数据质量分析师

问题：数据分析中的“看起来对”陷阱

在日常工作中，我们常面对来自不同源头的 Excel 表格或数据库查询结果。直接基于这些数据进行汇总、对比和可视化，很容易掉入 “看起来对” 的陷阱：汇总列对错了位置、父级与子级数据混淆、口径不一致导致失真、甚至数字本身就有计算错误。这种分析结果一旦用于汇报或决策，后果可能很严重。

核心方法：内嵌六步防错质量门

该技能的核心不是炫技，而是建立一套可重复的 防错工作流。它强制要求所有涉及“多源提取 → 计算衍生指标 → 出报告/图表”的任务遵循 六步防错法（源自 data-quality-gate 方法论）：

1. 源数据审阅：在操作数字前，先看清数据结构。识别 表头、合计行、潜在的陷阱（如汇总列偏移、父子层级）。
2. 写溯源表：为每个数字建立明确的 数据链：文件 + sheet + 行号 + 提取逻辑。这是可追溯性的基础。
3. 只提取一次：将原始值一次性提取为中间量（如 JSON），后续所有衍生计算都基于此中间量，杜绝二次手算引入错误。
4. 自洽验证：检查中间量之间的逻辑一致性，例如占比之和是否为100%、同比/环比计算口径是否统一。
5. 三向核对：最终输出前，执行 源文件 ↔ 中间量 ↔ 最终结果 的逐项比对。任何超过 1% 的差异都必须立即排查。
6. 交付锁定：最终输出必须附带 数据链 与 溯源表，确保结论完全可回溯。

关键能力与工作流程

除了质量门控，技能还提供了一套结构化分析框架来应对不同场景：

• 十大场景路由：根据你的请求（如“分析销售数据”、“财务报表分析”、“HR 人事报告”），自动匹配最合适的分析框架。每个场景都有明确的 关键指标、红线（如“不给投资建议”、“数据必须脱敏”）和完整分析细则。
• 六阶分析法：标准的分析路径为 描述 → 对比 → 趋势 → 异常 → 因果 → 预测，确保分析层层递进，逻辑严密。
• 快慢双车道诊断：针对数据疑问，提供“快车道”快速排查格式/计算错误，以及“慢车道”六问法深挖业务根因，适用于不同紧急程度的场景。
• 硬边界与安全护栏：技能明确声明不自动发布、不自动改写源文件、不编造数据、不提供投资建议。所有关键操作（如覆盖文件、对外发送）均需用户二次确认。

适用边界与协作

需要理解，本技能的核心价值在于 “数据到手后如何严谨地分析”，而非数据收集或自动化整理。它通过清晰的边界定义与其他能力协作：

• 数据收集与清洗：由 office-auto-pro（外部技能）等负责。
• 分析洞察与可视化：由本技能 data-analyst-pro 负责。
• 分析报告润色：可由 humanizer-pro 接力，专注于文本优化。
• 生成演示文稿：分析结论可由 ppt-pro 转化为幻灯片。

最终原则：AI 生成的分析只是工具和草稿。人类作者必须对数据的最终真实性、统计方法的恰当性以及结论的解释负全部责任。特别是在学术场景，必须严格遵守数据透明、完整报告和 AI 内容标注等伦理要求。