数据处理型 workflow
适合读取、清洗、变换、分析、同步和导出。
数据处理型 workflow 的价值，不只是“自动跑一遍”，而是把数据从原始形态稳定变成可交付形态。
最典型的主干结构
- Input / source
- Read capability
- Data operation
- Analysis / spreadsheet / table write
- Review
- Delivery
推荐节点顺序
| 步骤 | 推荐节点 | 作用 |
|---|---|---|
| 来源定义 | Goal / input | 定义数据源、字段、时间范围、输出要求 |
| 数据读取 | table.read / spreadsheet / connection capability | 读入表格或结构化数据 |
| 数据变换 | Data operation | 清洗、抽字段、去重、映射、排序 |
| 分析或写回 | analysis / spreadsheet / table.write | 生成分析结果，或写回外部表格 |
| 人工确认 | Review / Approval | 尤其在写回外部系统前确认 |
| 交付输出 | Delivery | 导出报告、工作簿、dashboard 或结果包 |
什么时候必须放 review 或 approval
只读分析场景里，review 可以偏后置。
但只要涉及：
- 写回 Google Sheets / 外部表格；
- 覆盖已有字段；
- 批量更新业务数据；
- 把分析结果直接对外发送；
就应该在写回或发送前放 review / approval。
最常见的错误搭法
- 读完数据就直接写回，没有中间整形；
- 把字段解释、清洗规则和写回逻辑混成一个节点；
- 分析结果还没确认，就直接同步到下游系统。
更好的使用方法
- 读、洗、算、写四层尽量分开；
- data operation 不要省，它是这类 workflow 的稳定器；
- 如果最后目标是分析结论，优先先把结构洗干净；
- 如果最后目标是同步，优先先把字段映射做清楚。
想直接照着搭
如果你想从空白画布开始照着做一遍，可以继续看：
适用示例
- 客服工单整理后同步状态
- 订单数据清洗并生成日报
- 外部表格读取后转成分析报告
截图占位
后续建议补 2 张图：数据处理型 workflow 主干、data operation 前后字段形状变化示意。