表格里的数字，怎样变成一个结论

一张表里有几百个数字，不代表它已经说明了什么。数字要经过选择、整理和计算，才会变成一句结论。每经过一步，都可能丢掉背景，也可能把一个合理的数字用在不合理的地方。

这一页不教统计学。它只教你在看预算、问卷、案件台账或 AI 整理的表格时，知道该问哪几个问题。

A number becomes evidence only when you can trace where it came from and how it changed.Un número solo es prueba si puedes ver de dónde viene y cómo cambió.

从原始数据到结论，每一步都要能回头检查

先分清三样东西：原始数据、整理结果、结论

必须掌握

你什么时候会遇到这个问题：别人发来一张统计表，说“投诉明显增加”，你只看到最后一列百分比，不知道它怎么算出来的。

最简单可靠的做法：把工作过程分成三层。

1. 原始数据：最初记录下来的内容。报名表里每个人提交的一行、发票上的金额、卷宗里的一份材料，都属于原始数据。
2. 整理结果：把原始数据统一格式、去掉重复、分类、筛选或汇总后得到的表。
3. 结论：根据整理结果写出的判断，例如“本月费用超过预算”“某类案件占比上升”。

三层要分开保存。不要在唯一的原始表上直接删除、改写和汇总。原始数据像证据原件；整理表像工作副本；结论像根据材料写出的意见。意见可以改，原件不能跟着改。

做到什么算会：看到一个数字，能指出它来自哪份原始材料，经过了什么整理和计算。

先问：一行到底代表什么

必须掌握

同一张表里的每一行必须代表同一种东西。一行是一个人，就不能有时把同一个人的两次报名写成两行，有时又合成一行。一行是一次付款，也不能把同一张发票的三个项目拆成三笔付款，最后却说这是“三次付款”。

数行数之前，先问一句：这一行的单位是什么？

• 一行是一个人，数出来的是人数。
• 一行是一次访问，数出来的是访问次数；同一个人可能出现很多次。
• 一行是一件案件，数出来的是案件数；一件案件可能有许多份材料。
• 一行是一笔费用，数出来的是交易笔数，不是费用种类。

分母也要说清楚。“30% 同意”可能是全部收到问卷的人，也可能只是实际作答的人。两者都能算出 30%，意思完全不同。百分比后面顺手写上 18 / 60，比只写 30% 更不容易误解。

空白、零、重复和异常不是一回事

必须掌握

表格里最容易被悄悄改掉的，不是大数字，而是下面四种情况。

情况	它可能表示什么	怎么处理
空白	没填写、不知道、不适用、尚未发生	先确认含义，不自动填成 0
零	已经确认，结果就是没有	保留；它和空白不同
重复	同一件事录了两次，也可能确实发生了两次	用编号、日期和来源一起判断
异常	录错了，也可能是真实的少见情况	回原始材料核对，不因“不顺眼”就删除

例如，某月差旅费是空白，可能是还没收到报销单；写成 0，就变成“已经确认没有费用”。这不是格式调整，而是改变事实。

整理数据时另加一列写处理说明，例如“原表为空，待确认”“与第 12 行重复，保留第 12 行”。不要只把行删掉。别人才能知道数字为什么变了，你以后也能回头检查。

筛选、范围和计算都会改变答案

必须掌握

你什么时候会遇到这个问题：同一份表，两个人算出了不同的总数，而且公式都没有报错。

最简单可靠的做法：计算之前指着确认三件事。

• 范围：从第几行到第几行，有没有漏掉新加的记录；公式算的是整列，还是只算到去年的最后一行。
• 筛选：现在有没有隐藏的行；总数算的是全部，还是当前显示的部分。
• 口径：算的是人数、次数、金额还是比例；含不含税，按自然月还是合同周期。

平均数尤其容易掩盖差别。三笔费用分别是 100、100、1,000，平均数是 400，但并不存在一笔“典型的 400”。这时同时看三笔原数、总数和中间那个数，会比只报平均数更诚实。

图表也会做选择：从哪一天开始，纵轴从 0 还是从 90 起，只展示比例还是同时展示总量。图上的数字可以全是真的，画面仍然可能让差别看起来比实际大。看图先读标题、单位、时间范围和数据来源，再看颜色和形状。

算法就是一套选择和处理规则

知道即可

算法（algorithm）在这一页里不用理解成复杂数学。它就是一套把输入变成输出的规则。

• 表格按“截止日期从近到远”排序，是一个简单算法。
• 搜索引擎决定哪些网页排在前面，是一套更复杂的算法。
• 视频应用根据你看过、停留过和跳过的内容推荐下一条，也是一套算法。

算法不会凭空知道什么重要。设计者先选择看哪些数据，再选择怎样计算。没有被记录的事情，算法看不见；记录方式有偏差，结果也会跟着偏。

所以面对自动给出的排序、评分或推荐，问四句就够了：输入是什么？规则大致是什么？输出拿来做什么？有没有人负责处理例外？影响越大，越不能只看最后一个分数。

一个结论至少带四样东西

必须掌握

把数字写进报告、邮件或演示文稿时，不要只贴一个孤零零的结果。至少交代：

1. 它是什么：人数、次数、金额、比例还是平均数。
2. 范围是什么：哪段时间、哪些对象、是否经过筛选。
3. 来源在哪里：哪份表、哪一页材料、由谁提供。
4. 怎样算的：总数、分母和关键处理规则；估计值要标明是假设。

例如，不只写“按期完成率为 80%”，而写“2026 年 9 月应完成的 20 项任务中，16 项按期完成，按期完成率为 80%；数据来自 9 月任务台账，延期后取消的任务仍计入总数”。读者可以不同意你的口径，但至少知道你做了什么。

法律材料里的结论要能回到证据，数据结论也是一样。可追溯不保证结论一定正确，但没有这条路线，错误发生后连从哪里查都不知道。

让 AI 整理数据时，先要一份变更记录

知道即可

AI 很适合统一日期、拆分列、标记重复、分类和生成公式。交代时补上几条限制：保留原始文件；不要猜空白值；不确定的另列出来；先处理十行小样；完成后列出删了什么、改了什么、用了什么规则。

检查时不要只问“总数对不对”。抽五行，从原始材料一路对到整理表；修改一个输入，看计算结果是否联动；比较处理前后的行数；查看被判为重复和异常的记录。重要的专业结论仍然需要相应专业人员复核。

具体的表格操作在Excel：一行是一条记录，AI 的小样本检查方法在AI 写完之后怎么检查。数据库怎样保存许多人的记录，见API、数据库和云服务是什么。

练习

找一张不重要的练习表，任选一个总数或百分比。写下四句话：每一行代表什么，计算范围是哪几行，空白和重复怎样处理，结果来自什么公式。然后随便抽三行，从结果倒着找到原始数字。五分钟内能走通，就说明这份结论可以追溯。