全流程数据分析

这类问题为什么烦

真实项目里的数据很少是「查一条 SQL 就完事」。常见情况是：源在数据库、REST API 和 CSV/Excel 里各占一块；字段类型不一致、空值和重复混在一起；业务方要的是「和上季度比怎么样」，研发则要可加载、可校验的管道。若每一步都临时写脚本，变换逻辑不落文档、分析不可复现，后面很难回答「这个数字怎么来的」。

技能如何组织整条链路

本技能把数据工作拆成可对照的模块：查询与抽取（SQL、API、多源合并）、清洗与变换（空值、去重、规范化、关联）、分析与统计（EDA、假设检验、归纳发现）、可视化与汇报（图表类型匹配、导出 PNG/SVG/HTML）、质量与校验（范围检查、异常与漂移）。

典型交互方式包括：

• 查询生成：用自然语言描述需求 → 生成带 JOIN/过滤/聚合的查询，并说明执行思路或返回结果。
• 清洗：加载脏数据 → 识别空值、重复、离群与格式问题 → 在预览样本变更后再应用修复并记录每一步。
• 探索分析：输出分布、相关性与描述统计，标出异常与值得跟进的模式。
• 例行报表：一次定义指标与图表 → 按周期重跑并附要点摘要。

技能还按角色区分侧重点（分析师、工程、业务、研究、开发），见 patterns.md 中的工作流；并硬性要求：分析前校验类型与取值范围、缺失值策略需写明、统计检验先核对假设、输出带种子/版本/时间戳。

适用边界

它擅长对话驱动的分析与管道草稿，不是替代你已上线的调度系统或数仓治理平台。涉及生产写库、权限与合规时，仍需你在环境里确认连接与变更审批；对超大表或复杂 OLAP，应结合现有引擎与分区策略，而不是默认一次拉全量。