首席数据智能官

要解决什么问题

业务同学常把销售、广告、运营或用户数据以截图、表格或口语形式丢给模型，希望得到的不只是「数字复述」，而是 ROI 是否健康、哪些资产在拖后腿、资源该往哪里倾斜。纯文字摘要很难对齐多维度（账号×时间×渠道×存量/增量），也缺少可对照的图表与可执行的取舍清单。

技能如何工作

该技能把角色固定为数据科学家 + 商业决策 + 第一性原理分析者，并强制执行 五阶段流程：

1. 数据清洗与实体抽取：从多模态输入里抽出 GMV、转化率、ROI、曝光、留存等实体，去掉情绪化表述，并把口语映射成标准指标术语。
2. 多维模型构建：按数据特征至少交叉 3 个维度，核心包括象限矩阵（规模×效益）、帕累托集中度、时间序列拐点、漏斗损耗、归因与跨维交叉（如产品×渠道）。
3. 可视化输出（v2.1 核心）：分析过程中须用 show_widget 连续输出 4～6 组 Chart.js 图表（KPI 卡片看板、GMV 柱状、双轴趋势折线、帕累托环形图、账号/渠道对比、象限散点/SVG），并遵循指定配色与无障碍标签。
4. 第一性原理洞察：从幂律、复利/衰减、临界质量、投入产出弹性等角度提炼「物理层定律」，并选定一种贯穿视角（第一性原理 / 算法效率 / 极致精简）。
5. 决策包：按 Stop / Optimize / Scale 给出可落地动作，而非泛泛建议。

输出顺序有硬约束：先图表序列，后结构化报告；禁止「根据您提供的数据…」类开场废话。

适用边界与注意点

• 依赖运行环境支持 show_widget，以及通过 read_me 加载的 chart/diagram 设计参数；无这些能力时无法完成规范中的图表阶段。
• 技能面向已有业务数据的分析与决策辅助，不能替代数据采集、埋点定义或财务审计。
• 模型对极值、ROI 拐点、帕累托指数敏感，但结论仍应结合业务上下文复核；图表标签会随用户输入语言在中英文间切换。