财务每月花4小时做采购分析?我用Python自动化,4小时→5分钟

一、场景还原：每个财务都懂的痛

每个月月底，尤其是餐饮行业财务小伙伴的噩梦准时到来。

老板要一份采购数据分析报告：哪家供应商供货最多？退货率是否正常？有没有异常采购？同比去年有什么变化？

你打开ERP系统，导出采购汇总表。发现数据有问题：同一供应商有多个名称（其实是同一家），入库数量和收货数量对不上，退货率那列是文本格式没法排序……

你开始手动清洗数据。复制、粘贴、VLOOKUP、条件格式，一个下午过去了。

报告做完了，老板问："去年同期的数据有吗？对比一下。"

你愣住了。又要重新导出、重新清洗、重新计算……真想把键盘给砸了

这是我真实经历过的工作场景。 一家80+门店的餐饮企业，每月采购金额300-800万，涉及80多家供应商。以前做一份完整的采购数据分析报告，需要4个小时以上。而且每次老板临时要数据，做数据分析，都得重新折腾一遍。

二、方案拆解：Python自动化全流程

2.1 整体思路

核心逻辑很简单：把重复性工作交给代码，人只做判断和决策。

2.2 第一步：原始数据获取

从ERP/供应链系统导出采购汇总表（Excel格式）。关键字段包括：

• 供应商名称
• 商品名称
• 采购数量 / 收货数量
• 采购金额 / 收货金额
• 退货数量 / 退货金额
• 交易日期

注意：不同系统的导出格式不一样，有的日期是文本，有的金额带"元"字，有的供应商名称前后有空格——这些都要在代码里统一处理。

2.3 第二步：Python数据清洗（核心代码）

import pandas as pd# 读取采购数据df = pd.read_excel("采购汇总表.xlsx")# 清洗供应商名称：去空格、统一格式df['供应商名称'] = df['供应商名称'].str.strip()# 统一金额格式：去掉"元"字，转为数值df['收货金额'] = pd.to_numeric(    df['收货金额'].astype(str).str.replace('元',''),     errors='coerce')# 计算退货率df['退货率'] = df['退货数量'] / df['收货数量']# 标记异常：退货率超过5%的标红df['异常标记'] = df['退货率'].apply(lambda x: '⚠️异常' if x > 0.05 else '')

这段代码的实际效果：原来手工清洗数据需要1小时，现在3秒完成，且零错误。

2.4 第三步：多维度分析

这是最有价值的部分。从三个维度拆解：

维度一：供应商集中度分析

# TOP10供应商占比top10 = df.groupby('供应商名称')['收货金额'].sum().nlargest(10)top10_ratio = top10.sum() / df['收货金额'].sum()print(f"TOP10供应商占比：{top10_ratio:.1%}")

实际案例：某餐饮企业TOP10供应商占比53.6%，说明供应商集中度偏高，议价能力受限。

维度二：异常收货/采购差异

# 收货金额 vs 采购金额，差异超过10%的标出df['差异率'] = (df['收货金额'] - df['采购金额']) / df['采购金额']abnormal = df[abs(df['差异率']) > 0.1]

实际发现：某供应商"收货/采购差异+271%"，原因是无采购单直接收货，系统数据不同步。

维度三：退货率预警

# 退货率TOP20high_return = df.groupby('供应商名称')['退货率'].mean().nlargest(20)

2.5 第四步：自动生成报告

分析报告有两种输出方式：

方式一：Excel报告（适合存档）

with pd.ExcelWriter("采购数据分析报告.xlsx") as writer:    df.to_excel(writer, sheet_name="明细数据", index=False)    top10.to_excel(writer, sheet_name="TOP10供应商")    abnormal.to_excel(writer, sheet_name="异常差异")

方式二：HTML交互式仪表板（适合汇报）

用Python生成包含Chart.js图表的HTML文件，可以直接在浏览器里筛选、排序、查看图表。老板看的是这个。

三、效果展示：数据对比

实际节约：每月至少节约20小时，相当于3个工作日。

更重要的是：老板临时要数据的时候，不用再熬夜加班了。 跑一下脚本，5分钟后把HTML报告发过去，专业、美观、数据有深度。

四、核心要点总结

做采购数据分析自动化，关键是这4点：

1. 数据清洗要彻底
    — 供应商名称统一、金额格式转换、日期解析，这是基础
2. 异常检测要有阈值
    — 退货率>5%、差异率>10%，这些阈值要根据行业特点设定
3. 输出要两种格式
    — Excel存档 + HTML汇报，各司其职
4. 代码要可复用
    — 每个月只需要替换数据源，一键运行出结果

你们公司的采购数据分析，现在是怎么做的？

手工Excel？还是已经有自动化工具了？欢迎留言分享你的做法一起研究探讨。