数据洞察报告

{workspace}/{技能名称-时间戳}/{文件名}

{workspace}/sc-xxx-20260730-150700/report.md
{workspace}/sc-xxx-20260730-150700/output/data.csv
{workspace}/sc-xxx-20260730-150700/assets/cover.png

检测优先级：
1. 文件格式检测 → 选择对应解析器
2. 数据质量评估 → 识别问题并建议清洗方案
3. 数据结构识别 → 自动识别指标和维度
4. 分析目标推断 → 推荐合适的图表类型

✅ 超时时间：120秒（2分钟）
✅ 最大重试：2次
✅ 重试间隔：3秒
✅ 错误诊断：详细的原因分析和解决建议

# PowerShell 检测方式
$env:API_ENDPOINT   # API端点
$env:API_KEY        # API密钥

# 检测数据质量
$data = Import-Csv -Path "data.csv"
$rowCount = $data.Count
$colCount = $data[0].PSObject.Properties.Count

# 检测缺失值
$missingValues = $data | Where-Object { $_.PSObject.Properties.Value -eq "" }

# 检测异常值
$numericCols = $data | Get-Member -MemberType NoteProperty | 
    Where-Object { $data[0].($_.Name) -as [double] }

数据分析计划：
✅ 数据概览（行数、列数、字段类型）
✅ 数据质量评估（缺失值、异常值、重复值）
✅ 指标识别（定量指标、定性维度）
✅ 图表推荐（根据数据特征）
✅ 洞察建议（分析方向）

优秀（90-100分）：数据质量高，可直接分析
良好（70-89分）：存在少量问题，建议清洗后分析
及格（60-69分）：存在较多问题，必须清洗后分析
不及格（<60分）：数据质量问题严重，建议重新采集

# 配置参数
$filePath = "C:datasales.csv"
$cleanMissing = $true
$cleanDuplicate = $true
$cleanOutlier = $false
$encoding = "auto"
$delimiter = "auto"
$outputPath = "C:datasales_cleaned.csv"
$timeoutSec = 120  # 超时时间：2分钟
$maxRetries = 2   # 最大重试次数

# 执行数据清洗（带重试）
$retryCount = 0
$success = $false

while ($retryCount -le $maxRetries -and -not $success) {
    try {
        Write-Host "🧹 数据清洗中（尝试 $($retryCount + 1)/$($maxRetries + 1)）..." -ForegroundColor Cyan
        
        # 读取数据
        if ($filePath -match ".csv$") {
            # 自动检测编码和分隔符
            if ($encoding -eq "auto") {
                $encoding = Detect-FileEncoding -Path $filePath
            }
            if ($delimiter -eq "auto") {
                $delimiter = Detect-CsvDelimiter -Path $filePath -Encoding $encoding
            }
            
            $data = Import-Csv -Path $filePath -Delimiter $delimiter -Encoding $encoding
        }
        elseif ($filePath -match ".xlsx?$") {
            # 使用Import-Excel模块（需先安装）
            $data = Import-Excel -Path $filePath
        }
        
        # 清洗缺失值
        if ($cleanMissing) {
            $data = $data | Where-Object {
                $_.PSObject.Properties.Value -ne "" -and 
                $_.PSObject.Properties.Value -ne $null
            }
        }
        
        # 清洗重复值
        if ($cleanDuplicate) {
            $data = $data | Sort-Object -Property * -Unique
        }
        
        # 导出清洗后的数据
        if ($outputPath -eq "") {
            $outputPath = $filePath
        }
        
        if ($outputPath -match ".csv$") {
            $data | Export-Csv -Path $outputPath -NoTypeInformation -Encoding UTF8
        }
        elseif ($outputPath -match ".xlsx?$") {
            $data | Export-Excel -Path $outputPath
        }
        
        Write-Host "  ✅ 清洗完成！" -ForegroundColor Green
        Write-Host "  原始行数：$($originalCount)" -ForegroundColor Yellow
        Write-Host "  清洗后行数：$($data.Count)" -ForegroundColor Yellow
        Write-Host "  删除行数：$($originalCount - $data.Count)" -ForegroundColor Yellow
        
        $success = $true
        $data  # 返回清洗后的数据
        break
    }
    catch {
        Write-Host "  ❌ 错误: $($_.Exception.Message)" -ForegroundColor Red
        $retryCount++
        if ($retryCount -le $maxRetries) {
            Write-Host "  🔄 重试 ($retryCount/$maxRetries)..." -ForegroundColor Yellow
            Start-Sleep -Seconds 3  # 等待3秒后重试
        }
    }
}

if (-not $success) {
    Write-Host ""
    Write-Host "😥 数据清洗失败" -ForegroundColor Red
    Write-Host ""
    Write-Host "可能的原因：" -ForegroundColor Yellow
    Write-Host "  1. 文件格式不正确或损坏" -ForegroundColor Yellow
    Write-Host "  2. 文件被其他程序占用" -ForegroundColor Yellow
    Write-Host "  3. 编码或分隔符识别错误" -ForegroundColor Yellow
    Write-Host "  4. 数据量过大导致超时" -ForegroundColor Yellow
    Write-Host ""
    Write-Host "请检查：" -ForegroundColor Cyan
    Write-Host "  - 文件是否存在且可读" -ForegroundColor Cyan
    Write-Host "  - 手动指定编码和分隔符" -ForegroundColor Cyan
    Write-Host "  - 减少数据量后重试" -ForegroundColor Cyan
}

数据类型是什么？
  ├─ 分类数据（维度）
  │   ├─ 比较各类别数值 → 柱状图
  │   ├─ 展示占比关系 → 饼图/环形图
  │   └─ 展示排名 → 条形图
  │
  ├─ 连续数据（指标）
  │   ├─ 展示趋势变化 → 折线图
  │   ├─ 展示分布情况 → 直方图/散点图
  │   └─ 展示关联关系 → 散点图/气泡图
  │
  └─ 时间数据（日期）
      ├─ 展示时间趋势 → 折线图/面积图
      ├─ 展示周期性 → 雷达图
      └─ 展示完工期 → 甘特图

1. 执行摘要
   - 核心发现（3-5条）
   - 关键数据（汇总指标）
   - 行动建议（优先级排序）

2. 数据概览
   - 数据来源和范围
   - 数据质量评估
   - 指标定义说明

3. 核心发现
   - 发现1：详细描述+数据支撑+图表展示
   - 发现2：详细描述+数据支撑+图表展示
   - 发现3：详细描述+数据支撑+图表展示

4. 深度分析
   - 原因分析
   - 影响因素
   - 趋势预测

5. 行动建议
   - 短期建议（1周内）
   - 中期建议（1个月内）
   - 长期建议（3个月以上）

6. 附录
   - 详细数据表
   - 方法论说明
   - 参考资料

用户输入
  ↓
🔍 触发词检测
  ├─ 主触发词 ✅ → 直接触发
  ├─ 功能词 ✅ → 触发 + 预选功能
  ├─ 场景词 ✅ → 隐式触发
  └─ 其他 → 不触发
  ↓
📂 数据源检测 ⭐
  ├─ 检测文件格式
  ├─ 检测数据质量
  ├─ 识别指标和维度
  └─ 推荐分析方法
  ↓
🎯 功能选择
  ├─ 用户明确功能 → 直接使用
  ├─ 用户未指定 → 引导选择
  └─ 根据数据特征智能推荐
  ↓
📝 参数提取
  ├─ 文件路径 → 询问用户（如果需要）
  ├─ 分析目标 → 默认或询问
  └─ 输出格式 → 可选
  ↓
🚀 执行分析（含超时+重试）⭐
  ├─ 检查数据有效性
  ├─ 设置超时时间（120秒）
  ├─ 执行分析（最多重试2次）
  └─ 返回结果或错误诊断
  ↓
✨ 结果展示
  ├─ 数据预览
  ├─ 图表展示
  ├─ 洞察报告
  └─ 后续操作选项

   检测结果：
   ✅ 文件格式：CSV
   ✅ 编码：UTF-8
   ✅ 分隔符：逗号(,)
   ✅ 数据行数：5000行
   ✅ 数据列数：12列
   
   数据质量评估：
   ⚠️ 缺失值：3列存在缺失值（占比5-10%）
   ⚠️ 重复值：发现25行完全重复
   ✅ 异常值：未发现明显异常
   
   数据质量评分：75分（良好）
   
   字段识别：
   - 维度字段：日期、地区、产品类别、销售渠道
   - 指标字段：销售额、订单量、客户数、客单价

   根据数据特征，推荐以下分析：
   
   1. 销售趋势分析（折线图）
   2. 地区销售对比（柱状图）
   3. 产品类别占比（饼图）
   4. 渠道效果分析（条形图）
   
   是否执行以上分析并生成报告？
   A. 是，执行全部
   B. 自定义选择分析内容
   C. 先清洗数据后再分析

   📊 正在分析销售数据...
   
   【核心发现】
   1. 销售趋势：近3个月销售额环比增长15%📈
   2. 地区表现：华东地区贡献45%销售额，西北地区仅5%🗺️
   3. 产品类别：A类产品销售额占比60%，但增长率仅5%📦
   4. 渠道效果：线上渠道增长30%，线下渠道下降10%📱
   
   【图表1：销售趋势】
   [折线图：近6个月销售额变化]
   
   【图表2：地区销售对比】
   [柱状图：各地区销售额对比]
   
   【图表3：产品类别占比】
   [饼图：各类别销售额占比]
   
   【行动建议】
   1. 短期：加大西北地区市场投入（1周内）
   2. 中期：优化A类产品营销策略（1个月内）
   3. 长期：线上线下融合，全渠道发展（3个月以上）
   
   📄 完整报告已生成：sales_analysis_report.pdf

   📊 电商行业KPI指标体系
   
   【用户类指标】
   1. 新增用户数
      - 定义：首次访问的用户数
      - 计算公式：COUNT(DISTINCT user_id) WHERE register_date = TODAY
      - 更新频率：每日
   
   2. 活跃用户数（DAU/MAU）
      - 定义：当日/当月活跃的用户数
      - 计算公式：COUNT(DISTINCT user_id) WHERE last_visit_date >= TODAY/TODAY-30
      - 更新频率：每日
   
   3. 用户留存率
      - 定义：新用户在后续日期的活跃比例
      - 计算公式：(第N日活跃用户数 / 当日新增用户数) * 100%
      - 更新频率：每日
   
   【交易类指标】
   4. GMV（成交总额）
      - 定义：一定时期内的成交金额
      - 计算公式：SUM(order_amount) WHERE order_status = 'paid'
      - 更新频率：实时
   
   5. 订单量
      - 定义：一定时期内的订单数量
      - 计算公式：COUNT(*) WHERE order_status = 'paid'
      - 更新频率：实时
   
   6. 客单价
      - 定义：平均每个订单的金额
      - 计算公式：GMV / 订单量
      - 更新频率：每日
   
   【转化类指标】
   7. 转化率
      - 定义：访问用户中完成购买的比例
      - 计算公式：(购买用户数 / 总访问用户数) * 100%
      - 更新频率：每日
   
   8. 加购率
      - 定义：访问用户中加购的比例
      - 计算公式：(加购用户数 / 总访问用户数) * 100%
      - 更新频率：每日
   
   【服务类指标】
   9. 退货率
      - 定义：退货订单占成交订单的比例
      - 计算公式：(退货订单数 / 成交订单数) * 100%
      - 更新频率：每日
   
   10. 好评率
       - 定义：好评数占评价总数的比例
       - 计算公式：(好评数 / 评价总数) * 100%
       - 更新频率：每日
   
   💡 是否生成指标定义文档（Excel格式）？

   📊 图表类型推荐
   
   根据您的数据特征（地区+销售额），推荐以下图表：
   
   【主推荐】柱状图
   - 适用场景：比较各地区的销售额
   - 优势：直观清晰，易于比较
   - 示例：X轴为地区，Y轴为销售额
   
   【备选1】地图热力图
   - 适用场景：展示地区分布密度
   - 优势：地理可视化，直观震撼
   - 前提：需要地区经纬度数据
   
   【备选2】条形图
   - 适用场景：地区名称较长时
   - 优势：标签易于阅读
   - 示例：Y轴为地区，X轴为销售额
   
   【备选3】饼图/环形图
   - 适用场景：展示地区销售占比
   - 优势：突出占比关系
   - 限制：不适合地区过多（>10个）
   
   💡 建议：如果地区数量≤10，使用柱状图或饼图
            如果地区数量>10，使用条形图或地图热力图

⚠️ 文件格式不支持

文件路径：C:datasales.pdf
文件格式：PDF

支持的文件格式：
✅ CSV（逗号分隔值）
✅ XLSX（Excel 2007+）
✅ XLS（Excel 97-2003）
✅ JSON（JavaScript对象表示法）
❌ PDF（不支持）

解决方案：
1. 将PDF转换为CSV或Excel格式
2. 重新上传支持的文件格式
3. 手动复制数据到CSV文件

⚠️ 数据质量评分过低

数据质量评分：45分（不及格）

主要问题：
1. 缺失值比例过高（关键字段缺失30%）
2. 数据格式不统一（日期格式有5种）
3. 存在大量异常值（数值超出合理范围）

建议解决方案：
1. 返回数据来源，重新采集或导出
2. 手动清洗数据（标记缺失值、统一格式）
3. 使用数据清洗功能自动处理（可能丢失信息）

是否尝试自动清洗？
A. 是，自动清洗（可能丢失部分数据）
B. 否，我手动处理后再上传

❌ 数据分析超时

错误详情：
- 错误类型：处理超时
- 错误信息：Analysis timeout after 120 seconds
- 数据规模：50万行 × 20列
- 重试次数：2次（均失败）

可能的原因：
1. 数据量过大（超过10万行）
2. 计算逻辑复杂（多维度交叉分析）
3. 硬件资源不足（内存/CPU）

建议解决方案：
1. 抽样分析（随机抽取1-10万行）
2. 分批分析（按时间/地区分批次）
3. 简化分析维度（减少交叉分析）
4. 升级硬件配置（增加内存）

是否尝试抽样分析（随机抽取5万行）？
A. 是，抽样分析
B. 否，我手动分批处理

📊 数据质量评估报告

【文件信息】
- 文件名：sales.csv
- 文件大小：5.2 MB
- 数据行数：50,000行
- 数据列数：12列

【质量评分】
总分：75分（良好）⭐⭐⭐⭐

【详细评估】
1. 完整性：80分
   - 缺失值比例：8%
   - 主要问题：客户电话字段缺失15%

2. 准确性：70分
   - 异常值比例：5%
   - 主要问题：订单金额存在负数（可能是退款）

3. 一致性：90分
   - 格式统一度：90%
   - 主要问题：日期格式有2种（已统一）

4. 唯一性：85分
   - 重复值比例：0.5%
   - 主要问题：发现25行完全重复（已标记）

【处理建议】
✅ 建议清洗后分析
✅ 重点处理：缺失值、异常值
✅ 预计清洗后数据量：49,500行

【Excel工作表1：用户类指标】
| 指标名称 | 指标定义 | 计算公式 | 数据来源 | 更新频率 | 负责人 | 预警阈值 |
|---------|---------|---------|---------|---------|--------|---------|
| 新增用户数 | 首次访问的用户数 | COUNT(DISTINCT...) | user_table | 每日 | 张三 | 环比下降>10% |

【Excel工作表2：交易类指标】
...

【Excel工作表3：转化类指标】
...

【Excel工作表4：服务类指标】
...

📈 销售数据分析洞察报告

【核心发现】（3条）
1. 近3个月销售额环比增长15%，主要驱动因素是客单价提升
2. 华东地区贡献45%销售额，但增长率仅为5%，低于其他地区
3. 线上渠道增长30%，线下渠道下降10%，渠道结构正在发生变化

【详细分析】
（此处展开3-5个核心发现的详细分析，包含数据支撑和图表）

【行动建议】
1. 短期（1周内）：优化华东地区营销策略，提升增长率
2. 中期（1个月内）：分析客单价提升原因，复制到其他地区
3. 长期（3个月以上）：制定线上线下融合方案，全渠道发展

【附录】
- 详细数据表（Excel）
- 图表源文件（PowerPoint）
- 原始数据（CSV）

描述性统计：
- 均值（Mean）：平均水平
- 中位数（Median）：中间位置
- 众数（Mode）：出现频率最高
- 标准差（SD）：离散程度
- 四分位数（Quartile）：数据分布

推断性统计：
- 假设检验：t检验、卡方检验
- 置信区间：估计总体参数
- 回归分析：预测和解释关系