← 返回 Skills 市场
德胧P&L分析Skill
作者
Chaoliuzhu
· GitHub ↗
· v3.0.0
· MIT-0
71
总下载
0
收藏
0
当前安装
1
版本数
在 OpenClaw 中安装
/install delonix-pl-analysis
功能描述
提供酒店项目P&L全方位分析，包括损益表、投资回报、多店对标、成本异常诊断及偏差校准等功能。
使用说明 (SKILL.md)
P&L.skill — 酒店投资与经营分析工具 v3.0
版本：v3.0 · 德胧集团官方版
适用：店总自检 / 项目立项 / 经营复盘 / 竞品对标
数据源：开元名庭动态模型202603 + 集团实测数据
核心能力速查
| 能力 | 触发词 | 输出 |
|---|---|---|
| 快速P&L分析 | 「分析P&L」「本月经营分析」 | 完整损益表+关键指标 |
| 投资回报测算 | 「投资回报」「回本周期」 | IRR/NPVRR/回本周期 |
| 多店对标 | 「对标分析」「横向对比」 | 多店排名+差距分析 |
| 成本异常诊断 | 「成本预警」「成本异常」 | 超支项+改进建议 |
| 保本点分析 | 「保本点」「盈亏平衡」 | 安全边际+压力测试 |
| 敏感性分析 | 「敏感性」「压力测试」 | 多场景矩阵 |
| 偏差校准 | 「偏差分析」「实际vs预测」 | 根因溯源+参数修正 |
| 竞品SWOT | 「竞品分析」「SWOT」 | 四维分析+策略建议 |
A类 · 基础参数合规校验
通用参数校验
| 参数 | 德胧标准 | 异常阈值 |
|---|---|---|
| 物理房量 | 120间（±50%） | 超±50% |
| 单房造价 | 13.69万/间 | 超±15% |
| 物业租金 | 85元/㎡/月（含税） | 超±20% |
| 加盟费 | 60万（品牌30+技术20+保证金10） | 偏离 |
| 人房比（虫洞后） | ≤0.175 | >0.20 |
城市基准ADR
| 城市 | 基准ADR | 备注 |
|---|---|---|
| 深圳 | 630-710元 | 七大城市第一 |
| 上海 | 480元 | — |
| 广州 | 530元 | — |
| 杭州 | 330-420元 | — |
| 北京 | 580-790元 | — |
| 成都 | 450-540元 | — |
| 重庆 | 340-430元 | — |
B类 · 经营预测合理性
收入预测标准公式
年客房收入 = 365 × 房量 × OCC × ADR
RevPAR = ADR × OCC
客源收入 = Σ(渠道占比 × 渠道ADR × 已售间夜)
客源结构标准
| 渠道 | 标准占比 | ADR系数 | 佣金率 |
|---|---|---|---|
| 百达屋 | 60% | ×0.85 | 8% |
| OTA | 30% | ×0.90 | 12% |
| 线下 | 10% | ×0.70 | 3% |
C类 · 成本结构健康度
人力成本（最大单项）
| 检查项 | 标准 | 预警线 |
|---|---|---|
| 人房比 | ≤0.175 | >0.20 |
| 人力成本占营收比 | 25-35% | >40% |
| 外包比例 | ≤20% | >30% |
| 人均工资 | 5524元/月 | 超±30% |
变动成本标准（每间夜）
| 成本项 | 标准值 | 实际参考 |
|---|---|---|
| 早餐 | 19.13元 | 11-34元 |
| 易耗品 | 7.39元 | 2-17元 |
| 布草洗涤 | 9.95元 | 7-10元 |
| 能耗（高OCC） | 12-15元/㎡ | — |
| 能耗（低OCC） | 8-10元/㎡ | — |
管理费
| 费用项 | 比例 |
|---|---|
| 基本管理费 | 营收×2.7% |
| 品牌营销费 | 营收×1.8% |
| 系统使用费 | 首年4.8万，第二年起1.5万/年 |
D类 · 偏差校准分析
偏差溯源框架
实际 vs 预测偏差
└─ 收入偏差
├─ OCC拖累 → 市场/竞品/季节问题
└─ ADR拖累 → 定价/渠道结构问题
└─ 成本偏差
├─ 人力超支 → 招聘失控/薪资偏高
├─ 能耗超支 → 设备/管控问题
└─ 易耗品超支 → 浪费/管理缺失
偏差预警标准
| 类型 | 可接受 | 预警 |
|---|---|---|
| 收入偏差 | ±5% | >±10% |
| 成本偏差 | ±5% | >±10% |
| OCC偏差 | ±3pct | >±5pct |
| ADR偏差 | ±5% | >±10% |
E类 · 投资回报测算
核心指标达标线
| 指标 | 达标 | 优秀 |
|---|---|---|
| 静态回本周期 | ≤8年 | ≤5年 |
| IRR（5年） | ≥15% | ≥25% |
| GOP率 | ≥35% | ≥45% |
| EBITDA率 | ≥20% | ≥30% |
敏感性矩阵
场景 OCC ADR 年收入 净利润 回本周期
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
乐观 +5pct +10% +18% 翻倍 缩短40%
基准 85% 550元 3102万 717万 3.6年
保守 -10pct -15% -22% -45% 延长60%
极端 -20pct -25% -38% 亏损 临界点
保本公式
保本OCC = (固定成本+租金) / (ADR×房量×365×贡献边际率)
安全边际 = 实际OCC - 保本OCC
使用示例
示例1：快速分析
用户：帮我分析深圳蛇口店1月的P&L
AI：请提供1月实际数据：
- OCC：83%
- ADR：实际值？
- 总营收：203万
用户：OCC 83%，ADR 550元，收入203万
AI：分析中...
示例2：偏差诊断
用户：为什么我们1月成本超支了？
AI：对比预测vs实际：
- 成本偏差：+54%（124万 vs 预测81万）
- 主因：人力成本+92%（57万 vs 29万）
- 底薪超标：+129%
- 建议：检查1月是否新入职员工过多
示例3：多店对标
用户：对比奉化、大连、蛇口三店的效率
AI：横向对标结果：
┌────────┬──────┬──────┬──────┐
│ 门店 │ 人房比│ GOP率│ RevPAR│
├────────┼──────┼──────┼──────┤
│ 蛇口 │ 0.18 │ 36% │ 395元 │
│ 奉化 │ 0.36 │ 15% │ 120元 │
│ 大连 │ 0.48 │ -5% │ 85元 │
└────────┴──────┴──────┴──────┘
真实数据参考（来自集团财务模型）
深圳蛇口店（2026年1月实际）
- 房量：189间，OCC 83%（预测85%，偏差-2%）
- 收入：203万（预测224万，偏差-9%）
- 成本：125万（预测81万，偏差+54%）
- 人力成本：57万（预测30万，偏差+92%）⚠️
- 结论：1月成本失控，主因新员工入职+外包增加
奉化店（2025年11月-2026年1月）
- 房量：153间，淡季OCC 42-64%，ADR 206-228元
- 问题：OCC远低于基准85%，人房比0.36（标准0.175）
大连店（同期）
- 房量：166间，淡季OCC 32-43%，ADR 169-185元
- 问题：人房比0.48-0.56（严重超标），接近亏损
v3.0 · 2026-04-23 · 基于德胧实测数据 + 集团财务模型
安全使用建议
要点与建议：
- 源与版权：包作者/来源未知且文档声称包含“德胧集团真实数据”，请先确认您有权查看/使用这些数据；若不确定，避免用真实敏感财务数据进行测试。
- 本地审计：代码是可读的 Python 脚本（pl_calculator.py、chart_generator.py）；在信任前建议在隔离环境（本地虚拟环境或沙箱）运行并审查输出/日志。
- 持久化与外部通信：当前包未声明或实现网络上报或凭据访问，但设计提到“记忆/记忆层”与其他Skill集成——询问作者是否会启用持久化或联网特性，以及保存数据的位置和加密措施。
- 依赖性：图表脚本提示可选依赖 pyecharts；如果在托管环境中运行，确认依赖安装来源可信并在受控环境中执行。
- 测试流程：先用非敏感/合成数据运行演示（scripts/demo or sample_data.json），验证计算与报告符合预期，再决定是否导入真实业务数据。
- 若您需要我继续：我可以帮助逐文件逐函数检查是否存在网络请求、隐蔽数据传输或文件写入行为，或生成一个安全的运行检查清单。
功能分析
Type: OpenClaw Skill
Name: delonix-pl-analysis
Version: 3.0.0
The skill bundle is a comprehensive hotel Profit and Loss (P&L) analysis tool tailored for the Delonix Group. It contains Python scripts for financial modeling (pl_calculator.py) and ECharts visualization (chart_generator.py), supported by extensive industry benchmarks and operational templates. The instructions in SKILL.md are well-structured for a domain-specific assistant and do not contain any malicious prompt injection or unauthorized commands. No indicators of data exfiltration, persistence, or malicious execution were detected.
能力评估
Purpose & Capability
名称与描述（酒店P&L 分析）与包内资产一致：有计算器（pl_calculator.py）、图表生成器（chart_generator.py）、数据模板与详尽的模型/方法说明文档，功能实现所需的代码和样例数据均在包中。没有请求与目的不相关的云凭据或系统访问声明。唯一需要注意的是文档与引用文件声称包含“德胧集团真实数据/模型”，这可能是敏感或专有数据，用户应确认是否有权使用这些材料。
Instruction Scope
SKILL.md 指示以对话方式收集用户经营数据并输出分析报告/图表，流程与描述范围一致；没有指示读取系统配置、环境变量或将数据发送到第三方网络端点。设计文档提到“记忆/记忆学习层”和与其他Skill的集成（引用了多个Skill名），但代码库中未见实现持久化后端或网络上报逻辑——这在设计与实现上有轻微不一致，建议确认是否会在后续版本引入持久化或外部调用。
Install Mechanism
无安装规范（instruction-only + 内置脚本），脚本为纯Python，唯一外部依赖提示是可选的 pyecharts（用于可视化）；没有从不受信任的URL下载或执行远程二进制的安装步骤，包内容是本地可审计的。
Credentials
不要求任何环境变量、凭据或配置路径；脚本和文档只依赖用户输入或包内样例数据。没有发现声明需要访问外部服务密钥或系统凭据。
Persistence & Privilege
manifest flags为默认（always:false，允许用户调用、允许模型自主调用），没有申明强制常驻或修改其他技能/系统配置。但设计文档提到“记忆学习层”和“配置文件 + 记忆系统”，实际代码未显示持久化实现或写入路径——如果未来实现该功能，它会改变数据保留与隐私考虑，请在启用自动化/持久化行为前确认存储位置、保留策略与访问权限。
如何使用
- 确保已安装 OpenClaw（本地或 Docker 部署）
- 在对话框中输入安装命令：
/install delonix-pl-analysis - 安装完成后，直接呼叫该 Skill 的名称或使用
/delonix-pl-analysis触发 - 根据 Skill 的参数说明提供必要输入，即可获得结构化输出
版本历史
v3.0.0
v3.0 德胧官方版 · 五维分析体系 · 支持投资回报/多店对标/成本诊断/偏差校准
元数据
常见问题
德胧P&L分析Skill 是什么？
提供酒店项目P&L全方位分析，包括损益表、投资回报、多店对标、成本异常诊断及偏差校准等功能。 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件，目前累计下载 71 次。
如何安装 德胧P&L分析Skill？
在 OpenClaw 或 Claude Code 对话框中运行命令「/install delonix-pl-analysis」即可一键安装，无需额外配置。
德胧P&L分析Skill 是免费的吗？
是的，德胧P&L分析Skill 完全免费，采用 MIT-0 许可证，可自由下载、安装和使用。
德胧P&L分析Skill 支持哪些平台？
德胧P&L分析Skill 跨平台运行，可在任意部署了 OpenClaw / Claude Code 的环境中使用（cross-platform）。
谁开发了 德胧P&L分析Skill？
由 Chaoliuzhu（@chaoliuzhu）开发并维护，当前版本 v3.0.0。
推荐 Skills