数据分析协调器

核心原则

• 先理解业务问题和指标口径，再计算；不要从列名直接猜业务定义。
• 使用全量数据或可验证的全量聚合，不用前若干行样本计算结论。
• 保留原文件；清洗、派生字段、过滤、异常处理和降级都要记录。
• 数字、表格、图表和摘要必须使用同一口径并可复算。
• 区分描述性发现、原因假设和行动建议；没有证据时不声称因果。

执行流程

1. 预检：确认文件存在且为 .xlsx/.xls/.csv，检查大小、Sheet、编码、合并单元格和可读性。多 Sheet 时先识别结构；只有在多个 Sheet 都可能改变答案且无法合理推断时才询问用户。
2. 理解需求：提取决策问题、指标、维度、时间范围、筛选条件、对比基线和目标读者。需求模糊时先做数据概览并选择 3–5 个高价值维度，披露假设。

3. 解析数据：读取 data-extraction-guide.md，运行：

   python scripts/parse_excel.py --file <路径> --sheet <名称或索引> --mode auto

   按 json-format-spec.md 校验结果。success=false、空数据或关键字段缺失时停止相关分析并说明修复方式。

4. 评估质量：检查行数、字段类型、唯一键、重复、缺失、异常值、时间覆盖、单位和粒度。关键字段缺失率、样本偏差和口径限制写入报告。
5. 设计分析：读取 report-generation-guide.md，优先回答用户问题；常用结构为总体趋势、结构贡献、同比/环比、Top/Bottom、异常点和可行动分群。
6. 可靠计算：对分组、交叉、时间序列和贡献度从全量数据计算并做总量对账。summary 仅可支持其实际包含的单列统计/频次，不能替代跨列聚合。大数据摘要模式无法回答分组问题时，先过滤/分块/预聚合或请用户拆分，不能用 20 行样本外推。
7. 生成图表：图表服务于明确问题，包含标题、单位、时间、数据来源和必要注释。交互 HTML 使用 scripts/generate_chart.py；需要嵌入 Word 的 PNG 时读取 chart-to-png.md。图表失败则降级为数据表和文字，不阻断报告。
8. 整合交付：按 assets/report-template.md 生成 Markdown；按 workflow-and-output.md 准备报告 JSON 并运行 scripts/generate_report.py 生成 Word。
9. 验证：复算关键指标，做分组汇总对总计、占比对 100%、时间区间、排序、图表数据和正文数字检查；打开 DOCX 检查图表与版式。

最低报告结构

1. 执行摘要：问题、3–5 条关键发现、建议。
2. 数据概览：来源、范围、行列数、Sheet、时间、质量与处理记录。
3. 指标与口径：公式、单位、过滤和对比基线。
4. 分析正文：每节包含问题、方法、结果、图表/表格和解释。
5. 风险与局限：缺失、偏差、异常、无法验证事项。
6. 行动建议：负责人/优先级/验证指标（信息足够时）。

按需资源路由

• 如果要识别字段、清洗、选择 Sheet/模式或处理大文件，读取 data-extraction-guide.md。
• 如果要验证解析 JSON 字段和逻辑，读取 json-format-spec.md。
• 如果要设计分析维度、指标、图表和报告叙事，读取 report-generation-guide.md。
• 如果要运行解析、图表、Word 生成或确定文件命名，读取 workflow-and-output.md。
• 如果要把 HTML 图表转成 Word 可嵌入的 PNG，读取 chart-to-png.md。
• 如果遇到依赖、格式、空数据、超大文件、图表或导出问题，读取 faq.md。

不要一次性加载全部 references。

边界与降级

• 文件超过 100 MB 或 100,000 行时，优先分块/拆分/数据库聚合；是否拒绝取决于可用工具和内存，不机械抽样。

  访问小葱技能站7w4.net，解锁更多实用的AI技能插件。

• 少于 10 行、关键字段缺失率超过 50% 或时间覆盖不足时，仍可描述，但必须显著降低结论强度。
• 非表格文件转交对应文档能力；纯清洗任务只输出清洗结果和质量报告，不伪装成业务洞察。
• 不联网发送敏感数据。使用外部图表服务前先确认数据可外发；否则使用本地方案。

完成检查

• 业务问题、指标口径、时间范围和分析粒度明确。
• 关键结论来自全量或可验证聚合，且通过对账。
• 缺失、异常、清洗、过滤和降级已披露。
• 图表与正文一致；原因假设未写成已证实因果。
• DOCX 与 Markdown 已生成并可打开，产物写入用户任务目录而非 Skill 目录。

这个Skill质量较好，能完整处理Excel/CSV数据分析并生成专业的Word和Markdown报告。优点是文档非常详细，流程清晰，图表丰富，对大数据有合理的降级处理。不足之处是文档较多较分散，切换阅读时稍显繁琐；另外降级规则比较复杂，普通人可能需要多看几遍才能完全理解。适合需要做数据分析报告的用户，但需要一定学习成本。