商品的总销量。
• 按 Marketplace + SKU 汇总，可以看到每个站点下每个商品的表现。
• 按 Date + Channel 汇总，可以对比每天自然流量和广告流量。
• 按 ASIN + Campaign 汇总，可以检查广告活动表现。

分组字段越多，结果越细；分组字段越少，结果越粗。日常分析建议从一个字段开始，确认方向后再加第二个字段。

求和、计数、平均值和去重计数怎么用

不同统计方式适合不同字段：

• 求和：适合销售额、销量、广告花费、库存数量、采购金额。
• 计数：适合统计订单行数、记录数、客户数。
• 平均值：适合客单价、评分、转化率、单次点击成本。
• 最大值 / 最小值：适合价格、库存峰值、日期范围、最高花费。
• 去重计数：适合统计不重复订单号、客户邮箱、ASIN 或 SKU 数。

要注意，求和、平均值、最大值和最小值都要求统计字段能解析成数字。金额里如果有货币符号或千分位，工具会尽量清理，但结果导出前仍建议检查几行。

为什么有些数字会被跳过

表格里常见的“数字异常”包括：

• 空白单元格。
• N/A、-、无 这样的文本。
• 数字里混入备注。
• Excel 导出的长数字变成科学计数法。
• 不同货币或单位混在同一列。

如果工具提示有跳过的数字单元格，说明这些值没有被纳入求和或平均值。遇到这种情况，先回到原始表清理字段，再重新汇总会更稳。

电商数据的推荐整理流程

比较稳的流程是：

1. 保留原始 CSV，不要直接覆盖。
2. 先按 SKU 或 ASIN 做一次求和，看总体趋势。
3. 再加入站点、日期或渠道做二级分组。
4. 检查 Top 分组是否符合业务常识。
5. 导出 CSV，放进表格软件里二次检查。
6. 如果要自动化处理，再导出 JSON 给脚本使用。

做报表时不要只看总数，也要看分组数和源行数。分组数突然变多，通常说明 SKU、ASIN、渠道名里有空格、大小写或命名不一致的问题。

导出前的检查清单

正式使用汇总结果前，建议检查：

• 第一行是否真的是表头。
• 分隔符是否识别正确。
• 分组字段有没有选错。
• 统计字段是不是数字列。
• 汇总方式是否符合业务问题。
• 源行数和原始表行数是否一致。
• Top 分组是否存在明显异常值。

CSV 数据透视不是为了替代表格软件，而是把最常见、最重复的分组汇总动作变得更快。尤其是订单、广告、库存和采购这些明细表，先做一版干净的分组结果，后续分析会轻很多。