火小懂编辑部
Excel合并的风险不只在公式错误，更在于主键、连接类型和财务口径被自动更改。本文提供六步检查与可重复执行的方法。
先区别两种合并，不要让AI猜
把两个客户Excel文件交给AI，常见需求是“合成一张表”。但“合成”至少有两种完全不同的含义：如果两张表的列基本相同，需要把记录接在一起，这是追加；如果一张表包含客户基本资料，另一张表包含订单，需要按客户编号关联字段，这是合并查询。微软Power Query官方文档分别解释了Append与Merge的用途。操作之前必须明确目标，否则AI即使生成格式漂亮的结果，也可能根本没有满足业务需求。
先给两份原表各自保存只读副本，记录文件日期、工作表名称、总行数和字段类型。让AI根据业务说明提出可能的主键，不要直接让它自行删除“重复客户”。姓名和手机号都可能变更，同名客户也不一定是同一人；有唯一客户ID时应优先使用它，同时核对数据授权和隐私要求。
第一步检查主键的唯一性和缺失
合并订单与客户资料时，要分别统计主键为空的记录数、重复值数、有效唯一值数。比如客户表有一万行但只有九千五百个独立客户编号，如果直接执行一对多连接，就可能把重复资料扩散到订单结果，导致营收被重复计算。反之，如果原表允许同一客户拥有多条地址记录，简单去重又会错误丢失业务关系。
建议先生成检查表：主键字段、原始记录数、唯一键数、空值数、重复键样本、异常处理结论。只有明确每张表代表“客户”“订单”还是“客户与设备关系”后，才能判断一对一、一对多或多对多连接是否合理。让AI给出SQL或Power Query方案时，同时说明预期连接类型。
第二步清洗字段格式但保留原值
两个文件可能把同一个客户编号写成数字00123和文本123，也可能带有隐藏空格、全角符号或大小写差异。自动转换格式能够提高匹配率，却也可能制造错误匹配。例如证件号码、商品编码、手机号不应该因为看起来像数字就丢掉开头的零。日期字段尤其需要检查各表采用的时区和年月日格式。
建议建立原值和标准化值两列，记录每条转换规则，包括修剪空格、字符规范化、空值替换和编码统一。这样出现异常时可追溯问题来自源数据还是清洗规则。让AI直接“智能猜测最接近的客户”作为最终结果并不可取，模糊匹配应该进入待人工确认队列。
第三步选连接类型并预估行数
Power Query的Merge功能支持用共同字段连接相关查询，而Append则是按列名叠加行。真正开始之前，计算可能的结果行数：一对一左连接在主表每个键至多匹配一条时，通常应保留主表行数；如果右表同一个键有多条记录，就可能发生行数膨胀。不能仅仅因为界面显示“匹配成功率98%”就认为结果正确。
需要同时输出未匹配客户、一个键匹配多条客户以及连接后异常增长的行。业务负责人要决定是否允许未匹配的订单继续进入报表。关键指标应包括匹配率、错配风险、重复扩张系数和人工复核比例，不能只留一个好看的成功率数字。
第四步做三组可复算的金额校验
客户合并经常服务于营收分析，最危险的错误是总金额悄悄发生变化。校验应从连接前后的订单笔数、订单唯一编号、销售金额三方面展开。假设原订单表一万笔、合计五百万元，如果关联客户信息后成为一万零八百笔、五百四十万元，除非业务定义本来允许拆分，否则必须先解释增长原因。
把未匹配订单金额单独列出，不要为了让报表“看起来完整”就把它们自动归到虚构客户。抽样检查高金额记录、随机记录和出现多个候选客户的异常记录。金额之外，还要校验税额、币种、退款状态和时间范围，否则即使行数正常，业务口径也可能已经被改变。
第五步用人工抽样测试AI的推断
AI可以帮助生成字段映射和检查公式，但不应拥有未经复核便改写主数据的权限。对自动匹配结果进行分层抽样：完全匹配的记录、模糊匹配记录、缺失主键记录和高价值客户各取样本。审核时提供原始表、映射结果、匹配依据及是否需要人工批准的结论。
建议先把AI建议写在独立的“候选匹配”字段，禁止覆盖原始客户ID。发现错误后，应更新规则并对全量数据重新计算，而不是只修补被发现的那几行。一次人工抽样没有发现错误，也不等于证明全部零错误；需要持续监控数据来源变化后的匹配准确率。
第六步留存可追溯的交付与复核台账
最终交付不应该只有一份合并后的Excel，还应包含字段字典、连接规则、原始版本号、异常清单、校验结果和人工审批记录。可以把每次处理流程放入Power Query，使后续更新可以重复执行，而不是每次都重新向AI描述一遍业务规则。如此才能区分数据变化和规则变化造成的结果差异。
把验收标准写成明确数值，例如“订单行数变化必须解释”“高金额记录必须双人复核”“缺失主键不得自动补造”。这些阈值需要由实际业务风险决定，不能把本文示例当作行业统一标准。AI真正提高的是清洗、提议和检错效率；最后保证数据可信的，是清楚的业务定义与可追溯的验证。
