全文约2288 字;

阅读时间:约6分钟;

听完时间:约12分钟;

图片

销售部门的新毕业生小王正在整理《车辆订单明细表》。他的任务是汇总不同日期对应的记账金额,并分类汇总。然而,在整理过程中,他发现所有的日期信息都被记录在了备注栏中,并且这些日期的格式各不相同,例如:“7.31车款/订金刷卡”、“XX(车辆)08-09车款/订金刷卡”、“收到(车辆)车款/订金刷卡08.07”。

为了能够按照日期汇总相关的记账金额,现在需要将这些日期信息提取出来,并统一转换成标准的日期格式(YYYY/MM/DD)

图片

多维表格

为了处理上述问题,小王想到了一个方法,即将传统表格中的数据转移到WPS多维表格中。具体步骤如下:

打开WPS多维表格应用程序。

创建一个新的多维表格文档。

在新建的文档中寻找“应用服务”或者相应的功能区。

在左侧的导航栏找到并选择导入已有数据的选项。

图片

选择从本地文件导入数据。

浏览并选择需要导入的《车辆订单明细表》文件。

按照提示完成数据导入过程。

效果如下图所示:

图片

提取数字

在完成从传统表格到多维表格的数据导入后,接下来需要调用多维表格中的AI工具。具体步骤如下:

新建一个“文本”属性的字段,并将其命名为“提取日期”。

点击下方的“AI生成”工具以激活。

在弹出的对话框中设置如下内容:

智能任务:选择“智能抽取”

数据来源:选择本表中的“备注”字段

输入提取内容:“提取文本中的日期:如7.31、8.6、08-09等”

完成设置后,点击“开始生成”。

通过AI工具的简单计算,即可完成对“备注”字段中日期信息的自动抽取。效果如下图所示:

图片

转换日期

由于“7.31”、“08-09”等数字信息不是标准的日期格式,因此还需要将从备注中提取出来的这些非标准日期信息转换成标准日期格式。可以通过以下步骤使用AI工具来完成这一转换:

新建一个“文本”属性的字段,并将其命名为“标准日期”。

点击下方的“AI生成”工具以激活。

在弹出的对话框中进行如下设置:

智能任务:选择“自定义生成”

数据来源:选择本表中的“提取日期”字段

输入要求:“将7.31、08-09等转换为2024/07/31、2024/08/09这样的标准格式日期”

完成设置后,点击“开始生成”。

这样就可以利用AI工具将非标准日期信息转换成统一的标准日期格式了。

效果如下图所示:

图片

文本转换

在AI工具将日期转换成标准格式后,由于该字段的属性仍然是“文本”,这可能会影响到后续的数据分析工作。此时,需要将该字段的属性调整为“日期”。具体步骤如下:

点击上方的字段标题,弹出对话框。

在对话框中将字段的属性从“文本”调整为“日期”。

点击确认后,会弹出一个提示框:“将字段更改为日期类型会导致某些不符合日期格式的数据丢失,确定要继续吗?”

确认提示框中的操作,完成字段属性的转换。

这样就可以确保字段内的数据符合日期格式,从而支持进一步的数据分析工作。效果如下图所示:

图片

提取分类

为了便于统计分析,需要将备注中的订金和维修等重要信息进行分类。为此,可以继续调用AI工具来完成这项工作。具体步骤如下:

新建一个“文本”属性的字段,并将其命名为“费用分类”。

点击下方的“AI生成”工具以激活。

在弹出的对话框中进行如下设置:

智能任务:选择“智能抽取”

数据来源:选择本表中的“备注”字段

输入提取内容:“如果出现’维修’就返回’维修’,出现’订金’就返回’订金’”

完成设置后,点击“开始生成”。

这样就可以将备注中的重点信息分类并抽取出来。

效果如下图所示:

图片

数据展示

在完成日期标准化和信息分类之后,可以根据这两个类别进行数据展示。具体步骤如下:

新建一个仪表盘,并将其重命名为“数据展示”。

在新的页面中,点击“添加组件”按钮,选择“统计数字”组件,分别创建三个统计数字图表:

费用总金额:统计《订单明细表》中的“金额”字段,统计方式为“求和”。

订金金额:统计《订单明细表》中的“金额”字段,并筛选“费用分类”字段中的“订金”分类,统计方式为“求和”。

维修金额:统计《订单明细表》中的“金额”字段,并筛选“费用分类”字段中的“维修”分类,统计方式为“求和”。

图片

完成统计类图表的创建后,接着创建图表类组件。点击“添加组件”,选择“柱状图”,并按以下方式进行设置:

横轴维度:选择《订单明细表》中的“标准日期”字段,并按天进行统计。

纵轴维度:统计《订单明细表》中的“金额”字段,统计方式为“求和”。

筛选条件:筛选《订单明细表》中的“分类”字段,条件为“订金”

图表格式:选择合适的主题色及图表元素等进行美化。

图片

在分别完成以上设置后,设置不同的配色方案,最终的效果如下图所示:

图片

最后总结

通过上述一系列的操作,新毕业生小王成功地解决了《车辆订单明细表》中存在的日期格式不统一以及信息分类混乱的问题。利用WPS多维表格的AI工具,小王不仅能够快速准确地提取和转换非标准日期信息,还能够将备注中的关键信息进行有效的分类。这样不仅提高了数据处理的效率,也为后续的数据分析提供了坚实的基础。

具体来说,首先实现了日期信息的标准化,确保了所有日期都转换成了统一的格式,便于后续的时间序列分析。其次,通过对备注信息的分类,明确了每一笔交易的性质(如订金或维修),从而可以更精确地进行财务统计。最后,通过创建仪表盘和图表组件,直观地展示了不同类别的费用总额及其随时间的变化趋势,使得销售部门能够一目了然地掌握业务状况。

这一系列改进措施不仅提升了数据管理的专业性,也为团队成员提供了更加清晰的数据视图,有助于做出更加明智的决策。通过这样的实践,小王不仅展示了其解决问题的能力,也为公司带来了实际的工作效益。