skills/dameng-salary/references/revenue_methodology.md

营收归口规则

数据来源

每月营收分析 xlsx：大梦可能实验室_N月营收分析_西湖店vs滨江店.xlsx

关键 sheet：

• 总览：当月概况
• 部门收入：部门 × (POS + 团购套餐) 分布 → 取「含团购套餐合计」 → 部门业绩
• 班次营收：白班/晚班分布 → 取「顾客实付」列 → 班次业绩
• 订单/菜品/团购明细 sheets：原始数据

此 xlsx 通常已由用户预先生成，本 SKILL 直接读取既有数据。

部门归口（来自 分析方法.md）

西湖店

部门	一级分类
厨房	小吃 / 主食 / brunch / 零食
咖啡	咖啡 / 甜品 / 茶饮Tea / 软饮（可尔必思+海盐荔枝）
精酿	精酿 / 精酿 老菜单
调酒	鸡尾酒 / 纯饮 / 软饮分类的其他

滨江店

部门	一级分类
厨房	肉肉肉 / 小吃 / 主食 / brunch
咖啡	咖啡 / 甜品点心 / 茶饮tea / 无咖无醇（排除无醇鸡尾酒）
精酿	精酿 / 瓶罐精酿 / 精酿 老菜单（已废弃）
调酒	鸡尾酒 / 纯饮酒 / 无醇鸡尾酒

实际菜品库的一级分类名带空格/版本号等小差异，compute_cross.py 已做容错。

部门×班次业绩（交叉项）

营收分析 xlsx 默认不计算店×部门×班次三维交叉。要算这个值：

1. 从 店内订单明细 xlsx 的菜品明细 sheet 取每菜每单的 菜品收入
2. 从 全渠道订单明细 xlsx 取每单的 餐段（白/晚班）
3. 从 菜品库 xlsx 取每菜的 基础分类（一级/二级）
4. join → 按 (店, 餐段, 部门) 聚合
5. 因为菜品名匹配率 ≈ 95%（前缀编号差异），用比例校正：

   scale_factor = 权威部门业绩(含团购) / raw部门小计
   

由 compute_cross.py 自动完成。

4 月数据（仅供回溯校验）

部门	滨江总（含团购）	西湖总（含团购）
厨房	37,182.12	51,738.90
咖啡	16,537.69	31,407.47
精酿	56,939.31	83,995.44
调酒	41,618.84	58,680.70

班次	滨江	西湖
白班	23,485.29	51,017.66
晚班	130,345.80	173,628.80

部门业绩特殊规则

• 前厅运营 不产生菜品收入 → 部门业绩 = 0
  • 例外：朱秋风 2026/4 改归"精酿"部门后，部门业绩 = 滨江精酿值
• 保洁 不产生菜品收入 → 不写入 V2

班次业绩特殊规则

团队主要在厨房后场工作，与营收班次解耦

• 滨江厨房团队（刘润祥/叶磊/尹志艳）：班次业绩 = 0，部门×班次 = 0
• 中班（尹志艳）：班次业绩 = 0，部门×班次 = 0
• 早班（如有）：参考晚班/白班归口