Agent Skills
返回列表
📊

Excel数据分析

数据分析 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @kunlungrowth/kunlun-excel-data

技能介绍

问题:Excel 数据在,分析过程却看不见

拿到一份 Excel 时,常见的困境并非工具不够:原始表直接导出,字段含义靠猜;分析目标没说清楚就直接透视;清洗、计算、口径调整混在一起,没人能回答“这列是哪来的”“这个指标怎么算的”。到了结论评审时,既辨不出逻辑漏洞,也无法复现当时的数据状态。问题很少出在 Excel 本身,而是出在过程缺了结构化方法。

技能怎么运作

kunlun-excel-data 不代跑计算,而是把你手头的事实作为输入,输出结构化交付物,由你自己执行。

输入要做的是写清四件事:分析人群、数据范围、分析约束、分析目标。这四项越具体,产出越可落地。

能力地图包含六项:

  • 分析方案设计:在写透视之前先明确背景、目标、口径和风险
  • 数据质量检查:空值、重复、异常值、格式一致等维度逐条列出
  • 调试排错:指标算错或复现不出时,先稳定复现,再隔离变量,用证据排查,而不是改一个数就交差
  • 架构权衡:数据放在 Excel 还是迁移到数据库时,给出选型表与迁移成本
  • 测量规范:指标口径统一、版本管理、文档同步
  • 报告模板:结论先行,过程可追溯

关键工作流有两条:

  1. 分析方案工作流:先确认目标、口径、数据源,再决定分析方式;跨过这一步直接拉表,容易返工
  2. 结果复盘工作流:遇到异常指标时,先确认是否能复现;再隔离环境、数据、版本等变量;最后依据日志和指标做二分验证

评分量表覆盖正确性、边界、可解释、可复现等维度,每项按 1/3/5 分对照,便于判断这次分析到底做到什么程度。

适用边界与注意点

  • 纯方法论与模板,无外部依赖;所有分析都在你的上下文完成,需要手动执行,不会自动操作表格
  • 分析结论只作辅助参考,最终判断由业务负责人承担
  • 涉及密钥、凭证的内容只给脱敏示例,不处理真实敏感数据,也不在分析场景下绕过安全机制
  • 指标口径变更要有版本记录,否则跨期不可比;在协作场景下优先定口径,再进入数据清洗

使用场景

  • 拿到一份Excel要求写分析方案,需要先明确背景目标与指标口径
  • 指标算错或跨表复现不出时,要根据报错证据排查而不是改数了事
  • 数据留在Excel还是迁入数据库需要给出结构化的选型对比
  • 代码评审缺少标准时,需要按检查清单逐项给出阻断与建议分级

适合人员

  • 每周要把多份表格汇总进同一份在线文档的运营
  • 负责排查线上数据异常或从复杂表中复现错误的后端工程师
  • 需要在评审前给出结构统一指标口径与权衡表的技术负责人
  • 想要统一团队规范、减少表格口径反复返工的工程经理