跨境电商分析难的不是报表本身，而是多平台数据很难直接统一。淘宝、京东、亚马逊的订单字段和格式各不相同，还要再关联汇率和物流数据，清洗、合并和统计的成本很高。

这篇案例介绍一种更轻量的 AI 工作流做法：不写代码、不写 SQL，直接在本地完成多平台订单、汇率和物流数据的整理与分析，快速产出完整的经营分析结果。

如下配置好的工作流图：

报表可视化结果：

接下来，我们就用一个典型业务场景，来完整演示这个过程：跨境电商多平台合并分析（淘宝表 + 京东表 + 亚马逊表 + 汇率表 + 物流表）。

 

一、案例需求分析

这个案例的需求很典型：把淘宝、京东、亚马逊三个平台的订单数据统一清洗后进行合并，再结合汇率和物流信息，完成跨平台销售与履约分析，最终输出可直接用于业务判断的统计结果表。

1、最终输出哪些结果表

完成淘宝、京东、亚马逊订单，以及汇率和物流数据的清洗、统一和关联后，这个案例最终会输出 5 张核心统计结果表：

• 平台销售统计表 ：统计各平台的总销售额、订单数、客单价、平均配送时长和平均物流成本占比，用来对比不同平台的整体经营表现。
• 省份销售统计表 ：统计各省份的销售总额、订单数和平均配送时长，用来观察区域销售分布和履约效率差异。
• 月度销售趋势表 ：按月份和平台统计销售额与订单数，用来分析不同平台的月度变化趋势。
• 商品销售 Top100 表 ：统计跨平台商品的销售额、销量和订单数，找出整体表现最好的核心商品。
• 物流公司统计表 ：统计各物流公司的承运订单数、平均配送时长、平均运费和运费总额，用来评估物流履约能力和成本表现。

生成结果统计表的数据文件，如下图：

 同时，还会生成对应的 HTML 报表视图，方便直接查看分析结果。如图：

2、业务数据涉及哪些源表

这次案例围绕跨境电商多平台合并分析展开，一共涉及 5 张核心业务表。

• 淘宝订单表 ：主要记录订单号、买家昵称、订单金额、下单时间、商品名称、数量、省份等字段，用来承接淘宝平台的原始订单数据，是统一订单清洗和多平台合并的重要来源之一。
• 京东订单表 ：主要记录订单号、买家名称、订单金额、下单时间、商品名称、购买数量、省份等字段，用来提供京东平台的订单明细数据，支撑后续统一字段映射和跨平台分析。
• 亚马逊订单表 ：主要记录亚马逊订单号、买家名称、订单金额、下单时间、商品名称、购买数量、发货州等字段，用来补充跨境平台订单数据，并作为汇率换算分析的核心来源。
• 月度汇率表 ：主要记录月份和美元兑人民币汇率，用来把亚马逊订单中的金额统一换算为人民币口径，保证多平台销售数据能够按统一金额标准进行统计。
• 物流跟踪表 ：主要记录运单号、关联订单号、物流公司、发货时间、签收时间、运费、重量等字段，用来补充订单履约信息，支撑配送时长、物流成本和物流公司表现等分析。

5张表的数据量在千万级。

3、这次主要做了哪些清洗

这次清洗主要围绕淘宝订单、京东订单、亚马逊订单、月度汇率表和物流跟踪表 5 张业务表展开，重点是统一不同平台之间的字段口径、时间格式和金额格式，同时补齐汇率换算与物流履约分析所需的数据基础。只有先把这些表整理到统一标准，后面的多平台合并、销售统计和物流分析才能顺利开展。

清洗淘宝订单表

• 修改表头： tid→订单号、buyer_nick→买家昵称、payment→订单金额、created→下单时间、item_title→商品名称、num→数量、receiver_state→省份
• 将“下单时间”统一为 yyyy-MM-dd HH:mm:ss 格式
• 将“订单金额”去除货币符号
• 将“数量”转换为纯数字
• 新增“订单月份”，= 下单时间所属月份（yyyy-MM）
• 新增“平台”字段，并固定标记为“淘宝”

清洗京东订单表

• 修改表头： orderId→订单号、buyerName→买家昵称、orderPrice→订单金额、orderTime→下单时间、skuName→商品名称、quantity→数量、province→省份
• 将“下单时间”统一为 yyyy-MM-dd HH:mm:ss 格式
• 将“订单金额”去除货币符号和千分位逗号
• 将“数量”转换为纯数字
• 新增“订单月份”，= 下单时间所属月份（yyyy-MM）
• 新增“平台”字段，并固定标记为“京东”

清洗亚马逊订单表

• 将 amazon_order_id 、 buyer_name 、 total_price 、 purchase_date 、 product_name 、 quantity_ordered 、 ship_state 映射为统一字段
• 将原始美国时间格式统一转换为 yyyy-MM-dd HH:mm:ss
• 将“数量”转换为纯数字
• 新增“订单月份”，= 下单时间所属月份（yyyy-MM）
• 将“订单金额”去除美元符号，并按“订单月份”关联“月度汇率表”换算为人民币口径
• 新增“平台”字段，并固定标记为“亚马逊”

清洗月度汇率表

• 将“月份”统一为 yyyy-MM 格式
• 将“美元兑人民币汇率”转换为纯数字
• 清理无效或不可用的汇率记录，只保留有效数据

清洗物流跟踪表

• 将“发货时间”和“签收时间”统一为 yyyy-MM-dd HH:mm:ss 格式
• 将“运费”去除货币符号和千分位逗号后转换为数值
• 将“关联订单号”去除前后空格
• 对同一订单的多条物流记录按“关联订单号”去重，仅保留签收时间最晚的一条
• 新增“配送时长”，用于表示签收时间与发货时间之间的天数差，异常负值记为空

二、提示词整理

在工作流配置之前，需要先把这次业务处理逻辑整理成一份提示词。

这一步的作用，就是先明确 清洗哪些表 、 怎么关联 、 输出哪些报表 。整理好之后，这份提示词就可以作为工作流配置输入，指导后续执行。

这里也需要说明一点： 提示词不一定非要写成固定模板 。只要表达得 清晰 、 明确 、 简洁 ，让人一眼能看懂要做什么、按什么顺序做、最后输出什么结果，就可以了。

本次案例整理出的提示词如下：

整体要求：合并三个平台订单数据，生成统一的跨境销售与物流分析报告：

第一步 - 字段映射与清洗淘宝订单：
1. 字段重命名：tid→订单号、buyer_nick→买家昵称、payment→订单金额、created→下单时间、item_title→商品名称、num→数量、receiver_state→省份
2. "下单时间"统一为 yyyy-MM-dd HH:mm:ss
3. "订单金额"去除￥符号
4. "数量"转为纯数字
5. 新增"订单月份" = 下单时间所属月份（yyyy-MM）
6. 新增"平台"列，值为"淘宝"

第二步 - 字段映射与清洗京东订单：
1. 字段重命名：orderId→订单号、buyerName→买家昵称、orderPrice→订单金额、orderTime→下单时间、skuName→商品名称、quantity→数量、province→省份
2. "下单时间"统一为 yyyy-MM-dd HH:mm:ss
3. "订单金额"去除￥和千分位逗号
4. "数量"转为纯数字
5. 新增"订单月份" = 下单时间所属月份（yyyy-MM）
6. 新增"平台"列，值为"京东"

第三步 - 清洗月度汇率表：
1. "月份"统一为 yyyy-MM 格式
2. "美元兑人民币汇率"转为纯数字
3. 只保留有效汇率记录

第四步 - 字段映射与清洗亚马逊订单：
1. 字段重命名：amazon_order_id→订单号、buyer_name→买家昵称、total_price→订单金额、purchase_date→下单时间、product_name→商品名称、quantity_ordered→数量、ship_state→省份
2. "下单时间"统一为 yyyy-MM-dd HH:mm:ss（原格式为美国时间 MM/DD/YYYY）
3. "数量"转为纯数字
4. 新增"订单月份" = 下单时间所属月份（yyyy-MM）
5. "订单金额"去除$符号，按"订单月份"关联"月度汇率表"，换算为人民币金额
6. 新增"平台"列，值为"亚马逊"

第五步 - 清洗物流跟踪表：
1. "发货时间""签收时间"统一为 yyyy-MM-dd HH:mm:ss 格式
2. "运费"去除货币符号和千分位逗号，转为纯数字
3. "关联订单号"去除前后空格
4. 按"关联订单号"去重：同一订单多条物流记录时，保留签收时间最晚的一条
5. 新增"配送时长" = 签收时间 - 发货时间（天数），若结果为负数则记为空

第六步 - 三表合并，生成统一订单明细表：
1. 清洗后的淘宝、京东、亚马逊订单上下拼接合并
2. 统一列：订单号、买家昵称、订单金额、下单时间、订单月份、商品名称、数量、省份、平台
3. 输出"统一订单明细表"

第七步 - 生成订单物流关联表：
1. "统一订单明细表" 关联 "物流跟踪表"（订单号 = 关联订单号）
2. 保留：订单号、平台、省份、订单月份、商品名称、订单金额、数量、物流公司、运费、配送时长
3. 新增"物流成本占比" = 运费 / 订单金额
4. 输出"订单物流关联表"

第八步 - 生成平台销售统计表：
1. 基于"订单物流关联表"
2. 按"平台"分组，统计：总销售额、去重订单数、客单价、平均配送时长、平均物流成本占比
3. 其中"客单价" = 总销售额 / 去重订单数
4. 输出"平台销售统计表"

第九步 - 生成省份销售统计表：
1. 基于"订单物流关联表"
2. 按"省份"分组，统计：销售总额、去重订单数、平均配送时长
3. 输出"省份销售统计表"

第十步 - 生成月度销售趋势表：
1. 基于"订单物流关联表"
2. 按"订单月份"+"平台"分组，统计：各平台月度销售额、去重订单数
3. 输出"月度销售趋势表"

第十一步 - 生成商品销售Top100表：
1. 基于"订单物流关联表"
2. 按"商品名称"分组，统计：跨平台合计销售额、销售数量、去重订单数，按销售额降序取Top100
3. 输出"商品销售Top100表"（含商品名称、销售数量、销售额、订单数）

第十二步 - 生成物流公司统计表：
1. 基于"订单物流关联表"
2. 按"物流公司"分组，统计：承运订单数、平均配送时长、平均运费、运费总额
3. 输出"物流公司统计表"

三、落地实现：工作流配置

 工作流是由多个智能体节点组成的，这个案例我们涉及到下面几个智能体：

• 文件助手： 获取磁盘的文件或目录。
• 标题清洗器： 专门用来清洗第一行标题的，只要输入清洗描述就可以对表头进行任意整理。
• 内容清洗器： 专门用来做数据清洗的，只要输入清洗描述就可以对文件数据进行任意整理。
• 数据入库：将文件数据转成本地数据库，用于后面作SQL统计。
• 表统计： 对本地数据库表进行SQL统计，不需要写sql，只需要统计的描述就可以了。
• 报表导出： 对数据库表进行导出，支持导出csv，xlsx，HTML（可视化显示） 。

根据这几个智能体还有上面描述的提示词，我们就可以完成工作流的配置了。

1. 清洗数据表

清洗数据流程总共分为三步：

1. 配置文件助手 ： 获取待清洗的源文件。
2. 配置内容清洗器： 描述清洗内容。
3. 数据入库： 将文件数据搞成表放到本地数据库（后面好进行sql统计）。

打开DT-Bot工作流， 配置一个 “文件助手”智能体节点，描述原始数据文件位置，文件助手配置如图：

DT-Bot工作流，解决方案获取： 宫中&浩气： “老罗软件”。

根据提示词描述，获取到了”淘宝订单.csv“原始表格，然后就会输出该文件，然后我们接下一个智能体“标题清洗器”，如图： 

直接输出标题需要怎么清洗就可以了，上面的意思就是修改标题，将现有标题改成对应的映射。

接下来，我们来进行内容清洗，然后我们再接下一个智能体“内容清洗器”，如图： 

直接将清洗的提示词写进来就可以了，清洗之后，我们需要将表格文件的数据放到数据库里面，后面好进行SQL统计，所以还要接入一个“数据入库”，不需要输入任何提示词，如下图：

第一步就完成了，同理，所有的源表清洗都是这个套路。

2. 表统计

接下来我们需要进行表统计，直接用“表统计”智能体就好了， 也是直接输入提示词描述，工作流内部会生成相关sql进行统计（全程不用你操心），下面是我配置完成的图：

3. 导出报表

表统计后，只生成了结果表到数据库里面，还需要从数据库里面下载出来，这是要用“报表导出”智能体，可以指定哪些表，下载类型，如下图：

配置完成后，我们发布工作流执行就可以了。

四、结尾语

跨境电商多平台分析并不一定要依赖复杂开发能力。把业务目标描述清楚之后，即使是没有代码和 SQL 基础的业务人员，也可以借助 AI 工作流一步步完成订单清洗、汇率换算、物流关联和统计分析，最终稳定产出可直接使用的结果表。

这类产品真正的价值，不只是提升分析效率，更是把原本门槛很高的数据处理过程变成人人都能上手的标准化流程。对于业务团队来说，不需要搭复杂环境，也不需要掌握专业开发技能，就能更快把多平台数据整理清楚，把分析结果做出来。