技能介绍

图表不会报错，但不代表它没说假话

实际的数据分析工作里，可视化环节很少卡在"画不出来"，更多是画出来之后被误读。纵轴不从零点起步，本来只有 3% 的差距在图上看起来像翻了一倍；双轴图让两条曲线看起来高度同步，实际量纲完全不同；饼图切到十几瓣之后每一片都接近噪声；配色对比度不足，在投影和夜间模式下直接糊成一片；同比与环比混用却共用一套刻度。这些缺陷不会导致脚本报错，但会让看图的人做出错误判断。它们属于易读性与误导风险问题，而不是语法问题。

另一类麻烦在工程侧：绘图配置长期靠复制粘贴，命名和结构越来越乱；缺少校验，直到数据源字段变动之后才发现整张图渲染为空。

技能如何工作

这个技能面向 data-analysis 方向下的可视化最佳实践任务，在你提到相关主题时自动激活。主流程是四步：

步骤式引导：不直接甩代码，而是按任务拆出可执行步骤，说明每一步做什么、为什么这样做。
遵循行业模式：按通行的可视化最佳实践给出建议——轴与刻度起点、图例与标签位置、分类色板、堆叠与分组的选择等，而不是凭感觉调参数。
生成生产可用的产物：输出可直接落地的绘图代码与配置，不是伪代码片段。
按通用标准校验：对生成结果做一致性检查并返回校验结果，而不是默认它"看起来没问题"。

最终交付三部分：可用的代码或配置、最佳实践建议、校验结果。它所属的 Data Analytics 分类同时覆盖 sql queries、statistical analysis 与 business intelligence，所以上游取数和下游统计建议可以接得上。

适用边界与注意点

先要有环境：需要预先准备好可用的开发环境、必要的工具与服务授权，以及基本的数据分析概念。否则会正好落在三类典型错误里：配置校验失败（必填字段缺失）、找不到工具（依赖没装）、权限不足（凭证无效）。
它校验模式，不替你做业务判断：把误导风险压到最低，和判断"这张图该讲什么故事"是两件事。刻度、色板、图例它可以盯，结论是否站得住仍需人复核。
对脏输入敏感：如果上游查询返回异常（维度缺失、时间序列断裂），再符合规范的配置也会画出误导性结果。建议先用同分类下的 SQL 与统计分析技能把数据层检查干净。
输出是起点而非终稿：生成的配置接入生产前仍需团队评审，尤其是面向外部发布或作为决策依据的看板。