数据分析

data-analysis-hub-fr

面向决策的数据分析助手,提供统计严谨性、假设检验、A/B测试与陷阱识别的免费核心能力。Use when 需要数据分析、报表生成、统计洞察、数据可视化时使用。不适用于实时流数据处理。适用于独立开发者、企业团队和自动化工作流场景。支持中文交互，无需复杂配置即开即用。输出结果可直接使用，减少二次加工成本。功能涵盖: toolkit。

它能做什么

技能文档

核心功能: 本技能提供中文交互、化工作流场景等能力。

数据分析中枢免费版

一、概述

数据分析不是算术,而是服务于业务决策的严谨过程。本免费版面向产品经理、运营人员与初级数据分析师,提供"决策优先、统计严谨"的核心方法论,帮助用户在海量数据中识别真正可驱动行动的洞察。

免费版聚焦于分析流程的方法论纪律与陷阱识别,适合小规模数据集与单次分析任务,无需复杂环境配置即可上手。

核心能力

2.1 决策优先框架

在动手分析前,先回答四个关键问题:

序号	关键问题	作用
1	这次分析服务于哪个决策?	避免为分析而分析
2	什么样的结果会改变我的判断?	暴露伪需求
3	实际拥有的数据是什么,理想数据是什么?	识别数据缺口
4	哪个时间窗口与决策相关?	避免历史数据噪音

输出: 返回1 决策优先框架的执行结果,包含操作状态和输出数据。

2.2 统计严谨性检查清单

样本量是否充足?(小样本会导致置信区间过宽)
对照组是否公平?(相同时间窗口、相似条件)
是否存在多重比较?(20 次检验平均会有 1 次"显著"的偶然结果)
效应量是否有意义?(统计显著不等于业务重要)
不确定性是否量化?(12-18% 提升 而非 15% 提升)

输出: 返回2 统计严谨性检查清单的执行结果,包含操作状态和输出数据。

2.3 分析陷阱识别表

陷阱	表现	规避方式
辛普森悖论	分组后趋势反转	必须按关键维度拆分检查
幸存者偏差	只分析当前活跃用户	纳入流失/失败样本
周期不可比	2 月(28 天)与 3 月(31 天)直接对比	按天归一化或同长度窗口
p-hacking	反复检验直到显著	预注册假设或做多重比较校正
时间序列伪相关	两个指标同涨即认为相关	控制时间变量后验证
百分比平均	直接对百分比取算术均值	从底层总量重新计算

输出: 返回3 分析陷阱识别表的执行结果,包含操作状态和输出数据。

2.4 方法选择器

问题类型	推荐方法	关键产出
X 与 Y 是否有差异?	假设检验	p 值 + 效应量 + 置信区间
什么因素预测 Z?	回归/相关分析	系数 + R² + 残差检查
用户行为如何随时间变化?	队列分析	按队列的留存曲线
这些群体是否不同?	分群分析	用户画像 + 统计对比
哪些是异常值?	异常检测	标记点 + 上下文

输出: 返回4 方法选择器的执行结果,包含操作状态和输出数据。

2.5 输出标准

洞察先行:先给出业务结论,再补充方法论
量化不确定性:必须给区间,不给点估计
声明局限:明确本次分析不能回答什么
推荐下一步:说明什么动作能强化结论

输出: 返回5 输出标准的执行结果,包含操作状态和输出数据。 能力覆盖范围：本skill的核心能力覆盖以下场景关键词：面向决策的数据分、析助手、提供统计严谨性、测试与陷阱识别的、免费核心能力、数据分析中枢免费、版面向产品经理、运营与初级数据分、提供从数据到决策、的完整方法论支撑、核心能力、方法论优先的决策、分析框架、分析服务于哪个决、覆盖样本量、对照公平性、多重比较等核心要、常见分析陷阱识别、自动提示辛普森悖、等问题、队列分析的方法选、择器与输出标准等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持。

适用场景

角色	典型场景	输出形态
产品经理	A/B 测试结论判定	显著性 + 效应量 + 决策建议
运营专员	周度留存异动归因	拆解维度 + 假设清单
数据分析师	月度业务复盘报告	趋势 + 异常 + 改进方向

不适用场景

以下场景数据分析中枢(免费版)不适合处理：

实时流数据处理
小规模数据手动分析
非结构化文本情感分析

触发条件

需要数据分析、报表生成、统计洞察、数据可视化时使用。不适用于非本工具能力范围的需求。

使用流程

阅读## 核心能力章节了解skill功能
按## 依赖说明配置环境
执行所需能力对应的命令
参考## 错误处理章节处理异常
查看## FAQ解答常见疑问

预计上手时间:< 60 秒。

直接以自然语言向 Agent 描述分析任务即可,以下为可复制模板:

我是产品经理,刚收到 A/B 测试结果。
实验组 10000 人转化率 5.2%,对照组 9980 人转化率 4.7%。
请按统计严谨性检查清单给出结论,并明确是否值得全量发布。

Agent 会自动套用决策优先框架,输出包含效应量、置信区间与决策建议的结构化结论。

示例

5.1 输入数据格式

数据可通过 CSV、Excel、JSON 或直接对话形式提供,无需额外配置。

请分析这份数据:
- 来源: monthly_sales.csv
- 字段: date, region, product, sales, units
- 关注问题: 华东 vs 华南的销售额是否有显著差异

5.2 与外部数据源配合

免费版支持以下数据源(需用户提供连接信息):

本地 CSV/Excel/JSON 文件
SQLite 数据库文件
通过 Python pandas 读取的任意数据源

六、优选实践

先决策后分析:每次分析开始前,先明确"决策是什么"
样本量预估:实验启动前估算最小可检测效应(MDE)
多维拆分:任何总体结论都要按关键维度拆分复核
结果复核:让另一个 Analyst 角色审阅结论与逻辑
历史对照:与去年同期、上月环比同时呈现,避免单点误导

常见问题

Q1: 免费版能处理多大的数据集?

A: 推荐用于 100 万行以内的数据集。更大规模数据建议使用专业版的批处理与增量更新能力。

Q2: 免费版支持哪些统计方法?

A: 免费版覆盖描述统计、假设检验、相关分析、队列分析、A/B 测试等核心方法,足以应对日常分析需求。

Q3: 为什么强调"决策导向"?

A: 没有决策的分析只是算术。明确决策目标可以避免"做了一堆图表但没结论"的常见困境。

Q4: 如何处理多重比较问题?

A: 免费版会自动提示多重比较风险。专业版支持 Bonferroni、BH 校正等自动化处理。

Q5: 输出可以导出为报告吗?

A: 免费版提供 Markdown 格式的结构化结论,可直接复制使用。专业版支持 HTML/PDF 报告模板与定时任务。

已知限制

本免费体验版限制以下高级功能:

禁用批量处理(单次分析条数上限 100 万行)
禁用高级缓存策略与结果复用
禁用自定义报告模板与品牌化输出
禁用定时任务与告警通知
禁用 Bonferroni/BH 等多重比较自动化校正
禁用多角色协同审阅与版本对比

解锁全部功能请使用专业版:data-analysis-hub-pro

当前为免费版本,如需完整功能请升级到付费版获取全部能力

依赖说明

运行环境

Agent 平台: 任意支持 SKILL.md 的 AI Agent( Code / Cursor / Codex / CLI 等)
操作系统: Windows / macOS / Linux
Python: 3.8+(可选,用于复杂数据计算)

第三方依赖

依赖项	类型	是否必需	获取方式
LLM API	API	必需	由 Agent 内置 LLM 提供
pandas	Python 库	可选	`pip install pandas`
numpy	Python 库	可选	`pip install numpy`
scipy	Python 库	可选	`pip install scipy`(假设检验需要)
statsmodels	Python 库	可选	`pip install statsmodels`(高级统计需要)

API Key 配置

本 Skill 基于自然语言指令,无需额外 API Key
如对接外部数据源,需用户自行提供对应的连接凭证,请通过环境变量传入,禁止在对话或脚本中明文硬编码

可用性分类

分类: MD+execute(纯 Markdown 指令,部分功能需要 exec 命令行执行能力)
说明: 基于自然语言驱动的 AI Skill,通过方法论纪律与陷阱识别保障分析质量

错误处理

错误场景	原因	处理方式
配置错误	参数缺失或格式错误	检查依赖说明中的配置要求
运行时错误	运行环境不满足	确认运行环境符合依赖说明
网络错误	连接超时或不可达	执行ping命令测试网络连通性,检查防火墙和代理设置连接后执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令，参考国内替代方案

安全注意事项

风险类型	防范措施
API密钥泄露	通过环境变量配置，禁止硬编码到代码或配置文件中
命令执行风险	仅执行白名单命令，避免拼接用户输入到命令行参数中
网络通信安全	使用HTTPS协议，验证SSL证书有效性
敏感数据暴露	输出结果中不包含密钥、令牌等敏感信息

使用前请确认已阅读依赖说明章节，确保运行环境满足安全要求。

核心功能

自动化执行: 基于指令驱动的自动化流程
文件处理: 支持多种文件格式的读取、解析和写入操作
API集成: 通过标准化接口调用外部服务并处理响应
命令执行: 在安全沙箱中执行系统命令并收集结果