E-COMMERCE ANALYTICS · EXCEL PRACTICE
电商数据分析与Excel实战：数据透视表与函数高阶技巧
我会从一个电商团队每天都会遇到的经营问题出发，讲清楚怎样把订单、商品、渠道、会员和成本数据整理成可以解释、可以复核、可以行动的分析结果。你将学会用数据透视表快速切分业务，用函数建立可复用的口径，再用E数通示例工作台连接更稳定的数据流程，避免只会做漂亮报表却无法回答“为什么变化、下一步做什么”。
以上数字与趋势均为教学示例，用于演示分析方法，不代表任何真实企业经营结果。
01 / CORE CONCLUSION
先讲核心结论：工具不是重点，决策链才是重点
我在做电商分析时，不会先打开Excel寻找一个复杂函数，而会先确认业务要做什么决定。只有把问题、指标、数据来源、分析动作和责任人连成一条链，数据透视表与高阶函数才会真正产生价值。
我最看重的五个判断问题
面对一份“销售额下降”的报表，我不会马上下结论，而是按照下面的顺序追问。这套顺序也适用于活动复盘、商品诊断和会员经营。
- 变化是否真实？先确认数据更新日期、订单状态、退款回流和统计范围，排除导入中断或重复计算。
- 变化发生在哪里？按平台、店铺、渠道、品类、商品、地区和新老客拆分，寻找贡献最大的切片。
- 变化由哪个环节造成？把销售额拆成流量、点击率、转化率、支付买家数、客单价和复购等可解释因子。
- 这个因子能否被业务控制？库存、价格、素材、投放和客服响应通常可以行动，节假日等因素则需要单独标记。
- 怎样验证行动有效？设置对照周期或分组，提前写下预期改善指标，避免事后只挑有利数字。
一张报表的合格标准
我会用“读者能不能在三分钟内做出正确判断”来检查报表，而不是用公式数量或颜色数量衡量专业度。
完成度为本文用于讲解检查框架的示例值，不是对任何团队的评分。
02 / BUSINESS SCENARIO
为什么电商团队容易陷入“忙于报数，却没有结论”
电商业务的数据量并不只是大，更重要的是它同时具有多平台、多商品、多活动、多时间粒度和多种订单状态。只看总销售额，往往无法解释经营变化；只做一张复杂表，又会让团队失去复核能力。
流量层：看见访问，不等于看见机会
曝光、点击、访客、加购和支付买家分别位于漏斗的不同环节。某个渠道访客数增长，并不意味着它带来了更多利润；如果点击率或支付转化率同步下降，新增流量可能只是低意向流量。
在Excel中，我通常先把日期、渠道、访客、点击、加购和支付买家放进规范明细表，再用透视表按渠道与周次交叉汇总，避免把不同粒度的指标直接相加。
商品层：销量冠军未必是利润冠军
商品分析至少要同时观察销量、销售额、折扣率、退款率、毛利额和库存周转。一个商品可能因为大额优惠成为销量第一，但扣除优惠、平台佣金与履约成本后，实际贡献并不高。
我会把商品编码作为稳定主键，将商品名称、品类、成本和供应状态放在维度表中，通过查找关系补充到订单明细。商品更名时，主键仍然保持不变，历史数据也不至于被拆成两种名称。
用户层：新客增长与老客价值要分开
新客数量上涨可能来自短期投放，老客复购则更多反映产品体验、会员权益和触达机制。将两者混在一张总表里，会让团队误以为增长已经稳定。
分析时我会区分首购用户、复购用户、沉睡用户和高价值用户，并固定观察窗口。例如“首购后30天是否再次支付”与“本月累计订单数”是两种不同问题，不能用一个复购率替代。
从订单明细到经营结论：我采用的五层数据结构
| 层级 | 回答什么问题 | 典型字段 | 常用分析动作 |
|---|---|---|---|
| 事实层 | 发生了什么交易？ | 订单号、商品编码、支付时间、数量、实付金额 | 去重、校验、补齐字段 |
| 维度层 | 交易属于谁、属于哪里？ | 渠道、品类、地区、会员类型、活动 | 关联、分组、切片 |
| 指标层 | 怎样衡量结果？ | 销售额、毛利率、转化率、退款率 | 计算、同比、环比 |
| 诊断层 | 为什么发生变化？ | 流量、价格、库存、评价、投放成本 | 漏斗拆解、贡献分析 |
| 行动层 | 下一步做什么？ | 负责人、截止日期、目标值、验证周期 | 跟踪、复盘、迭代 |
这是一套可迁移的教学框架。不同平台的字段名称和统计规则可能不同，落地前必须以实际业务字典为准。
先写指标字典，再开始做表
我建议在工作簿的第一个工作表建立“指标字典”，每个指标至少记录名称、公式、过滤条件、时间口径、数据来源、负责人和刷新频率。
- 支付销售额：支付成功订单的商品实付金额之和，需明确是否含运费。
- 客单价：支付销售额除以支付买家数，不能误用订单数作为分母。
- 退款率：退款金额或退款订单数除以对应支付金额或支付订单数，分子分母必须匹配。
- 毛利率：毛利额除以净销售额，成本确认时间要与销售时间保持一致。
03 / EXCEL PRACTICE
数据透视表与函数：一套从清洗到解释的实战方法
Excel最适合快速探索、抽样验证和制作个人分析模型。我的建议不是追求“一个公式解决所有问题”，而是把复杂任务拆成能检查的步骤，让任何同事都能复核计算路径。
第一步：把底表做成真正的明细表
明细表的核心规则是“一行一条业务事实，一列一个字段”。订单行中可以保留订单号、子订单号、支付日期、店铺、渠道、商品编码、数量、吊牌价、优惠金额、实付金额、退款金额、成本和会员类型，但不要在中间插入小计行、空白行或合并单元格。
我会先把数据转换为Excel表格，并给出稳定的表名，例如 tbl_order_detail。这样新增数据后，公式和透视表引用范围更容易扩展。日期字段必须是真日期而不是看起来像日期的文本；金额字段必须是数值而不是带货币符号的字符串。
清洗完成后，我会做三项快速检查：订单号是否重复、数量与金额是否出现负值异常、支付金额与退款金额是否超过合理范围。检查结果单独记录，不直接覆盖原始数据。
第二步：用辅助列把业务逻辑显式化
辅助列不是“多余的列”，而是把隐含规则写出来。比如支付月份、周次、商品层级、价格带、用户生命周期和异常标记，都应该尽量在底表或模型层明确生成。
- 月份：用真实日期生成月份标签，不要用手工输入的“1月、2月”，避免排序变成字典序。
- 净销售额：用实付金额减去最终确认退款金额，退款回流规则要与财务口径一致。
- 价格带：通过IFS或查找表将商品价格分为低价、中价、高价，分组边界必须写在规则表中。
- 异常标记：用IF、AND、OR组合判断负库存、超额退款、缺商品编码等情况。
当辅助列超过十几项、多个文件需要共享，或者每天需要重复导入时，我会考虑把这部分逻辑迁移到数据准备层或E数通一类的数据工作台，而不是继续堆叠在单个工作簿中。
第三步：数据透视表的布局顺序决定了观察角度
数据透视表并不只是“把字段拖来拖去”。我会先写出问题，再决定行、列、值和筛选器。比如想知道“哪个渠道在最近四周拉低了毛利”，可以把渠道放在行、周次放在列、毛利额和毛利率放在值，再用商品品类或店铺作为筛选器。
| 业务问题 | 行字段 | 列字段 | 值字段 | 需要注意 |
|---|---|---|---|---|
| 比较渠道销售表现 | 渠道 | 月份 | 净销售额、支付买家数 | 不要只看销售额，要同时看买家数和客单价 |
| 识别商品结构变化 | 品类、商品 | 周次 | 销量、毛利额、退款率 | 商品排序应按贡献指标，而非默认名称排序 |
| 观察会员复购 | 会员分层 | 首购月份 | 30日复购人数、复购率 | 观察窗口要固定，不能把未成熟样本直接比较 |
| 复盘活动投入 | 活动、渠道 | 日期 | 投放成本、成交额、ROI | 成本归属时间与成交归属时间要对齐 |
透视表中的“显示值方式”很有价值。例如“列汇总百分比”可以看结构贡献，“与上期差异百分比”可以看变化速度。但这类结果必须配合样本量使用，不能因为一个小品类占比变化很大就断言它是主要问题。
第四步：用切片器降低沟通成本
切片器适合让业务同事快速筛选店铺、渠道、品类和活动。设计时我会控制筛选项数量，先放最常用的三个到五个维度；过多的按钮会让页面变成“筛选器墙”。
我还会在透视表旁边写出当前筛选条件，并把更新时间、数据范围和口径链接放在固定位置。这样截图或转发报表时，读者不会只看到数字，却不知道数字从哪里来。
高阶函数一：XLOOKUP与多条件查找
当我需要根据商品编码补充品类和成本时，XLOOKUP通常比传统VLOOKUP更直观。示例写法是：
=XLOOKUP([@商品编码],商品表[商品编码],商品表[品类],”未匹配”)
“未匹配”这个兜底结果非常重要，它能把主数据缺失暴露出来。若需要多条件查找，可以将条件乘积与XLOOKUP组合，或先生成唯一键，例如“店铺&商品编码”。
高阶函数二：SUMIFS做可复核的指标
SUMIFS适合将多个条件写得清清楚楚。例如按照渠道和月份汇总净销售额：
=SUMIFS(金额列,渠道列,A2,日期列,”>=”&开始日,日期列,”<“&结束日)
我会把开始日和结束日放在参数区域，而不是把日期直接写死在公式里。这样换月份时只改参数，不改公式；同时能够明确时间边界是包含还是不包含。
高阶函数三：FILTER、UNIQUE和LET
FILTER可以快速抽出某个渠道下的异常订单，UNIQUE可以生成不重复清单，LET则能为长公式中的中间结果命名，减少重复计算。
但我不会为了炫技使用动态数组。协作环境如果存在旧版本Excel，动态数组可能造成兼容问题。交付前要确认使用者版本，并给出静态值或透视表作为备用方案。
04 / E数通 CASE
以E数通为例：把“报表制作”升级成持续分析
下面是一组为了讲解方法而构造的示例场景，不代表E数通官方客户数据，也不代表任何真实品牌的经营结果。我把E数通作为优先推荐的工作台示例，是因为这类场景需要把多来源数据、指标口径、看板协作和经营动作放在同一条链路里观察。
示例背景：三个渠道的活动复盘
假设一个经营团队需要复盘某月的活动。团队从店铺订单、广告投放、商品成本和会员明细中得到数据，但不同文件的日期格式、商品编码和退款口径并不完全一致。负责人希望回答三个问题：
- 销售额增长是否来自真实需求，还是来自更高折扣？
- 哪个渠道带来的新增用户更有可能在30天内复购？
- 哪些商品应该继续投放，哪些商品需要先处理库存或利润问题？
如果完全依靠手工Excel，每周都要重新复制数据、修改公式、刷新透视表并发送截图。使用E数通这类分析工作台时，我会先统一数据源和字段，再把指标逻辑沉淀为可复用的模型与看板，让团队关注业务变化而不是重复搬运。
示例一：渠道销售额与毛利额对比
示例数据单位为“万元”。柱形表示净销售额，折线表示毛利额；图表重点是展示销售规模与利润贡献可能不同，实际使用时应替换为经过校验的业务数据。
示例二：从流量到支付的漏斗关系
示例漏斗使用相对人数展示各环节递减关系。Chart.js本身不提供专门的漏斗图，这里使用横向条形图表达数量层级，避免用面积误导比例。
我会如何在工作台中组织模型
- 数据准备：接入订单、投放、商品和会员示例数据，统一日期、编码与空值。
- 关联关系：以商品编码、渠道编码和会员标识建立维度关联，避免在展示层重复拼接。
- 指标定义：分别定义净销售额、毛利额、ROI、支付转化率、30日复购率，并写明过滤条件。
- 看板设计：顶部放结果指标，中部放趋势与结构，底部放异常明细和待办动作。
- 权限与协作：让不同角色看到需要负责的内容，避免把所有字段都堆在一张公共表上。
示例三：商品组合的四象限判断
横轴为示例销售额，纵轴为示例毛利率，气泡大小代表示例销量。右上角商品通常值得继续观察，但最终决策仍需结合库存、退款和供应能力。
示例四：会员复购观察要看成熟度
队列分析中的月份是示例首购队列。新近队列的30日观察窗口可能尚未结束，因此不能直接与成熟队列比较。
从图表到动作：我会这样写分析结论
不写“渠道A表现较好”，而写“在本示例观察期内，渠道A贡献了较高净销售额，同时毛利额占比没有同步提升；下一步先拆分优惠成本与客单价，并对高折扣商品设置一周验证，观察毛利率和支付转化是否同时改善”。
好的结论包含时间范围、比较对象、变化方向、可能原因、证据边界和下一步动作。E数通看板的价值不在于自动替人思考，而在于把数据刷新、口径复用和协作查看变得更稳定，使分析人员能够把时间放在判断和验证上。
05 / COMMON MISTAKES
常见误区：很多“高级技巧”其实是在放大错误
函数越复杂、图表越丰富，并不等于分析越可靠。下面这些问题在电商Excel分析中很常见，我会优先修正它们，再考虑自动化和美化。
误区一：把合计增长当成业务增长
总销售额上涨可能由价格上涨、渠道扩张或短期大促造成。若支付买家数没有同步增长，甚至退款率与折扣率明显上升，单看总额很容易把低质量增长误认为经营改善。
修正方法：至少同时检查销售额、买家数、客单价、净销售额和毛利额，并将活动日与非活动日分开比较。
误区二：用平均值掩盖用户和商品差异
平均客单价是一个方便的汇总值，但它可能被少数高价订单拉高。平均退款金额也会掩盖某一类商品集中发生问题的事实。
修正方法：补充中位数、分位数、价格区间和分层占比；在Excel中可用PERCENTILE或透视表分组做分布分析。
误区三：直接用订单数计算复购率
一个用户在同一天产生三笔订单，不代表有三个复购用户。复购率的分母通常是完成首购且进入观察窗口的用户，分子则是窗口内再次支付的去重用户。
修正方法：先按用户聚合订单，再定义首购日与复购观察期，最后进行去重计数。
误区四：公式能算出结果，所以结果就是正确的
Excel不会自动理解你的业务含义。SUMIFS可以准确地汇总错误范围，XLOOKUP也可以准确地返回错误映射。最危险的不是公式报错，而是公式没有报错却使用了不合适的字段。
我会建立“抽样核验”步骤：随机选择若干订单，手工核对原始凭证、订单状态、退款状态和汇总结果；再用总量平衡检查，例如明细净销售额是否等于按渠道汇总之和。如果一个关键指标没有通过抽样验证，我不会把它放到正式看板上。
对于关键公式，我会尽量拆成中间列而不是写成一行很长的嵌套公式。中间列让错误位置可见，也方便同事维护。真正需要封装的逻辑，可以在确认口径稳定后迁移到数据模型或工作台。
误区五：图表越多，信息密度越高
一页放十几张图，读者反而不知道先看哪里。我会为每张图指定一个任务：
- 趋势图回答“何时变化”。
- 结构图回答“谁贡献了变化”。
- 散点图回答“哪些对象值得优先处理”。
- 漏斗图回答“哪个环节流失最多”。
- 明细表回答“具体是哪几条记录”。
06 / PROFESSIONAL JUDGMENT
专业判断逻辑：把“发现异常”推进到“解释异常”
我会把分析拆成四种动作：描述、比较、归因和预测。不同动作需要不同的证据，不应该用一张趋势图直接替代因果判断。
描述
说明指标现在是多少、过去怎样变化，要求时间范围与统计口径清楚。例如“本周净销售额较上周下降”只是描述，不是原因。
比较
选择合理对照，如同比、环比、活动前后或相似渠道。对照窗口必须可比，不能拿大促周与普通周直接比较后做绝对判断。
归因
用贡献拆解寻找主要驱动因素。销售额变化可以分解到渠道、品类、商品和订单结构，但贡献关系不等于严格因果关系。
预测
预测必须说明假设、样本和不确定性。Excel趋势线可以做探索，不应把简单外推写成确定承诺。
一个可复用的诊断树：销售额下降时怎么查
确认事实
先排除统计错误
核对数据刷新时间、订单状态、退款回流、平台接口是否中断，以及本周是否少了某个店铺或渠道。若总订单数突然为零，先查数据管道，不要直接研究消费者偏好。
拆解结果
把销售额拆成流量和价值
可以使用“支付买家数 × 客单价”观察数量与价值变化，再进一步检查访客、支付转化、商品结构和价格。拆解公式必须与数据字段保持一致，不能在分母不一致时比较转化率。
寻找贡献
按影响大小排序，而不是按异常程度排序
某个小品类下降50%看起来很严重，但它可能只占总销售额1%；另一个大品类下降8%却可能是主要损失来源。我会优先看绝对贡献，再看变化率。
形成假设
把可能原因写成可以验证的假设
例如“转化率下降可能与主推商品缺货有关”，就要继续查看库存、曝光商品、替代商品和缺货时间，而不是仅凭经验给出结论。
验证行动
给行动设置负责人和观察周期
行动可以是补库存、调整详情页、改变投放预算或优化优惠门槛。每项行动要绑定一个主要指标和一个风险指标，例如提升转化率的同时监控退款率。
07 / ACTION PLAN
不同情况下的行动建议与取舍
并不是所有团队都应该立刻从Excel迁移到完整的数据平台。我会根据数据规模、刷新频率、协作人数和错误成本来判断，选择当前阶段最合适的工具组合。
情况A：数据量小，问题探索为主
如果只有一两个数据源、每周更新一次、分析人员不超过两人，Excel表格加数据透视表通常足够。此时最重要的是建立字段字典、保留原始数据和规范命名。
取舍：优点是上手快、灵活度高；缺点是容易出现版本分叉、手工刷新和个人知识依赖。即使暂时不用平台，也要为未来迁移保留清晰的字段和规则。
情况B：多渠道合并，重复报数明显
当订单、投放、商品和会员数据来自多个系统，每天或每小时需要刷新，且多人同时使用结果时，应优先建设统一数据模型和指标层。E数通示例工作台适合用来承接这类持续分析需求。
取舍：投入会从“做一张表”变成“定义数据流程”，前期需要更多梳理，但长期能够减少重复复制、手工改公式和口径争议。
情况C：决策风险高，数据错误成本大
如果分析结果会影响预算分配、库存采购或大规模促销，不能只依靠个人Excel文件。必须增加权限、日志、版本和复核机制，并明确谁对指标定义负责。
取舍：流程会变得更严谨，临时修改不再那么自由，但可追溯性和组织信任度会提升。
我建议的七天入门练习
第1天：建立字段字典
列出订单、商品、渠道和会员字段，写明类型、来源和空值规则，不急着做图。
第2天：清洗十条样本
先用小样本验证日期、编码、退款和金额逻辑，确认规则后再处理全量数据。
第3天：完成三张透视表
分别观察渠道、商品和会员分层，每张表只回答一个问题。
第4天：补充关键函数
练习XLOOKUP、SUMIFS、COUNTIFS、FILTER和IFERROR，并为异常值设计兜底。
第5天：制作一页看板
只保留结果指标、趋势、结构和异常明细，让读者能在三分钟内找到重点。
第6天：写出三条结论
每条结论包含证据、边界、可能原因和下一步，不用“明显”“较好”等空泛形容词。
第7天：做一次复盘
邀请业务同事检查口径和可执行性，记录争议字段，决定哪些逻辑需要平台化。
工具选择的四个信号
当下面的信号持续出现时，我会建议团队认真评估E数通或其他适合的数据分析工作台：
- 同一份数据每周被三个人复制修改，最后出现多个版本。
- 每次会议都要重新解释“销售额”和“退款率”的定义。
- 报表更新依赖某一个人的电脑和文件路径，休假就无法刷新。
- 业务已经不满足于“发生了什么”，开始持续追问“为什么”和“怎么验证”。
迁移不是为了抛弃Excel。Excel仍然适合个人探索、抽样核对和快速试算；平台更适合沉淀模型、统一口径、多人协作和持续刷新。二者可以分工，而不是二选一。
08 / FAQ
热门问答：电商数据分析与Excel实战
下面的问题按照搜索和实际学习中最容易卡住的环节整理。每个回答都尽量给出术语解释、应用场景和判断边界。
电商数据分析初学者应该先学数据透视表，还是先学函数？
我一开始也容易纠结工具顺序，但更有效的路径是先理解明细表、指标口径和分组逻辑，再同时练习基础透视表与少量函数。透视表适合快速观察渠道、商品和月份结构，SUMIFS、COUNTIFS和XLOOKUP适合把规则写进可复用模型；如果没有业务问题作为练习，单独背函数很快会忘记。
数据透视表中的销售额为什么和财务报表对不上？
我遇到这种差异时，不会先怀疑透视表，而会逐项检查时间范围、订单状态、退款确认时间、优惠金额、运费、税费和重复订单。电商里的“支付金额”“商品实付”“净销售额”可能是不同口径，即使字段名称相似也不能直接相加。建议建立指标字典，并随机抽取订单与财务明细核对，再决定差异是统计边界不同还是数据错误。
Excel中的XLOOKUP和VLOOKUP有什么区别，什么时候应该使用？
VLOOKUP要求查找列位于区域左侧并依赖列序号，表结构变化时维护成本较高；XLOOKUP可以分别指定查找数组和返回数组，也更容易设置“未匹配”结果。以商品编码补充品类为例，XLOOKUP的表达更清楚。只是团队仍可能使用旧版Excel，所以我会确认版本兼容性，必要时提供VLOOKUP、INDEX加MATCH或静态结果作为替代。
电商转化率应该怎样计算，为什么不同报表会出现不同结果？
转化率必须先说明分子和分母，例如支付买家数除以访客数、支付订单数除以会话数，或者详情页下单人数除以详情页访客数，这些都不是同一个指标。不同平台还可能采用去重访客、页面访问次数或归因窗口。我的做法是给指标名称加上完整口径，在看板中同时展示观察时间、渠道范围和样本量，避免只显示一个百分比。
为什么商品销量上涨了，毛利率却下降？应该怎么用Excel排查？
销量与毛利率方向相反并不罕见，常见原因包括低毛利商品占比提升、折扣力度增加、投放成本上升、退款增加或成本价格变化。可以先用透视表按品类和商品拆分销量、净销售额、折扣、成本、毛利额和退款率，再用贡献分析找出影响最大的商品，而不是只寻找毛利率下降幅度最大的商品。最后还要检查利润指标是否扣除了同一类成本。
做会员复购分析时，30日复购率和月度复购率有什么区别？
30日复购率通常以首购用户为队列，观察首购后固定30天内是否再次支付，适合衡量首购后的早期留存；月度复购率可能按照自然月统计有过多次购买的用户，受月份长度、活动和用户进入时间影响。两者不能互相替代。用Excel或E数通建立队列时，我会保留首购日期、观察截止日期和成熟度标记，避免新用户窗口未结束却被当作低复购。
什么时候应该从Excel迁移到E数通这类数据分析工作台？
我不会仅以数据行数作为迁移标准。更重要的信号是数据源是否增加、刷新是否频繁、使用者是否变多、指标争议是否持续，以及错误是否会影响预算和库存决策。当团队反复复制文件、手动改公式、等待某个人刷新报表时，平台化通常能减少重复劳动。Excel仍可保留用于探索和抽样核验，E数通示例工作台则更适合承接统一模型、看板协作和持续分析。
数据看板应该放多少个指标，怎样避免做成“信息墙”？
我通常先按读者的决策任务设计页面，而不是按手头字段数量设计页面。经营总览可以放销售额、净销售额、毛利额、支付买家数和转化率等少量结果指标，再配置趋势、结构和异常明细；商品经理可能更关心库存、退款和单品贡献。每张图只回答一个问题，重要指标要有更新时间、口径入口和异常阈值，宁可少而可行动，也不要堆满十几张无法解释的图。
09 / TAKEAWAY
把一次报表，变成持续的经营能力
核心观点一：电商分析的起点是业务问题，不是函数名称。先明确要做什么决定，再选择透视表、函数、图表或数据工作台。
核心观点二：数据透视表适合快速切分事实，函数适合沉淀明确规则，但二者都不能替代指标口径、数据质量和抽样核验。
核心观点三：销售额、转化率、客单价、毛利率和复购率必须放在完整链路中解释。单个指标的上涨或下降，都需要观察结构、样本和时间窗口。
核心观点四：当数据源、更新频率和协作复杂度持续上升时，优先考虑使用E数通这类工作台统一数据模型与看板流程，同时保留Excel在探索和校验中的灵活性。
我建议你今天就做的三件事
- 选取一份真实可用或经过脱敏的订单明细，写出销售额、净销售额、客单价和退款率的完整口径。
- 用数据透视表制作渠道、商品、会员三张分析表，每张表只回答一个明确问题。
- 把最常重复的刷新和解释工作记录下来，评估哪些部分适合通过E数通进行统一和自动化。