数据分析与可视化报告

问题

当 CSV/Excel 数据被交给大模型分析时，常见问题是：只看列名就总结、指标靠感觉估计、把相关说成因果、缺少缺失值与异常值处理，最终也没有可落地的图表方案。这个技能把数据分析拆成可审计的流程，而不是直接生成结论。

工作方式

• 数据理解：确认行数、列含义、字段类型、时间粒度与业务问题。
• 质量检查：统计缺失值、重复值、异常值，并给出处理建议。
• 描述性分析：计算总量、均值、中位数、最大最小值、增长率、分布与相关性初探。
• 洞察提炼：按“数据 → 洞察 → 建议”输出 3–5 个关键发现、原因假设、业务建议与风险提示。
• 可视化方案：为趋势、对比、占比、分布、关系选择折线图、柱状图、饼图、直方图、散点图等，并标注用途与变量。

复杂数据建议使用 pandas 等代码验证；相关关系不直接等同于因果关系。

适用边界

适合已有结构化表格、明确业务问题的分析场景。样本量过小、隐私字段未脱敏、需要严格因果判断或高合规数据时，应谨慎使用其结论。