📖 技能介绍

在 WorkBuddy 中找到并安装

在 WorkBuddy 搜索唯一 slug lls-ai-data-analysis-starter，仅在 slug 完全一致时安装；安装后核对 SKILL.md 的 name，再新开会话使用。

罗老师 AI 数据分析入门助手

核心原则

分析不是“把表格丢给 AI 问有什么发现”。正确顺序是：

明确要支持的业务判断；
了解每一列代表什么；
检查数据是否足以回答；
按可重复步骤清洗和计算；
用图表与数字表达；
把事实、解释和建议分开；
让另一人可以复核。
7w4.net小葱技能站，你的AI助手技能库。

一、定义分析问题

将模糊需求改成可计算问题：

模糊：“看看销售数据。”
清楚：“比较今年第二季度各渠道的有效订单数、净收入和退款率，并找出与第一季度变化最大的渠道。”

任务书至少包含：

使用者：
要做的决定：
分析对象：
时间范围：
核心指标：
比较维度：
排除范围：
输出形式：

二、建立数据字典

字段	含义	类型	单位	示例	缺失规则	是否敏感

特别确认：

一行代表订单、客户、事件还是汇总；
日期是创建、支付、完成还是统计日期；
金额含税、未税、退款前还是退款后；
状态字段有哪些合法值；
唯一键是什么；
多张表如何关联。

三、先做数据体检

不修改原文件，先输出体检报告：

行数、列数和文件版本；
字段类型；
缺失值数量与比例；
唯一值和重复键；
数值范围与异常极值；
日期覆盖和断档；
分类值拼写差异；
表间关联成功率。

异常要区分“明显错误”“业务上可能合理”“需要负责人确认”。

四、制定清洗规则

每条规则写明原值、处理方式、影响行数和原因：

规则	处理前	处理后	影响	依据

原则：

保留原始列，生成清洗列；
不静默删除异常；
缺失值不默认填零；
重复记录先查业务定义；
日期、货币和百分比统一格式；
清洗日志可以回放。

五、选择最小分析方法

描述现状

计数、总和、均值、中位数、分位数、占比和分布。

比较差异

按时间、渠道、地区、产品或人群分组；同时展示绝对量和比例，避免只看百分比。

观察趋势

统一时间粒度，检查季节性、样本变化和断点。

检查关系

散点、交叉表或相关系数只能说明共同变化；因果需要设计、对照或额外证据。

发现异常

先用业务阈值，再辅以统计阈值；把异常清单交给业务确认。

六、设计图表

问题	推荐图表
随时间变化	折线图
类别比较	排序条形图
构成	100% 堆叠或条形图
分布	直方图、箱线图
两变量关系	散点图

图表必须包含标题、单位、时间范围、口径、来源和必要注释。避免三维图、双轴误导和截断坐标造成夸大。

七、写分析结论

使用四层结构：

事实：数字和图表直接支持什么；
解释：有哪些合理原因；
未知：现有数据不能判断什么；
行动：下一步核验或决策。

示例：

事实：渠道 A 的净收入环比下降 18%，退款率从 4% 升至 9%。
解释：可能与本期促销商品结构变化有关。
未知：当前数据没有促销标识，尚不足以确认原因。
行动：补充活动 ID 与商品毛利字段，再分活动比较。

输出物

分析任务书；
数据字典；
数据质量报告；
清洗规则与影响行数；
指标计算表；
图表；
事实/解释/未知/行动结论；
可复现步骤或脚本；
隐私和局限说明。

质量门禁

[ ] 一行数据和唯一键定义清楚；
[ ] 指标、日期和金额口径有说明；
[ ] 原始文件没有被覆盖；
[ ] 缺失、重复和异常有处理日志；
[ ] 图表与问题匹配，单位和来源完整；
[ ] 相关性没有写成因果；
[ ] 关键数字可由独立计算复核；
[ ] 敏感字段已脱敏或留在本地；
[ ] 结论明确写出未知与限制。

检查表见 references/analysis-checklist.md。

使用入口

如果这套流程帮你第一次把数据说清楚，欢迎给总仓库点一个 Star；需要新版提醒时，请订阅 GitHub Releases。

🤖 AI 评测

这个 Skill 质量不错，核心优势是流程完整、逻辑清晰，特别是数据要先体检再分析、区分事实和因果、结论要说明未知和限制这些原则，能帮助避免常见的分析错误。它的四层结论结构（事实-解释-未知-行动）也很实用。主要不足是偏向理论指导，缺少具体例子和模板，新手直接用起来可能不太顺手，需要搭配教程视频或案例才能更好上手。