月底对账、两边导出的人数或金额对不上，最容易犯的错是直接开两个窗口一行行瞪。这篇按「先统一口径、再粗筛、最后逐条定位」的顺序，给一套不依赖高级技巧也能走完的比对流程，附带差异类型的判断清单，以及什么情况下这套方法不管用。
月底对账、两边导出的人数或金额对不上，最容易犯的错是直接开两个窗口一行行瞪。这种比对方式在几十行以内还能忍，上百行就开始漏，上千行基本等于没比。真正省时间的做法是换顺序：先把两张表的口径对齐，再用排序和计数粗筛缩小范围，最后才逐条定位差异行。这套流程不依赖高级技巧，会用排序和基础函数就能走完。
下面按「先统一口径、再粗筛、最后逐条定位」拆成四步，每一步都给出可以立刻上手做的动作和验证方式，最后补充差异类型的判断清单，以及什么情况下这套方法不管用、该换别的思路。
先别急着比，把两张表的「口径」对齐
两张表数据不一样，很大一部分原因不是数据错了，而是它们根本不是一回事。比如一边的行是订单、另一边是客户，一边的金额含税、另一边不含税，一边日期取的是下单日、另一边取的是结算日。口径不同，差异永远对不上，越比越乱。所以动手比对之前，先花几分钟把两表在看的是不是同一个东西这件事确认清楚。
- 确认两表比的是同一维度：行代表订单还是客户、列代表含税还是不含税、日期取的是下单日还是结算日，口径不同则差异永远对不上
- 统一三项格式：文本型数字与数值型、前后空格与全半角、日期写法，格式不一致会让本来相同的值被判为不同
- 把多余的合计行、小计行、合并单元格去掉，只留明细区，否则排序和匹配都会错位
- 对齐之后如果行数不一致，先判断是哪边多了少了，这本身往往就是差异的线索
格式统一最容易被跳过，但它是假差异的最大来源。文本型数字和数值型数字在表里看起来一模一样，排序和匹配时却完全不同；带前后空格的名称，肉眼看不出，匹配时直接判为不相等。处理完这几项再往下走，能省掉后面一大半无效排查。
粗筛：先缩小范围，别一上来就逐行看
口径对齐后，先做粗筛，目标是快速判断差异是条数问题还是金额问题，以及大致集中在哪个范围。这一步不需要精确到具体哪一行，只需要把可疑区间压到几十行以内，后面逐条定位才快得起来。
| 对比项 | 怎么看 | 说明什么 |
|---|---|---|
| 行数 | 两表明细区各有多少行 | 差得少可能是漏删或新增，差得多多半是筛选条件不同 |
| 关键字段唯一值个数 | 对同一关键字段去重后计数 | 数量不同说明有一边多了或少了一类记录 |
| 金额合计 | 两列各自求和后对比 | 合计相同但逐行不同，说明是内部串行，不是漏记 |
| 来源标记 | 两表各加一列标明来自哪边 | 合并排序后一眼看出哪些行只出现在一边 |
- 统一排序两表按同一个关键字段、同一套升降序规则排序，肉眼扫一遍就能看出哪几段对不上，比随机翻页快得多。
- 统计出现次数用计数类函数统计关键字段在两表各出现几次，出现次数的差别通常比金额差别更好定位问题，比如一边出现两次说明有重复记录。
- 合并看来源给两表各加一列来源标记，粘贴到同一张表后再排序，只出现在一边的行会自然聚集，这就是候选差异集合。
逐条定位：用匹配和条件格式把差在哪一行标出来
粗筛把范围压小之后，才进入逐条定位。这一步的核心思路是给每一行建立可匹配的标识，然后让工具告诉你哪一行匹配不上，而不是自己一行行核对。常用的两个手段是查找类函数和条件格式。
- 用查找类函数把 A 表的关键字段拿到 B 表里找，返回不到值的行就是「只在 A 表出现」，反向再做一遍
- 用条件格式对同一列做高亮，两边各自高亮后并排看，颜色不一致的位置就是候选差异点
- 多字段差异时，把几个字段拼接成一个比对键再匹配，避免因为单个字段重名造成误判
- 金额类差异先看是不是四舍五入或单位（元/万元）不一致，这类「假差异」占比不低
定位到差异行之后，不要急着改数，先记录差异类型：是缺行、重复行、数值不同，还是格式导致的假差异。把这个分类记下来，下次遇到同类问题可以直接跳到对应步骤。真要核对具体业务数字，可以到 /price-watch 看当时的记录口径，确认两边取数时间是否一致。
什么情况下这套办法不好使
这套流程对结构规整、有唯一键的表很有效，但有几类场景硬套会浪费时间，早点识别反而更好。下面这些情况出现时，先补前置条件，别硬比。
- 数据量大且没有唯一键时，人和公式都很难稳定匹配，这时该先补一个可用的主键，比如「单号+日期」，而不是硬比
- 两边字段名完全不同、还需要业务判断才知道是不是同一件事时，先让出表方说明字段含义，纯技术比对无解
- 存在一对多关系（一个订单多条明细）时，直接按行匹配会误报，要先按订单号聚合到同一粒度再比
- 表里有大量手工修改且没有留痕，差异来源查不到，只能以一方为准并记录差异原因，别指望百分百还原
还有一种容易被忽略的情况：两边数据本身没问题，但导出时用了不同的筛选条件或不同的时间范围。这种差异在表里看不出来，只能回去核对导出条件。遇到怎么比都对不上的时候，先怀疑这一点。
把这些动作交给助手或问数工具时，怎么用才靠谱
现在不少人会把比对交给助手或问数工具，确实能省事，但前提是你把口径讲清楚。工具不知道你的业务规则，它只会照着字段名做匹配，口径说不明白，它给出的差异清单可能全是你自己定义不同造成的。
- 可以让助手帮你写匹配键、生成差异列的公式，但比对口径的解释权仍要留在自己手里
- 用自然语言问数之前，先把两表的字段含义说清楚，否则它给出的差异清单可能只是口径不同造成的
- 涉及人名、工资、客户名单这类内容，先按站内办公数据边界的要求脱敏再交出去，别整表上传
- 助手给出的结论要抽几条回原表核对，尤其是它标为「相同」的部分，漏报比误报更难发现
如果你用的是中转站或第三方工具来处理这些表，选之前先确认它的数据留存规则，可以参考 /sites 里的可信度检测结果，以及 /tools/speed-test 测一下延迟，别把整表数据交给没核实过的服务。
下一步把上面这套顺序存下来，下次对账直接照着走；需要确认数据口径或工具可信度时，去站内对应页面核对当时的说明再动手。→常见问题
两张表行数一样，但合计对不上，从哪查起？
先确认合计的取数范围是否一致，比如是否都排除了作废记录和测试单。再看有没有四舍五入或单位差异。都排除后，把两表按同一关键字段排序，逐段比对该字段的计数，差异通常集中在一两段里，比逐行看快很多。
没有唯一编号的两张表怎么比？
先自己拼一个比对键，比如姓名加日期加金额，或手机号加订单号，能拼出来就按这个键匹配。拼不出稳定键、又存在重名或一对多关系时，建议退回源头补字段，硬比只会产出大量假差异。
能不能把两张表直接丢给 AI 让它找出不同？
可以，但前提是字段含义要说清、口径先对齐，而且涉及个人信息的部分要先脱敏。它给的结果要抽几条回原表验证，尤其是「相同」的部分。表格结构复杂时，让它先写比对步骤再执行，比直接要结论更可靠。
