跳转至

LZ-组6 PPT后现场实操讲解流程与图表解读（v1）

使用场景：PPT第10页结束后，由黎钊恺继续进行现场实操。
推荐时长：完整讲约11分钟；与前面约3至4分钟PPT及开场衔接后，整体控制在15分钟左右。若PPT用时更长，使用文末7分钟压缩顺序。
核对依据：Plus 13企业后台实际代码与说明、plus-release_006正式结果、Metabase六个仪表盘搭建文档及SQL。
讲解原则：先说页面在解决什么问题，再教评委怎么看图，然后给出数据发现、企业动作和结论边界。

一、PPT结束后的总衔接（约15秒）

操作：退出PPT全屏，先切换到已经打开的团队文档站。

讲稿：

前面的PPT说明了我们发现了什么问题。接下来我不再停留在静态页面，而是通过真实系统说明四件事：团队怎样统一任务和分析口径，数据怎样稳定生产，企业人员怎样继续分析，以及我们如何从图表走到可以验证的业务行动。

二、团队文档站：先说明协作与知识交付（约40秒）

操作：打开 https://docs.happykai.cn/，依次快速展示任务说明、操作教程、仓库文档、服务器部署、Metabase与Plus搭建导航。

讲稿：

我先展示团队所有工作的共同入口。四个人共同制作看板时，最容易出现的问题不是不会画图，而是使用了不同的数据版本、指标口径和操作步骤。为此，我们在服务器上部署了团队文档站，把任务拆分、字段和指标说明、服务器部署、后台使用以及看板搭建方法集中保存。

它解决了三个实际问题：第一，新成员可以按文档快速了解项目，不需要反复口头询问；第二，四个人引用同一份口径，避免把行为次数、用户转化率和模拟指标混在一起；第三，项目交接或系统恢复时，可以根据文档找到操作入口、限制和检查步骤。文档站不是额外展示页，而是整个团队协作、质量检查和后续维护的基础。

衔接句：

文档先统一规则，流水线再按规则生产数据，企业后台和BI看板消费同一份正式结果。下面我从数据生产端开始演示。

三、Windows数据流水线工具（约1分30秒）

1. 打开历史运行，而不是现场重跑一亿行

操作：

  1. 打开“历史运行”；
  2. 选择已经完成的 run_003；
  3. 展示“实时总览”“数据问题”“分析结果”三个页签。

讲稿：

这是我们把数据处理经验整理成的Windows桌面工具。现场打开的是已经完成的一亿行历史任务，不会为了演示重新等待全量运行。该任务识别100,150,807条原始行为，清洗后保留100,095,182条，排除55,625条。

对企业来说，它的价值不是把脚本换成按钮，而是把一次性的个人操作变成可重复、可检查、可恢复的标准流程。日常探索可以采用标准清洗，正式发布前可以采用更严格的验收；运行前先检查输入和配置，也能减少处理到最后才发现文件或口径错误造成的时间浪费。

2. 三个页签分别解决什么问题

操作与讲稿：

  • 指向“实时总览”：

总览回答“任务进行到哪里、处理了多少、结果是否完成”。这里把输入、清洗和排除数量放在同一页，便于检查数量是否守恒。

  • 切到“数据问题”：

数据问题页不是只显示一个失败提示，而是按问题类型说明位置和影响。企业人员可以先判断是观察期外数据、重复数据还是格式问题，再决定继续清洗还是采用严格验收，避免错误数据直接进入经营看板。

  • 切到“分析结果”：

分析结果页回答“哪些业务资产已经生成”。文件清单、版本记录和校验结果让企业能够追查某张图来自哪次运行，也方便失败后恢复和后续复用。这一步把一次性脚本变成了可操作、可检查、可回溯的流程。

收束句：

流水线主要降低重复处理成本和错误数据进入决策的风险；接下来的企业后台解决的是业务人员能不能直接操作结果、定位问题并形成行动。

四、Plus企业后台实操与图表解读（约4分钟）

打开：https://lz-group-6.selfpage.cn/plus/

1. 综合概览：先建立全局认识（约40秒）

操作：打开“综合概览”，展示顶部指标卡和两张趋势图。

讲稿：

这是服务器上的Plus企业后台。左侧可以调整日期范围，主区按五个标签组织分析。顶部指标卡先回答数据规模问题，下面的“浏览行为趋势”和“意向与购买行为趋势”再回答变化发生在哪一天。

指向“浏览行为趋势”折线图：

折线图先看横轴日期，再看纵轴行为量，最后找峰值和变化幅度。12月2日浏览达到12,329,641次，是观察期峰值。相对前7天平均，浏览高约32.59%。

指向“意向与购买行为趋势”折线图：

这张图同时比较收藏、加购和购买。12月2日购买行为为257,903次，同样达到峰值，但相对前7天平均只增长约20.34%。也就是说，流量和购买都增加了，但购买没有按同样幅度增长。企业不能只看流量上涨，还要继续检查峰值期的转化效率。

企业价值讲解：

企业真正关心的不是“12月2日数字最大”，而是新增流量有没有转化成有效购买行为。浏览增幅高于购买增幅，说明峰值期可能存在承接不足，需要继续核查流量来源、重点页面、商品库存和服务响应。后续如果安排优化，应选择相近日期或相似人群作为对照，比较浏览后购买用户率和严格路径完成率，而不是只看优化后总量有没有上涨。

边界：

这里的 buy 是购买行为记录，不是现实订单；9天数据也不能直接证明是活动、周末或长期周期造成的。

2. 流量与转化：重点讲热力图（约1分25秒）

操作：进入“流量与转化”→“访问趋势”。

图1：浏览行为量柱状图

讲稿：

柱状图适合比较每天的规模，高度越高表示当天浏览越多。它能快速定位12月2日这样的异常高点，但只能说明“哪天多”，还不能说明“哪个小时多”。

图2：购买行为数与浏览行为数之比折线图

讲稿：

这条线是购买行为次数除以浏览行为次数，用来观察行为量之间的相对变化。它不是用户购买率。用户购买率必须使用发生浏览和购买的用户交集，不能直接拿购买用户数除以浏览用户数替代。

图3：小时浏览热力图

操作：让“小时浏览热力”完整出现在画面中。

讲稿：

这张热力图的横轴是日期，纵轴是0到23点，颜色越深表示该日期、该小时的浏览次数越高。读热力图可以分三步。

第一步看竖向：如果某一天整列普遍更深，说明这一天整体流量更高；12月2日可以与前面的日趋势峰值互相验证。

第二步看横向：如果某几个小时在多天都更深，说明这些时段可能存在稳定的访问高峰。

第三步看孤立色块：如果只有某一天某个小时特别深，需要继续检查活动、流量来源或数据异常，不能直接把色块当成原因。

继续指向时段结果或口头补充：

将小时汇总成六个时段后，晚间浏览量为36,912,077次，购买行为728,562次，浏览后购买用户率11.37%；早晨该用户率为6.01%。因此晚间可以作为内容更新或触达实验的优先时段，但仍需要对照实验验证，并不能说“晚间天然导致转化更高”。

企业价值讲解：

热力图最终服务的是资源排班和触达时机选择。企业可以把客服、内容更新、直播或消息触达优先放到高流量且用户购买率较高的候选时段，再保留一部分相似用户不改变策略作为对照。验证时既看浏览后购买用户率，也看严格路径完成率，确认提升来自转化改善，而不是仅仅因为该时段原本流量就大。

3. 会话结构、严格路径和转化耗时（约50秒）

操作：依次点击“会话结构”和“转化路径”。

讲稿：

会话按30分钟无行为间隔划分。分组柱状图把会话深度和是否购买放在一起，帮助我们观察哪类会话更常见；它展示相关结构，不证明浏览次数多一定造成购买。

指向“严格时序路径完成率”：

这里没有绘制一个看似连续、实际分母不同的伪漏斗。每条路径都要求时间戳严格递增，并使用自己的可观察对象作为分母。浏览到购买的严格转化率是1.4163%，加购到购买为6.1202%，收藏到购买为4.2640%。

指向“路径完成耗时分布”：

加购到购买中，2至24小时占36.03%，24小时以上占40.64%，合计约76.67%。这说明很多意向行为不是立即完成购买。企业可以测试24小时内提醒和24小时后召回两类策略，而不是把所有加购用户一次性触达。

这项发现解决的是“什么时候召回”而不是“要不要无差别营销”。企业可以把加购用户按发生时间分组，分别测试短时提醒、次日提醒和暂不触达，对比各组后续加购到购买完成率及相对对照组的增量。这样既能减少过早打扰，也能避免把仍处于考虑期的用户误判为流失。

补充观察期边界：

越接近12月3日产生的收藏或加购，可观察后续购买的时间越短，所以不能直接把它们叫作流失，这就是观察期结束造成的结果未知。

4. 类目、商品与用户：从总量下钻到对象（约50秒）

操作：进入“类目、商品与用户”。

类目结构

第一张条形图比较映射大类的浏览规模，第二张比较高浏览类目的浏览后购买用户率。两张图必须一起看：规模大不等于效率高，效率高也必须检查用户基数。

商品长尾结构

A层商品513,641个，只占全部商品约12.34%，却贡献80%浏览和77.22%购买行为；C层有2,487,814个商品，但只贡献5%浏览和6.34%购买行为。企业可以优先保障A层商品的页面、库存和服务资源，对长尾商品则先解决曝光和样本不足问题。

这能把商品运营从“平均分配资源”改为分层经营：A层先保障页面稳定、库存和服务，避免核心商品异常影响大盘；B层寻找可成长商品；C层先做低成本曝光测试或组合推荐，不在样本不足时直接下架。后续用购买行为、浏览后购买用户率和实验增量判断策略是否有效。

商品核查

操作：切换一项核查规则，展示候选表；如时间允许，查询一个已有商品ID。

三类规则一共形成15,000条候选：较低曝光高转化9,415条、高曝光零浏览后购买转化4,140条、高意向零购买1,445条。这些只是人工核查顺序，不是已经确认的问题，更不能直接执行下架或加投。

候选表的商业价值是把几百万商品缩小成可人工检查的优先队列。运营人员可以先抽查Top100，再结合真实商品页、库存、价格和流量来源判断：高曝光零转化是否存在页面或供给问题，低曝光高转化是否值得小流量加投。只有核查和小范围实验通过后，才能扩大动作。

用户分层

操作：切到“用户分层”，切换一次分层类型。

有购买用户672,404人，仅意向用户256,012人，仅浏览用户59,575人。高活跃未购买用户为266,856人，但这个标签可能与其他分层重叠，不能把所有分组直接相加。企业应按优先级建立互斥触达名单，避免同一用户收到冲突策略。

分层的价值是把统一营销改成差异化、可衡量的用户维护：已有购买用户侧重留存或关联推荐，仅意向用户侧重商品提醒，高活跃未购买用户先核查价格、页面或决策阻碍，仅浏览用户不宜直接高频促销。实施前要按优先级形成互不重复的人群，实施后比较各组跨日购买率或目标人群购买率，而不是只汇报发送了多少消息。

5. 订单与经营结构：演示经营分析方法（约35秒）

操作：进入“订单与经营结构”，展示模拟订单、模拟金额趋势；依次切换“价格带”“折扣”“区域”“分类”中的一至两个维度，再演示一次3%情景测算。

讲稿：

这一页展示的是经营分析方法。模拟GMV为1,433,118,942.48，模拟订单为1,806,435，模拟整体客单价约793.34。12月3日模拟GMV最高，12月2日模拟订单最高，说明规模和单价结构可以出现不同变化。

价格带、折扣、区域和分类都可以切换。例如模拟1000元及以上价格带的金额最大；但价格、折扣、地区、金额和订单全部来自固定规则模拟，不能据此形成真实定价、预算或区域经营结论。

指向情景测算：

情景增量的计算只是“当前基数乘以1%、3%或5%假设变化”。它用于帮助企业理解改善幅度，不是机器学习预测，也不会写回数据库。

企业价值讲解：

原始数据没有真实订单金额，因此这一页不能替企业预测收入。它的价值是先把未来接入真实订单后需要的经营分析方法搭好，并用1%、3%、5%情景帮助管理者理解“指标改善一个百分点可能对应多大业务量级”。正式决策前必须替换成企业真实订单、价格和成本数据，再重新验证模型口径。

五、映射字段怎样解释（约45秒，可在企业后台“数据与方法”页讲）

操作：进入“数据与方法”，指向“27字段形成说明”。

建议讲稿：

原始数据只有用户ID、商品ID、原始类目ID、行为类型和时间戳5个字段。原始类目ID是匿名数字，不带可直接理解的业务名称。为了演示企业常见的类目分析，我们增加了5个人工映射字段，但没有删除原始类目ID。

五个映射字段：

  1. major_category_code：原始类目ID末位，即 category_id % 10；
  2. major_category_name：用对照表把一级编号显示为可读名称；
  3. secondary_category_code：商品ID末位，即 item_id % 10；
  4. secondary_category_name：在当前映射大类下显示二级名称；
  5. category_mapping_code：由一级和二级编号组成，例如“2-7”，用于检查映射组合。

必须补充的边界：

这种映射的优点是规则固定、可以重复生成、便于演示类目结构；缺点是它不是真实淘宝类目体系，不能说某个商品现实中一定属于“母婴儿童”或“手机数码”。正式主题同时保留 original_category_metrics，所以需要真实事实时可以回到9,437个原始匿名类目；需要可读展示时再使用人工映射类目。

不要这样说：

  • “我们恢复了淘宝真实类目名称。”
  • “映射类目证明真实行业销售结构就是这样。”
  • “母婴儿童一定是平台表现最好的真实类目。”

推荐说法：

在人工映射口径下，母婴儿童的购买行为规模最高；该名称用于演示类目分析方法，不代表平台真实类目。原始匿名类目的结果仍单独保留，可用于事实核查。

六、Metabase BI六个看板与图表解读（约3分30秒）

Metabase必须实际打开。不要只快速掠过看板名称；至少完整讲“答辩总览”“流量与转化”“类目与商品”，其余三页各指出一张代表图和边界。

1. Plus答辩总览：管理者先看全局（约45秒）

操作：打开“Plus 答辩总览”。

讲稿：

总览顶部四张数字卡分别是清洗后行为记录、用户数、商品数和购买行为记录。它们先固定全场口径：100,095,182条行为、987,991名用户、4,161,138个商品、2,015,807条购买行为。

指向“每日四类行为趋势”：

这张折线图比较浏览、收藏、加购和购买在9天内是否同步变化。浏览量远大于其他行为时，不能因为共用坐标就忽略小量级曲线，应重点看峰值日期和相对变化。

指向“严格路径转化”：

条形图适合比较不同路径的完成率，但各路径分母不同，所以不能把条形从上到下读成同一批用户依次流失。

指向“商品机会候选规则汇总”和“当前发布版本”：

候选图告诉管理者先核查哪类商品，版本表确认当前看板使用的是 plus-release_006，保证图表、后台和报告来自同一版本。

管理价值：

总览不是为了堆放最多的图，而是让负责人先判断大盘规模、异常日期、主要转化问题和优先核查对象，再下钻到专题页。统一发布版本还能避免会议中不同成员拿着不同批次的数据讨论，减少因口径不一致造成的错误判断。

2. Plus流量与转化：回答流量为什么没有同比例转化（约55秒）

操作：打开“Plus 流量与转化”。

讲稿：

Q011把每日浏览量、活跃用户和浏览深度放在一起，先区分增长来自“更多人”还是“同一批人浏览更深”；Q012再比较收藏、加购和购买是否同步。

指向“日期乘小时浏览热力”：

Q013与企业后台的热力图使用同一小时主题。横轴日期、纵轴小时、颜色表示浏览次数。先看12月2日这一列，再看多天重复出现的深色时段，最后用Q014六时段图核对规模和用户率，避免只凭颜色下结论。

指向“每日浏览后购买用户率”：

Q015使用浏览用户与购买用户交集，是用户口径；它与企业后台的购买行为数除浏览行为数不是同一个指标。答辩中主动区分这两个口径，可以体现我们不是只看图形，而是检查分子和分母。

指向转化耗时和意向观察期：

Q018说明大量加购购买发生在2小时以后，Q019说明临近窗口结束的意向记录结果未知。因此企业动作应是分时提醒和延长观察，而不是直接定义为流失。

企业决策：

这一页把“流量多但购买没有同比例增长”拆成时段、用户口径、严格路径和耗时四个可检查环节。企业可以先选高价值时段做承接优化，再对延迟意向用户分阶段提醒；验证时比较实验组与对照组的浏览后购买用户率、严格路径完成率和跨日购买结果，避免把自然高峰误认为策略收益。

3. Plus类目与商品：从规模、效率到可信候选（约55秒）

操作：打开“Plus 类目与商品”。

讲稿：

Q020看映射一级类目的浏览规模，Q021看购买规模，Q022看浏览后购买用户率，Q023看发生购买的曝光商品比例。四张图分别回答规模、购买贡献、用户效率和商品效率，不能用其中一张替代全部判断。

Q023的动销率是“有曝光商品中发生购买行为的商品比例”，不是库存售罄率，因为原始数据没有库存和销量字段。

指向“原始类目高转化核查Top50”：

Q025回到真实匿名类目ID，只保留非低样本且浏览用户不少于1000的类目再排序。这张表可以证明人工映射并没有替代真实匿名类目分析。

指向“商品ABC长尾结构”和“商品机会候选Top100”：

Q026展示A/B/C长尾集中，Q028则给出优先分、影响量、阈值和限制。正确动作是先抽查Top100，再结合页面、库存、价格和流量来源验证，不是直接执行运营处罚。

企业决策：

这一页服务于商品资源配置。核心商品先做供给和页面保障，成长商品做小范围曝光或组合推荐，异常候选进入人工核查队列。低样本商品不轻易得出结论；测试后再用购买行为、浏览后购买用户率和相对对照组的变化决定是否扩大投入。

4. Plus用户与机会：不同人群使用不同动作（约35秒）

操作：打开“Plus 用户与机会”。

讲稿：

Q029将用户分成有购买、仅意向和仅浏览三组；Q031使用真实购买行为的近期性和频次做RF分层；Q032加入模拟金额形成模拟RFM，所以只能演示价值分层方法。

Q033展示加购未购买和收藏未购买的用户—商品对，不能把分组人数直接相加；Q034把所有机会标记为观察期结束后结果未知，提醒企业延长观察后再判断真实未转化。

企业决策：

这页帮助企业从“所有人发同一种优惠”转向分群实验。已有购买、近期高频、仅意向、高活跃未购买和沉睡用户的目标不同，必须先做互斥分组，再分别设计留存、关联推荐、召回或暂不触达策略。验证重点是目标分组的跨日购买率和相对对照组增量，不是触达人数。

5. Plus模拟经营结构：展示方法，不汇报真实收入（约25秒）

操作：打开“Plus 模拟经营结构”。

讲稿：

这一页包含模拟GMV、模拟订单、模拟客单价、每日趋势，以及渠道、设备、地区、价格带、折扣带和映射类目结构。比如家用电器与手机数码在模拟金额中合计57.84%，但这只能说明当前固定规则生成的数据结构，不能解释为真实收入结构或投放效果。

各模拟渠道会话购买率都在9.33%至9.36%附近，也说明模拟渠道分配没有形成明显效率差异，不能拿它证明某个渠道更优。

对企业而言，这一页目前是经营分析模板和敏感性讨论工具。接入真实订单、成本、渠道和地区字段后，可以复用同样结构比较收入、客单价和结构变化；当前只能证明分析能力已经搭建，不能声称已经创造真实GMV或找到最佳渠道。

6. Plus数据与方法：用门禁结束BI讲解（约35秒）

操作：打开“Plus 数据与方法”，指向数据集概况、发布元数据、稳定视图行数、候选规则筛选结果、数据属性与可信度清单。

讲稿：

最后一页不是业务图，而是可信度说明。Q049核对24个稳定视图都已发布；Q050显示3,751,508个商品因为样本太少被排除，占筛选总量约90.16%，可靠且入选的只有13,871个，约0.33%。

这说明项目不仅会“找异常”，还会明确拒绝不能可靠判断的数据。数据属性表继续区分观测、推导、人工映射和模拟结果，避免评委把所有数字当成同一种事实。

企业价值：

数据门禁直接保护决策质量。样本太少的商品即使显示100%转化，也可能只来自极少量行为；如果直接加投，风险反而更高。我们让低样本对象退出可靠候选，并保留筛选原因，使运营人员知道哪些结论可以行动、哪些只能继续观察。

七、企业问题、行动与收益验证总表（约55秒）

现场不用逐字读表，选择前三项概括即可：

企业问题 数据与图表证据 可执行动作 怎样验证价值
流量峰值没有带来同比例购买增长 日趋势、日期×小时热力图、六时段用户率、严格路径 核查峰值流量来源、重点页面、库存和服务；在候选时段做承接优化 与相近日期或对照人群比较浏览后购买用户率和严格路径完成率
收藏、加购后没有立即购买 路径耗时分布、观察期结果未知 按2小时内、2至24小时、24小时后分阶段提醒或召回 比较各实验组与不触达对照组的后续购买率和增量
用户触达过于统一，容易重复或打扰 用户状态、RF分层、意向未购买机会 建立互斥人群，分别执行留存、关联推荐、召回或观察策略 比较目标人群跨日购买率、购买行为率和对照组差异
商品数量巨大，运营无法逐个检查 ABC长尾、三类候选、原始类目低样本门禁 保障A层；抽查候选Top100；对成长商品做小流量测试 核查页面、库存、价格后，比较购买行为和浏览后购买用户率变化
管理者需要理解指标改善的业务量级 模拟经营结构与1%、3%、5%情景 先用于方案敏感性讨论，未来接入真实订单、价格和成本 用真实订单重新计算；当前不得宣称实际收入或预测收益

总收束讲稿：

所以我们不是把一亿行数据换成更多图，而是形成了一条“可信数据、发现问题、提出动作、对照验证、沉淀方法”的闭环。对企业有三层价值：经营层面，帮助更快定位峰值转化、延迟购买、用户维护和商品结构问题；管理层面，让团队使用同一数据版本、指标口径和证据；技术层面，把全量处理、质量检查、查询、看板和恢复过程做成可重复使用的能力。

这里所说的收益，首先是减少重复处理和口径沟通、缩小人工核查范围、提高实验针对性，并为未来经营改善提供可验证目标。由于当前没有企业真实订单金额和上线后的对照实验结果，我们不会把模拟金额或相关性直接包装成已经实现的财务收益。

八、现场讲图的统一句式

每张图尽量按以下五句讲，不要只报数字：

  1. 这张图回答什么问题：例如“流量集中在哪一天和哪个小时”；
  2. 横轴、纵轴、颜色是什么：让评委知道怎样读图；
  3. 数据事实是什么：只讲图表或正式结果支持的数字；
  4. 企业可以采取什么动作：核查、分层、实验或资源保障；
  5. 不能得出什么结论：相关不是因果、候选不是问题、模拟不是真实、9天不代表长期。

示例：

这张热力图回答流量集中在哪一天、哪个小时。横轴是日期，纵轴是小时，颜色越深表示浏览次数越高。12月2日整体流量较高，晚间汇总同时具有较大规模和较高用户率。企业可以把晚间作为触达实验候选，但这张图不能证明晚间本身造成转化提升，仍需对照实验验证。

九、时间不足时的7分钟压缩顺序

如果前面PPT或问候超时，按以下顺序保留：

  1. 文档站协作入口：30秒；
  2. Windows历史运行与三个页签：1分钟；
  3. Plus综合概览、热力图、严格路径、商品候选、情景测算：2分20秒；
  4. 映射字段解释：30秒；
  5. Metabase答辩总览、流量与转化、类目与商品、数据与方法：1分50秒；
  6. 企业问题、行动与收益验证总结：50秒。

可以跳过：逐个用户/商品ID查询、模拟经营的所有维度、Metabase次要表格。不要跳过：热力图、严格路径分母、映射边界、商品候选边界、模拟边界和数据门禁。

十、来源核对清单

本讲稿中的页面、图表和数字来自以下现有材料：

  • E:\实训\仓库\交付所需\LZ-组6_最终提交仓库_答辩前组装版_v1\答辩\答辩讲稿\LZ-组6_四人开场介绍与十五分钟完整答辩讲稿_v1.md；
  • E:\实训\数据分析Plus\13_Plus企业后台\plus_backend\ui_tabs.py；
  • E:\实训\数据分析Plus\13_Plus企业后台\docs\B4_五标签页企业后台说明.md；
  • E:\实训\2026-07-18\Plus_Metabase仪表盘搭建文档包\02-Plus答辩总览仪表盘.md；
  • E:\实训\2026-07-18\Plus_Metabase仪表盘搭建文档包\03-流量与转化仪表盘.md；
  • E:\实训\2026-07-18\Plus_Metabase仪表盘搭建文档包\04-类目与商品仪表盘.md；
  • E:\实训\2026-07-18\Plus_Metabase仪表盘搭建文档包\05-用户与机会仪表盘.md；
  • E:\实训\2026-07-18\Plus_Metabase仪表盘搭建文档包\06-模拟经营结构仪表盘.md；
  • E:\实训\2026-07-18\Plus_Metabase仪表盘搭建文档包\07-数据与方法仪表盘.md；
  • E:\实训\2026-07-18\Plus_Metabase仪表盘搭建文档包\12-release_006实际数据分析报告.md；
  • E:\实训\数据分析Plus\01_方案与字段说明\扩展数据字段字典.md。