Skill flagged — suspicious patterns detected

ClawHub Security flagged this skill as suspicious. Review the scan results before using.

德胧P&L分析Skill

v3.0.0

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。

0· 67·0 current·0 all-time

Install

OpenClaw Prompt Flow

Install with OpenClaw

Best for remote or guided setup. Copy the exact prompt, then paste it into OpenClaw for chaoliuzhu/delonix-pl-analysis.

Previewing Install & Setup.
Prompt PreviewInstall & Setup
Install the skill "德胧P&L分析Skill" (chaoliuzhu/delonix-pl-analysis) from ClawHub.
Skill page: https://clawhub.ai/chaoliuzhu/delonix-pl-analysis
Keep the work scoped to this skill only.
After install, inspect the skill metadata and help me finish setup.
Use only the metadata you can verify from ClawHub; do not invent missing requirements.
Ask before making any broader environment changes.

Command Line

CLI Commands

Use the direct CLI path if you want to install manually and keep every step visible.

OpenClaw CLI

Bare skill slug

openclaw skills install delonix-pl-analysis

ClawHub CLI

Package manager switcher

npx clawhub@latest install delonix-pl-analysis
Security Scan
VirusTotalVirusTotal
Benign
View report →
OpenClawOpenClaw
Suspicious
medium confidence
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。
What to consider before installing
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。

Like a lobster shell, security has layers — review code before you run it.

latestvk97c5kbwz5qtq5avxhn1wnkhk985cwam
67downloads
0stars
1versions
Updated 4d ago
v3.0.0
MIT-0

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%×0.858%
OTA30%×0.9012%
线下10%×0.703%

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

Comments

Loading comments...