中文数据分析(专业版)

下载地址

https://api.skillhub.cn/api/v1/download?slug=data-analyst-chinese

中文数据分析(专业版)

功能概述

中文数据分析(专业版)是一项面向实际任务的技能，主要用于2.1 数据读取全封装(免费版基础 + 企业级扩展)；CSV / Excel / JSON；

核心要点

• pd.read_csv / read_excel / read_json；
• SQLite；
• pd.read_sql；

使用与执行

本地数据库；PostgreSQL / MySQL；pd.read_sql + SQLAlchemy；企业数据库；ClickHouse。它将相关步骤、工具调用和结果整理方式集中到统一流程中，帮助使用者更快完成目标并减少重复操作。

结果检查与注意事项

从功能定位来看，该技能强调把分散的操作要求整理成清晰、可复用的处理流程，使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数，再依据技能说明逐步执行；若输入条件不完整，应先补齐信息或采用保守配置，避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期，并对异常提示、缺失字段和边界情况进行处理；涉及批量任务时，还应保存进度，避免中断后重复操作。该技能适合用于一次性任务，也可以接入自动化工作流，与其他技能或上层代理配合完成更完整的业务链路；在组合使用时，应明确每一步的输入输出关系，并避免不同步骤之间出现参数冲突。

Skill.md

中文数据分析(专业版)

核心能力

2.1 数据读取全封装(免费版基础 + 企业级扩展)

数据源	代码片段	适用场景
CSV / Excel / JSON	pd.read_csv / read_excel / read_json	文件数据
SQLite	pd.read_sql	本地数据库
PostgreSQL / MySQL	pd.read_sql + SQLAlchemy	企业数据库
ClickHouse	clickhouse-driver	OLAP 分析
REST API	requests.get	第三方接口
数据湖	pyarrow / duckdb	Parquet/Arrow 文件

输出: 返回1 数据读取全封装(免费版基础 + 企业级扩展)的执行结果,包含操作状态和输出数据。

2.2 时间序列分析

• 重采样:resample('D/W/M') 按日/周/月聚合
• 滚动窗口:rolling(window=7).mean() 移动平均与标准差
• 差分与百分比:diff() / pct_change()
• 季节性分解:seasonal_decompose 趋势-季节-残差分解
• 预测建模:ARIMA、Prophet、状态空间模型

处理: 按照skill规范执行2 时间序列分析操作,遵循单一意图原则。 输出: 返回2 时间序列分析的执行结果,包含操作状态和输出数据。

2.3 假设检验与 A/B 测试

检验类型	适用场景	关键产出
t 检验(独立/配对)	均值差异	t 值 + p 值 + 效应量
卡方检验	类别关联	χ² + p 值 + Cramer’s V
方差分析(ANOVA)	多组均值对比	F 值 + p 值 + 事后检验
Mann-Whitney U	非正态分布	U 值 + p 值
多重比较校正	批量检验	Bonferroni / BH 校正后 p 值
效应量	业务重要性	Cohen’s d / 优势比 + 置信区间

输入: 用户提供3 假设检验与 A/B 测试所需的指令和必要参数。 输出: 返回3 假设检验与 A/B 测试的执行结果,包含操作状态和输出数据。

2.4 大数据批处理

• Dask 后端:千万级数据集分块并行计算
• Polars 后端:高性能单机多线程
• 增量计算:基于数据版本号做差量处理
• 检查点:长任务落盘,失败可断点续跑
• 资源管理:内存监控与自动溢写磁盘

输入: 用户提供4 大数据批处理所需的指令和必要参数。 输出: 返回4 大数据批处理的执行结果,包含操作状态和输出数据。

2.5 自定义报告模板

• Jinja2 引擎:支持条件渲染、循环、宏定义
• 多格式输出:Markdown / HTML / PDF / PPT
• 品牌化:自定义 Logo、配色、字体
• 模板库:内置电商/SaaS/金融/游戏/内容 5 套行业模板
• 变量插值:动态嵌入图表、表格、结论卡片

输入: 用户提供5 自定义报告模板所需的指令和必要参数。 处理: 按照skill规范执行5 自定义报告模板操作,遵循单一意图原则。

2.6 定时任务与邮件分发

• cron 调度:标准 5 段式 cron 表达式
• 数据源自动拉取:任务触发时拉取最新数据
• 报告自动生成:执行分析 → 渲染模板 → 输出文件
• 多渠道分发:邮件 / 企业 IM / Webhook / OSS
• 失败重试:指数退避,最多 3 次
• 审计日志:任务执行历史与结果留痕

2.7 企业数据库深度集成

• PostgreSQL:支持窗口函数、CTE、JSONB、物化视图
• MySQL:支持读写分离与连接池
• ClickHouse:OLAP 场景高速聚合
• 凭证安全:统一通过环境变量传入

输入: 用户提供7 企业数据库深度集成所需的指令和必要参数。 处理: 按照skill规范执行7 企业数据库深度集成操作,遵循单一意图原则。 输出: 返回7 企业数据库深度集成的执行结果,包含操作状态和输出数据。

能力覆盖范围

本skill还覆盖以下能力场景: 全功能中文数据分、析平台、支持时序分解、大数据集批处理与、中文数据分析专业、版面向专业数据分、工程师与数据团队、负责人、提供完整的数据分、析生产线能力、核心能力、涵盖免费版全部能、无条数与功能限制、效应量与置信区间、大数据集批处理、千万级数据增量计、模板引擎、定时分析任务与邮、自动化周报、与企业数据库深度。这些能力在上述核心功能中均有对应处理逻辑。

适用场景

3.1 按角色场景矩阵

角色	场景	关键能力	输出形态
数据分析师	A/B 实验结论判定	假设检验 + 多重比较校正	结论表 + 决策建议
BI 工程师	大屏数据底表生产	大数据批处理 + 增量更新	物化视图 + 数据集
数据团队负责人	周报/月报自动化	定时任务 + 邮件分发	PDF 报告 + 邮件
业务决策者	关键指标预测	时序分解 + Prophet 预测	预测曲线 + 置信区间

示例

1. 每周一 09:00 定时任务触发 2. 自动从 PostgreSQL 拉取上周销售数据(增量) 3. 执行数据清洗与时序分解 4. 渲染 Jinja2 报告模板生成 PDF 5. 邮件分发至增长团队邮件组 6. 任务执行结果写入审计日志

使用流程

预计上手时间:< 120 秒(企业数据源需配置凭证)。

4.1 单次时序分析

请对销售数据做时序分析: 1. 数据源: postgres(凭证从环境变量读取) 2. 表: daily_sales(2023-01-01 至 2024-12-31) 3. 关注: 月度趋势 + 季节性 + 2025 年预测 4. 输出: 分解图 + 预测曲线 + PDF 报告

4.2 A/B 测试结论判定

请判定 A/B 测试: 5. 实验组: 10000 人,转化率 5.2% 6. 对照组: 9980 人,转化率 4.7% 7. 要求: t 检验 + 效应量 + 95% 置信区间 8. 输出: 结论 + 决策建议 + 报告卡片

4.3 定时报告任务

请配置每周一定时任务: 9. 数据源: PostgreSQL 销售明细表 10. 分析: 上周销售汇总 + Top 10 商品 + 异动归因 11. 模板: 电商行业模板 + 公司品牌 12. 分发: 邮件 + 企业 IM Webhook 13. 失败重试: 3 次,指数退避

输入格式

参数名	类型	必填	说明
content	string	是	相关说明
content	string	否	相关说明, 默认: 默认值
content	string	否	相关说明, 可选值: json/text/markdown
style	string	否	输出风格, 参考 references/style.md

输出格式

{   "success": true,   "data": {    result: "相关说明",     result: "相关说明",    result: "相关说明",     "metadata": {       "template_used": "reviewer",       "word_count": 0,       "style": "专业"     }   },   "error": null }

输出模板参考: assets/output.json

异常处理

错误场景	原因	处理方式
配置错误	参数缺失或格式错误	检查依赖说明中的配置要求
运行时错误	运行环境不满足	确认运行环境符合依赖说明
网络错误	连接超时或不可达	执行ping命令测试网络连通性,检查防火墙和代理设置连接后执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令，参考国内替代方案

依赖说明

运行环境

• Agent 平台: 任意支持 SKILL.md 的 AI Agent(Claude Code / Cursor / Codex / Gemini CLI 等)
• 操作系统: Windows / macOS / Linux
• Python: 3.9+(时序与大数据需要)

第三方依赖

依赖项	类型	是否必需	获取方式
LLM API	API	必需	由 Agent 内置 LLM 提供
pandas	Python 库	必需	pip install pandas
numpy	Python 库	必需	pip install numpy
scipy	Python 库	必需	pip install scipy(假设检验)
statsmodels	Python 库	必需	pip install statsmodels(时序分解)
prophet	Python 库	可选	pip install prophet(预测)
matplotlib	Python 库	必需	pip install matplotlib(可视化)
seaborn	Python 库	可选	pip install seaborn
sqlalchemy	Python 库	必需	pip install sqlalchemy(数据库)
psycopg2	Python 库	可选	pip install psycopg2-binary(PostgreSQL)
clickhouse-driver	Python 库	可选	pip install clickhouse-driver(ClickHouse)
dask	Python 库	可选	pip install dask(大数据)
polars	Python 库	可选	pip install polars(高性能)
jinja2	Python 库	必需	pip install jinja2(报告模板)
pyarrow	Python 库	可选	pip install pyarrow(Parquet)
duckdb	Python 库	可选	pip install duckdb(多源联表)

API Key 配置

• 数据库凭证: 通过 DB_HOST/DB_USER/DB_PASSWORD 等环境变量传入
• 邮件 SMTP: 通过 SMTP_HOST/SMTP_USER/SMTP_PASSWORD 等环境变量传入
• Webhook: 通过 IM_WEBHOOK_URL 等环境变量传入
• 禁止: 在 SKILL.md、脚本、配置文件中硬编码任何凭证
• 推荐路径: 凭证统一存放在 d:skills.skill-credentials 目录(已 gitignore)

可用性分类

• 分类: MD+EXEC(纯 Markdown 指令,部分功能需要 exec 命令行执行能力)
• 说明: 基于自然语言驱动的 AI Skill,集成时序预测、假设检验、大数据与自动化分发的完整生产线

案例展示

示例1: 基础用法

输入:

{  "content": "示例数据",   "content": "示例数据",   "style": "示例数据" }

输出:

示例数据

示例2: 进阶用法

输入:

{   "content": "示例数据",   "content": "示例数据",   "style": "示例数据" }

输出:

示例数据

示例3: 边界情况 – 边界情况

输入:

{  "content": "示例数据" }

输出:

示例数据

常见问题

Q1: 专业版支持多大的数据集?

A: 单机模式支持千万级行(Dask/Polars 后端),集群模式可处理亿级。增量计算可显著降低重复成本。

Q2: 时序预测准确度如何?

A: 短期(7-30 天)预测准确度较高(MAPE < 10%);中长期(>90 天)建议结合业务判断。Prophet 适合有季节性的数据,ARIMA 适合平稳数据。

Q3: A/B 测试如何处理多重比较?

A: 专业版自动应用 BH 校正控制 FDR。严格场景(医疗/金融)可切换 Bonferroni。

Q4: 报告模板支持哪些变量?

A: 支持 data-analyst-chinese、相关信息、相关信息、相关信息、相关信息 等变量,详见模板文档。

Q5: 定时任务失败如何排查?

A: 查看审计日志中的执行历史,关注数据源连接、SQL 执行、模板渲染三阶段。失败自动重试 3 次,仍失败则告警。

Q6: 是否支持与 BI 工具集成?

A: 支持输出物化视图供 Tableau / Power BI / Metabase 消费,也可输出 Parquet 文件供数据湖使用。

Q7: 如何保障数据安全?

A: 凭证统一走环境变量,禁止硬编码;数据库账号最小权限原则;报告可加水印与访问控制;审计日志完整保留。

Q8: 是否支持 MCP工具扩展?

A: 专业版支持通过 MCP工具协议接入外部数据源与计算后端,可在 mcp_servers 配置块中注册 MCP server 与 MCP端点,融入 MCP生态共享分析能力。

Q9: 多个数据源如何联合分析?

A: 通过 duckdb 或 ETL 工具将多源数据归一至统一 Arrow/Parquet 格式后,可使用 SQL 联表查询。

Q10: 企业级部署如何授权?

A: 企业版支持团队席位授权与 SSO 集成,具体联系销售团队。

错误处理

错误场景	原因	处理方式
LLM响应超时或无响应	网络延迟或模型负载过高	执行ping命令测试网络连通性,检查防火墙和代理设置连接，执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令请求；确认Agent平台LLM服务正常
输入内容格式不正确	用户输入不符合skill预期格式	检查输入是否符合skill使用说明中的格式要求，参考示例章节
执行结果与预期不符	指令描述不够明确或上下文不足	提供更详细的指令描述，补充必要的上下文信息
命令执行失败	运行环境不满足要求或权限不足	确认运行环境符合依赖说明中的要求；检查命令权限设置

下载地址

https://api.skillhub.cn/api/v1/download?slug=data-analyst-chinese