让 Data agent 解释“销售为什么下滑”之前，先让它证明“下滑”本身成立。具体做法是把一个总降幅拆成五类可复算的检查：退货与冲红、渠道与大客户集中度、销量与价格分解、统计口径一致性、期间完整性。五项都核完，归因结论才值得拿去开会；任何一项对不上，先修数据或改口径，而不是先讨论对策。
这套排查适用于任何会连接企业数据做分析的工具，不绑定某一家产品。下面以销售下滑为例给出对照表和查询步骤。
第一步：确认“下滑”这个事实成立
AI 给出的降幅是一个比值，分子分母都可能有问题。先核对四件事：
| 核对项 | 要问的问题 | 错了会怎样 |
|---|---|---|
| 比较口径 | 两期是否同为含税或不含税、同为签约额或到账额 | 口径混用，降幅虚高或虚低 |
| 业务日期 | 用签约、发货还是到账日期划分期间 | 补录单据改变历史期间归属 |
| 数据截止 | 两期数据各截至哪个时刻 | 上期未录满，本期显得更差 |
| 期间长度 | 本月已过天数与去年同月是否可比 | 月中对比全月，制造假下滑 |
单位、币种与统计期间的详细校验方法，可以参考AI 问数的单位、币种与统计期间校验。这里的重点是对同比和环比先做“可比性体检”，再谈原因。
退货、折让与冲红
净销售额等于毛销售减退货、折让和冲红。下滑可能完全是退货造成的：本期卖得并不差，但上期或本期的大额退货冲减了净额。
排查时让工具分别列出两期的毛销售额、退货金额、折让金额，以及退货对应的原销售期间。跨期退货尤其要小心：去年年底压货、今年年初整批退回，会把“今年下滑”算出来，但业务上是去年的问题。虚构示例：某经销商渠道本月净额下滑 18%，拆开后发现毛额只降 3%，降幅主要来自一笔去年十二月发货的整批退货；处置对象应当是渠道压货政策，而不是本月销售动作。
渠道与大客户集中度
总降幅经常被一两个渠道或客户解释掉。让工具按渠道、区域、客户分别计算降幅贡献，并显示每个分组的两期基数。基数很小的分组出现 50% 波动，对总额影响可能可以忽略；基数最大的分组降 10%，才是主要矛盾。
同时检查集中度：本期前十客户占净额的比重与上期相比变化多少。如果下滑主要来自单一客户，问题可能是客户经营状况或合约到期，把它当成普遍性下滑去调整价格或投放，会误伤其他业务。营销侧的归因口径与观察窗口设计，可参考广告素材与销售结果关联中的窗口方法。
量价分解：量的问题还是价的问题
确认净额下滑真实存在后，做量价结构分解。最简单的二维拆法：
| 变化来源 | 计算思路 | 对应的业务动作方向 |
|---|---|---|
| 销量变化 | 按上期价格估算本期销量差 | 客户流失、需求萎缩、竞品替代 |
| 价格变化 | 按本期销量估算价格差 | 折扣放宽、降价保量、结构下移 |
| 结构变化 | 产品或客户组合变化的剩余项 | 低毛利品类占比上升 |
分维度做，不要只算全公司一个总数。虚构示例：某品类净额降 12%，量价分解显示销量降 14% 而均价还升了 2%，说明问题在客户数量或订单频次，不在定价；此时讨论“要不要再降价”就是错误方向。
行动前核数清单
得到初步归因后，让任何决策会议先过这张表：
- 两期比较口径一致，且已写进结论页脚注；
- 数据截止时间已知，最近的补录是否已进入；
- 退货已单独列示，并标注原销售期间；
- 渠道、区域、客户维度已分层，最大贡献分组已点名；
- 量价分解的公式和分组固定，业务人员可用 Excel 复算；
- 结论区分“数据能证明的”和“推测需要访谈验证的”（例如客户流失原因需要销售确认，数据只能看到“没再买”）。
最后一条常被跳过。AI 工具擅长把数字拆开，但“为什么客户不买了”超出数据本身，应当输出成待访谈清单交给销售，而不是编一段听起来合理的解释。
关于 Data agent 能力的边界
OpenAI 已在官方发布页宣布 ChatGPT Work 中的 Data agent，据该页自述，它可连接企业数据、检查“什么发生了变化”并生成可共享的交互式看板。截至本文写作，公开渠道能检索到的主要是厂商自述和官方演示，独立第三方对企业场景下分析准确性的评测还很少，效果层面暂无可引用的独立验证；功能细节和可用范围以官方页面为准，落地前应按本文的核数流程自行验收。把厂商自述当作功能线索、把自家数据核数当作效果证据，是比较稳的态度。问数类 Agent 的整体落地步骤，可再看经营问数 Agent 落地清单。
需要把销售、退货和渠道数据先理成可问数的口径，可以从企业 AI 落地方案开始梳理事实源与指标定义；同类落地方法论可顺着AI Agent 落地专题继续阅读。
产品事实来源
- OpenAI ChatGPT Work 官方发布页：https://openai.com/index/chatgpt-for-your-most-ambitious-work
- OpenAI Data agent 官方发布页：https://openai.com/index/put-data-to-work
