name: financial-report-reader description: "财报三表（利润表、资产负债表、现金流量表）深度解读，自动进行同比/环比变动分析并执行多维度财务异常检测（如应收账款暴增、经营现金流与净利润背离、存货积压及毛利率突变等）。当用户需要解读财报、分析三表、做同比/环比比较、检测财务异常信号、评估现金流质量或计算关键财务比率时触发，关键词包括财报、三表、同比、环比、异常检测、应收账款、现金流背离、毛利率、financial statements、earnings report。" category: finance license: MIT

财报三表解读 — 同比环比 + 异常检测

对企业利润表、资产负债表、现金流量表进行结构化分析：自动计算同比（YoY）/ 环比（QoQ）变动，运行多维度异常检测规则（应收暴增、现金流背离利润、存货积压、毛利率突变等），输出可读报告。

能力概览

Quick Start

# 基本用法：分析 JSON 格式的财务数据
python scripts/analyze_financials.py data.json

# 输出 JSON 格式结果
python scripts/analyze_financials.py data.json --json

# 导出到文件
python scripts/analyze_financials.py data.json --output report.json

# 生成示例数据文件（用于测试）
python scripts/analyze_financials.py --sample > sample_data.json

# 自定义异常检测阈值
python scripts/analyze_financials.py data.json --ar-threshold 0.25 --ocf-ratio 0.4

输入数据格式

脚本接受 JSON 文件，格式如下：

{
  "company": "示例公司",
  "currency": "CNY",
  "unit": "万元",
  "periods": ["2023Q1","2023Q2","2023Q3","2023Q4","2024Q1","2024Q2","2024Q3","2024Q4"],
  "income_statement": {
    "revenue": [5000, 5200, 4800, 6000, 5500, 5800, 5100, 6500],
    "cost_of_revenue": [3000, 3100, 2900, 3500, 3400, 3600, 3200, 4100],
    "operating_income": [800, 850, 750, 1000, 780, 820, 700, 900],
    "net_income": [600, 650, 560, 780, 580, 620, 520, 680]
  },
  "balance_sheet": {
    "accounts_receivable": [2000, 2100, 2200, 2300, 2800, 3200, 3600, 4200],
    "inventory": [1000, 1050, 1100, 1200, 1100, 1150, 1200, 1300],
    "total_current_assets": [5000, 5200, 5400, 5800, 6000, 6500, 7000, 7500],
    "goodwill": [500, 500, 500, 500, 500, 500, 500, 500],
    "total_assets": [15000, 15500, 16000, 16500, 17000, 17500, 18000, 18500],
    "accounts_payable": [1500, 1600, 1550, 1700, 1650, 1750, 1700, 1800],
    "total_current_liabilities": [4000, 4200, 4100, 4500, 4300, 4600, 4500, 4900],
    "total_liabilities": [8000, 8200, 8400, 8600, 8800, 9000, 9200, 9500],
    "total_equity": [7000, 7300, 7600, 7900, 8200, 8500, 8800, 9000]
  },
  "cash_flow": {
    "operating_cash_flow": [700, 750, 620, 850, 300, 280, 250, 200],
    "investing_cash_flow": [-200, -180, -250, -300, -400, -350, -300, -280],
    "financing_cash_flow": [-100, -50, -80, -120, 200, 150, 100, 50],
    "capex": [180, 160, 230, 280, 380, 330, 280, 260]
  }
}

字段说明： - periods 支持季度格式（2024Q1）和年度格式（2024），脚本自动识别 - 各数组长度必须与 periods 长度一致 - 缺少的字段会跳过对应分析（不会报错） - unit 为显示单位，仅用于报告展示

参数说明

* 使用 --sample 时 input 非必填。

异常检测规则

脚本内置以下 10 项异常检测规则：

LLM 解读指引

当用户提供财报数据（PDF/图片/表格/文本）时，按以下步骤操作：

1. 数据提取：将用户提供的财报数据整理为上述 JSON 格式，保存为临时文件
2. 运行分析：调用 scripts/analyze_financials.py 执行量化分析
3. 综合解读：结合脚本输出和以下分析框架，给出中文解读

三表联动分析框架

• 利润表 → 资产负债表：收入增长是否由应收账款驱动？净利润是否转化为留存收益？
• 利润表 → 现金流量表：净利润与经营现金流是否匹配？折旧摊销是否合理回加？
• 资产负债表 → 现金流量表：资产扩张的资金来源？投资活动是否与资本开支一致？

异常信号的上下文判断

异常信号不等于"公司有问题"，需结合行业和经营背景判断： - 应收暴增在 To-B 企业年末可能是正常的季节性波动 - 高负债率在公用事业、房地产行业属行业常态 - 短期现金流为负在高成长期企业（如 SaaS）可能合理

输出建议格式

## 财报分析报告 — [公司名称]

### 核心指标速览
（关键指标表格）

### 同比/环比变动亮点
（Top 3-5 变动最大的指标及解读）

### 异常信号
（检测到的异常逐项说明，含严重程度和可能原因）

### 三表联动分析
（跨报表的逻辑验证结论）

### 总结与建议
（1-2 段综合评价）

📋 使用指南（餐饮/连锁餐饮行业适配）

一、触发方式（餐饮行业场景示例）

本技能在以下典型餐饮/连锁餐饮场景中触发：

新店投资估值：「我们计划在成都太古里开一家300平米的火锅店，帮我做个DCF估值分析」 中央厨房投资决策：「需要评估投资5000万建中央厨房的NPV和IRR，年产3000吨预制菜」 连锁品牌并购评估：「想收购一个20家门店的茶饮品牌，帮我做完整的财务尽调和估值模型」 门店盈利预测：「帮我用财务模型预测未来5年一家面馆的单店现金流，基底营业额150万/年」 供应链融资方案：「连锁快餐50家门店需要融资3000万做供应链升级，帮我分析不同融资方案的优劣」

💡 触发关键词：当用户提及"门店""连锁""餐饮""外卖""中央厨房""加盟""翻台率""客单价""食材成本""坪效"等餐饮行业术语，同时涉及财务报表分析相关任务时，应自动触发本技能。

二、异常处理与回正引导

三、反模式（餐饮场景）

以下是餐饮行业中常见的错误用法，请务必避免：

• 🚫 用电商/互联网的通用模板直接套用餐饮场景：餐饮有其独特的成本结构（食材成本30-40%、人工成本15-25%、租金8-15%），不能直接用SaaS或零售的参数。必须按餐饮行业标准调整。
• 🚫 忽视外卖与堂食的差异：外卖客单价通常低于堂食30-50%，但坪效可能更高。分析时必须拆分渠道，不能混为一谈。忽略外卖扣点（15-22%）会导致利润率严重失真。
• 🚫 单一门店数据推断全局：商圈店、社区店、商场店、交通枢纽店的财务报表分析参数差异巨大。严禁用一家门店的数据直接推广到所有门店，必须分层分析。
• 🚫 旺季数据做年度预测：用春节/国庆期间的日均营业额直接×365得出年营收，会严重高估。必须使用全年的日均翻台率、客单价等加权平均。

四、常见问题（FAQ）

Q1：这个财务报表分析工具如何适配不同规模的餐饮企业？

A：根据门店数量分档调整——10家以下（轻量版，手工+Excel即可）、10-50家（标准版，配合POS数据）、50-200家（专业版，需系统对接）、200家以上（企业版，需ERP/BI集成）。具体参数调整请参考本skill的参数说明。

Q2：餐饮行业季节性波动如何影响财务报表分析结果？

A：餐饮有明显的淡旺季（春节、暑期、国庆是旺季，3-4月、11月是淡季）。在本工具中应使用滚动12个月数据或同店同比数据来消除季节性影响，避免用单月数据做决策。

Q3：如何处理美团/饿了么等外卖平台的数据对接？

A：外卖平台数据（订单量、客单价、评分、满减活动）是餐饮分析的关键外部输入。建议通过平台商家后台导出CSV数据后导入本工具。外卖占比超过30%的门店需单独分析渠道利润。

7w4.net小葱技能站收录全网优质技能，值得收藏。

Q4：连锁餐饮加盟店与直营店在使用本工具时有何区别？

A：直营店数据可直接获取（POS+ERP），加盟店数据依赖加盟商配合。建议：1）加盟合同约定数据回传条款；2）直营店做基准对标；3）加盟店数据脱敏后做行业平均。加盟店分析需额外考虑加盟商管理费和品牌使用费。

Q5：本工具的输出结果如何与餐饮ERP/BI系统打通？

A：本工具支持CSV/JSON格式导出，可直接导入主流餐饮ERP（如哗啦啦、餐道、客如云）和BI平台（如FineBI、Power BI）。建议建立月度自动化数据管道，减少人工录入误差。

五、运行稳定性说明

📚 参考文献

以下为该领域的经典参考书籍与指南：

• 《财报就像一本故事书》— 刘顺仁
• 《手把手教你读财报》— 唐朝
• 《财务报表分析与证券估值》（Financial Statement Analysis）— Stephen Penman
• 《巴菲特教你读财报》— Mary Buffett & David Clark
• 《财务诡计》（Financial Shenanigans）— Howard Schilit

注：以上参考文献涵盖财务报表分析领域的核心方法论与行业最佳实践，建议结合餐饮行业特性选择性阅读。

这个 Skill 质量不错，能自动分析财报数据、检测财务异常，文档写得很详细还专门适配了餐饮行业场景。主要优点是功能实用、示例数据充足；不足是案例太少、错误提示不够友好。如果你是餐饮从业者用它会很顺手，其他行业用户可能需要自己调整参数。整体推荐使用，但建议先看一遍使用说明熟悉参数配置。