数据分析助手

要解决什么问题

业务里常见的情况是：表已经导出成 CSV 或 JSON，但汇报仍停留在「列很多、图很多、结论很少」。决策者需要知道现状、关键问题和下一步动作，而不是再被追问「这个数怎么算的」。

本技能把目标写死为 数据 → 洞察 → 行动：反对只堆指标和炫图表，报告是否合格，看读完后能否直接做决策。

它如何工作

流程按五个阶段推进，并配套决策表选维度、图表和详略：

1. 数据理解：扫描规模、字段类型与含义、时间范围、主键、缺失与重复；用质量维度（缺失率、重复率、异常占比等）给出合格/警告/危险判断。可配合 scripts/analyze.py --overview。
2. 统计分析：数值字段做分布与相关；类别字段做频次与占比；输出可引用的统计摘要。
3. 趋势识别：对时间序列做长期趋势、周期、突变与季节性；按场景选环比、同比、周环比或日环比，并用统一措辞解读幅度（如「稳步增长」「明显下降」）。
4. 异常检测：结合 IQR、Z 分数、滑动窗口、同比等方法标记异常，区分数据错误、业务事件、系统故障等，并在报告中说明处置方式。
5. 报告生成：按场景选模板（销售、用户行为、运营周报、财务月报、A/B 测试等），骨架含概览、质量、核心指标、趋势、异常与建议；生成前走质量自检清单（不臆造数据、标注样本量与显著性、相关≠因果）。

辅助脚本支持 --stats、--trend、--anomalies、--corr、--report 等；输入可为 CSV（自动分隔符）、JSON 数组或 JSONL。

适用边界

• 不臆造、不改源数据：未出现在数据中的结论不能写；剔除异常须说明。
• 小样本、高缺失字段、多源合并口径不一致时，应降级分析或明确限制（文档中对小样本、缺失 >30% 字段等有专门规则）。
• A/B 与因果类结论需检查样本量、分流均衡与显著性，避免只报 p 值不报业务含义。