以前每周一一大早的"标准动作"是：打开邮箱、打开Excel、跑SQL、把数据贴到Excel里、做几张图、调格式、写分析、转PDF、写邮件内容、挨个加抄送......

这一套下来，保底两小时，遇到数据异常特殊情况的，3-5个小时就搭进去了。

更崩溃的是，每周一都是一样的套路，连改都没法改，纯硬活

现在我用AI辅助写Python把整个流程写成脚本，每周一早8点，报表自己生成、自己出图、自己整理邮件，等我到公司，点上杯瑞幸，然后过一遍数据和邮件内容就行了。

整体工作流程没有想象的复杂，今天给大家分享一下整体方案

整体方案：四个模块串成一条线

整条自动化流程，差不多四个模块：

取数：pandas读SQL/Excel/中间表，输出DataFrame

出图：matplotlib生成销售趋势、Top门店、品类分布三张图

发邮件：yagmail或smtplib发HTML邮件，附件带图片和Excel

定时：schedule库每周一8点自动触发，全程零人工

第一步：取数（pandas读数据）

我用pandas从SQL直接拉数据，示例代码：

import pandas as pd

from sqlalchemy import create_engine

# 引擎配置，按自己公司改

engine = create_engine('mysql+pymysql://user:pwd@host:3306/db')

# 每周一跑上周数据

sql = """

SELECT

    store_name,

    SUM(sales) AS total_sales,

    COUNT(DISTINCT member_id) AS member_cnt

FROM daily_sales

WHERE sale_date BETWEEN DATE_SUB(CURRENT_DATE, INTERVAL 7 DAY)

                    AND DATE_SUB(CURRENT_DATE, INTERVAL 1 DAY)

GROUP BY store_name

ORDER BY total_sales DESC

"""

df = pd.read_sql(sql, engine)

注意一个小坑：任务最好放在凌晨跑，用`DATE_SUB`比写死日期省心，跨月跨年都不会出错。

第二步：出图（matplotlib三张图）

用matplotlib生成三张关键图，存到本地临时目录：

import matplotlib.pyplot as plt

import os

# 中文字体配置（Mac/Win不一样，按你电脑改）

plt.rcParams['font.sans-serif'] = ['PingFang SC', 'Hiragino Sans GB']

plt.rcParams['axes.unicode_minus'] = False

os.makedirs('/tmp/report_img', exist_ok=True)

# 图1：门店销售Top10

top10 = df.head(10)

plt.figure(figsize=(10, 6))

plt.barh(top10['store_name'], top10['total_sales'], color='#E74C3C')

plt.title('门店销售Top10', fontsize=16)

plt.gca().invert_yaxis()

plt.tight_layout()

plt.savefig('/tmp/report_img/top10.png', dpi=120)

plt.close()

剩下两张图（趋势图、品类分布）写法一样，就是改下数据和颜色。这块代码是死的，跑一次就能复用。

第三步：发邮件（yagmail最省事）

我对比过smtplib和yagmail。yagmail就够用，比smtplib少写一半代码，附件、内嵌图片、HTML正文都一行搞定。

import yagmail

# 一次性配好（密码用QQ邮箱授权码，不是登录密码）

yag = yagmail.SMTP(

    user='your@qq.com',

    password='你的QQ邮箱授权码',  # QQ邮箱设置里生成

    host='smtp.qq.com'

)

# HTML正文

html = f"""

<h2>上周销售周报（自动生成）</h2>

<p>本周总销售额：<b>{df['total_sales'].sum():,.0f}元</b></p>

<p>活跃会员数：<b>{df['member_cnt'].sum():,}人</b></p>

<p>详见附件和图片。</p>

"""

# 发送（收件人+抄送+附件+正文，一行搞定）

yag.send(

    to=['leader@company.com'],

    cc=['me@company.com'],

    subject='【周报】上周销售数据',

    contents=[yagmail.inline('/tmp/report_img/top10.png'), html],

    attachments=['/tmp/report_img/top10.png', '/tmp/report_img/趋势.png']

)

 

几个容易踩的坑：

• 授权码不是密码：QQ/163/企业邮箱都要去后台单独开授权码

• 图片内嵌用yagmail.inline()：不然图片在收件人那边是裂的

• 抄送cc和密送bcc要分清：cc所有人可见，bcc不可见

第四步：定时（schedule最简单）

定时方案我试过三个，schedule、cron、APScheduler——个人推荐schedule，10行代码搞定：

import schedule

import time

def job():

    # 把前三步打包成一个函数

    run_full_pipeline()

# 每周一早8点跑

schedule.every().monday.at('08:00').do(job)

while True:

    schedule.run_pending()

    time.sleep(60)  # 每分钟检查一次

这个脚本扔到服务器后台跑（用`nohup python script.py &`），周一早上你还没到工位，报表已经躺在领导邮箱里了。

我自己用的时候，还多了两块活儿

基础版能节约2小时。我自己用的版本还多了两块：

多门店报表自动拆分，用`groupby('store_name')`拆分数据，每个店长只看自己店的数据，邮件正文用f-string动态插入店长名字，加个`for`循环解决。

写在最后：数据人最该先自动化什么

个人认为，最该自动化的不是分析环节，是"交付环节"。

分析再花哨，最后一公里是"让该看的人看到"。Excel再漂亮，没有触达到目标用户手上就是零。Python这玩意儿最大的价值不是帮你算数据，是把"算完数据→送到决策者手里"这条链路打通。

额外再插一嘴，现在各种AI工具已经基本成熟了，推荐使用workbuddy创建自动任务，可以帮助0编程基础的数据员，从头梳理各种卡点，它会帮你调试代码搭建自动任务，不过需要警惕的是AI出的数据结果一定要自己复核一遍，我被坑了好多次了，唉......

更多相关技术内容咨询欢迎前往并持续关注好学星城论坛了解详情。

想高效系统的学习Python编程语言，推荐大家关注一个微信公众号：Python编程学习圈。每天分享行业资讯、技术干货供大家阅读，关注即可免费领取整套Python入门到进阶的学习资料以及教程，感兴趣的小伙伴赶紧行动起来吧。