#WorkBuddy# 300 份学员台账，我用一条"先校验再入账"的流水线整理完（教育培训场景完整案例）

行业与岗位：教育培训机构 教务岗（数据为脚本合成的脱敏样例，固定随机种子，不含任何真实机构与个人信息）

每到结课季，教务岗最头疼的不是统计，而是台账本身不干净。这次我用 WorkBuddy 把"整理学员台账"从一件手工活，做成了一条先校验、再入账、最后出报告的流水线：300 行台账跑到可交付，用时 0.61 秒，并且留下了一份能逐条核对的问题清单。

一、输入材料

一份从业务系统导出的学员台账，9 个字段：

规模与体积：300 行 × 9 列，21.8 KB。为了确保案例可复现，我用脚本按固定种子合成了这份台账，并注入 6 类真实台账里最常见的脏数据（重复编号、姓名缺失、课时逻辑冲突、出勤率越界、电话格式非法、作业分缺失）。

二、WorkBuddy 配置

最后一条是整个流程的护栏：任何被剔除的数据都不能只存在于内存里，否则一旦统计口径被质疑，就再也说不清少算了谁。

三、操作步骤

第 1 步：读取并锁定字段类型。 编号和电话必须按字符串读，否则 EDU0007 会被吃掉前导零、手机号会被转成科学计数法。

第 2 步：跑 6 类校验并分类处置。 每一类问题都对应一个明确的处置动作，而不是笼统地"删掉脏数据"：

第 3 步：执行"行数守恒"断言。 这是我认为最值得抄走的一步——清洗后行数 + 待核对行数必须等于原始行数，不相等就直接中断：

运行输出（节选）：[4] 行数守恒校验通过：255 + 45 = 300

第 4 步：按班级做横向统计。 人数、平均出勤率、平均作业分、课时消耗进度四个指标一次算完。

第 5 步：挑出需要重点跟进的人。 出勤率 <85% 或作业均分 <80 的名单单独列出，供教务跟进续报沟通。

第 6 步：落盘。 清洗后台账、待核对名单、统计报告三份文件同时输出，任何一份都能独立支撑复核。

下面是本地真实运行的过程输出（可直接对照每一步的分析结果）：

四、产出物

统计结果（清洗后可入账 255 人口径）：平均出勤率 87.0%，平均作业分 81.3 分；作业均分低于 80 的 101 人，出勤率低于 85% 的 89 人。其中两项数据都完整的 217 人里，任一项不达标的共 139 人（64.1%），这就是教务需要重点跟进的名单。

一个有意思的发现：六个班级的平均出勤率差距只有 3.1 个百分点（85.4%–88.5%），但课时消耗进度差了 18.7 个百分点（46.6%–65.3%）。也就是说，出勤看不出问题的班级，课时进度可能已经明显落后——这正是续报风险更值得盯的指标。

五、三处真实的坑

坑一：注入 12 处问题，只检出 11 处。

第一反应是脚本漏了。实际原因是：随机选中的两行恰好撞到了同一个编号，duplicated 只把"第二条及以后"算作重复。这提醒我——"注入数"从来不是校验标准，"行数守恒"才是。

坑二：出勤率越界值会把均值带偏。

台账里出现了 112.5、150.0 这样的出勤率。如果不先置为缺失，班级平均出勤率会被直接拉高，而这种偏移在最后的报告里看不出来。凡是"物理上不可能"的值，必须先剔除再统计。

坑三：问题数 83 处，但隔离行数只有 45 行。

因为一行可能同时踩中多个校验项（比如既姓名缺失又电话非法）。若按"各类命中相加"去推隔离行数，就会算出 83 这个错数字。按行去重、按项计数，两个口径必须分开记录。

六、沉淀成可复用的提示词

我有一份 N 行的学员台账（xlsx），字段是：编号、姓名、班级、报名日期、总课时、已消课时、作业均分、出勤率、电话。 请按四步处理：①编号和电话按字符串读，防止前导零丢失；②跑 6 类校验（重复编号 / 姓名缺失 / 已消课时>总课时 / 出勤率越界 / 电话格式非法 / 作业均分缺失），每类都给出处置动作； ③断言"清洗后行数 + 待核对行数 = 原始行数"，不相等就中断并告诉我差在哪；④被剔除的行必须落盘成待核对表，不能只留在内存。 最后给我：一份可入账台账、一份待核对名单、一张班级对比表，以及一句结论。

小结

这次最大的体会是：整理数据的价值不在"算得快"，而在每一步都能被别人复核。所以我把最高优先级给了两条断言——行数守恒，以及"被剔除的数据必须落盘"。它们在整个流程里没有增加任何计算量，却让结论从"我觉得没问题"变成"可以核对"。