客服坐席绩效核算（Excel版）

通过Python脚本读取Excel数据和规则文件，转换为文本后由大模型解析字段、应用加权和阶梯规则，完成所有坐席的得分计算与排名。

Quick Start

1. 准备客服绩效数据文件（支持 .xlsx、.xls、.md、.txt、.csv 格式）
2. 准备评分规则文件（支持 .xlsx、.xls、.md、.txt、.csv 格式）
3. 使用 scripts/read_file.py 脚本读取文件转为文本格式
4. 将转换后的文本数据和规则文本输入进行核算

资源

• scripts/read_file.py - 读取Excel、Markdown、文本、CSV文件并转换为文本格式

When to Use

• 客服团队月度/季度绩效评估
• 坐席排名分析与梯队划分
• 生成绩效诊断报告
• 评估客服服务质量
• 直接使用Excel文件作为数据源的场景

Workflow

1. 读取文件数据：使用 scripts/read_file.py 将Excel/Markdown/CSV文件转换为文本格式
2. 规则理解：仔细阅读规则文本，提取出需要计算的指标名称、计算公式、阶梯条件、权重以及正反向（例如：工作量是否为线性，出错率是否为反向扣分）。
3. 数据解析：读取数据文本中的每一行，识别主键（如工号、姓名）。若有缺失值，默认视为 0。
4. 执行计算（核心）：
   • 严格按照规则文件中的每一条规则执行计算，维度名称、权重、计分方式完全由规则文件决定。
   • 识别每条规则的阶梯条件（分段阈值）和正反向属性（加分/减分）。
   • 若数据中缺少规则引用的字段，将该指标得分记为 0，不阻断后续计算。
   • 绩效总分 = 各项指标得分之和。
5. 排名：
   • 根据绩效总分由高到低对所有坐席进行降序排名。
6. 输出结果：生成最终的计算结果表格以及诊断简报。

规则处理原则

• 必须逐行核算：不能遗漏任何一个提供在数据源中的坐席。
• 数学严谨性：确保加减乘除计算精确，注意除数不能为0。
• 排名口径：分数相同时并列排名。
• 阶梯规则优先：如果规则中存在阶梯分段（如：接起率>95%得10分，90%-95%得8分），必须优先根据阶梯匹配得分。

输出要求

请提供结构清晰的回答，必须包含以下两部分：

1. 📊 最终核算结果表

（请使用 Markdown 表格输出，列名需包含：主键/姓名、[各项指标得分]、总分、排名）

2. 📝 绩效诊断简报

（输出一段 Markdown 诊断摘要，包含 Top 3 优秀坐席表扬、Bottom 3 需要关注的坐席，以及基于数据的简要管理建议）

安全与数据规范

• 数据脱敏：上传数据前建议去除真实姓名/工号等敏感信息，或使用示例数据测试。
• 文件大小：建议单个文件不超过 10MB，避免内存溢出。
• Python 依赖：scripts/read_file.py 依赖 pandas、openpyxl，安装命令：pip install pandas openpyxl

约束

• 文件读取：优先使用 scripts/read_file.py 脚本读取文件，确保数据格式统一。
• 不编写任何代码：你必须直接输出计算结果。
• 结果导向：不要长篇大论地展示每个人的中间计算过程，直接输出最终表格。