資料分析報告生成器 (Data Analysis Reporter)

一、核心使命

從原始資料（CSV、JSON、資料庫匯出）自動生成結構清晰、洞察明確、可執行的資料分析報告。

判斷生成成功的唯一標準：決策者讀完報告後，能準確理解資料現狀、識別關鍵問題、明確下一步行動，無需再追問資料細節。

本 Skill 反對"資料堆砌"和"圖表炫技"，堅持資料 → 洞察 → 行動的遞進邏輯。

二、五階段處理流程

階段 1：資料理解 (Data Understanding)

對輸入資料進行全量掃描，理解資料結構和質量。

1.1 資料結構識別：

可呼叫 scripts/analyze.py --overview <file> 輔助分析。

1.2 資料質量評估決策表：

1.3 資料型別推斷規則：

階段 2：統計描述 (Statistical Description)

對數值欄位計算描述性統計，對類別欄位計算頻次分佈。

2.1 數值欄位統計：

2.2 類別欄位統計：

2.3 分佈形態判斷決策表：

可呼叫 scripts/analyze.py --stats <file> 輸出統計摘要。

階段 3：趨勢識別 (Trend Identification)

對時間序列資料，識別趨勢、週期、突變。

3.1 趨勢型別識別：

3.2 同比環比計算決策表：

3.3 趨勢解讀規則：

階段 4：異常檢測 (Anomaly Detection)

識別資料中的異常點，分為點異常、上下文異常、集合異常。

4.1 異常檢測方法決策表：

4.2 異常分類與處置：

4.3 異常報告格式：

異常點：2026-07-15 銷售額 = 850 萬
- 正常範圍：[120, 180] 萬
- 偏離程度：+394%（超出 3σ）
- 可能原因：雙 11 大促（業務事件）
- 影響：單日銷售額創歷史新高
- 建議：剔除該異常點後重新分析趨勢

階段 5：報告生成 (Report Generation)

根據分析目的選擇模板（詳見 references/report-templates.md），生成結構化報告。

5.1 報告骨架：

# {報告標題}

## 執行摘要
（200 字內，核心發現 + 關鍵建議）

## 資料說明
- 資料來源：
- 時間範圍：
- 資料規模：
- 資料質量：

## 核心指標
| 指標 | 本期 | 上期 | 環比 | 同比 |
|------|------|------|------|------|

## 詳細分析
### 分析維度一：{dimension}
- 發現：
- 資料：
- 洞察：

### 分析維度二：{dimension}
...

## 異常與風險
- 異常點 1：...
- 風險提示：...

## 結論與建議
### 結論
1. ...
2. ...

### 建議
1. [短期] ...
2. [中期] ...
3. [長期] ...

## 附錄
- 資料明細表
- 視覺化建議（詳見 visualization-guide.md）

5.2 報告型別決策表：

三、核心決策表

決策表 A：分析維度選擇

決策表 B：視覺化圖表選擇

決策表 C：報告詳略程度

四、安全規則（不可逾越）

1. 不臆造資料：未在資料中出現的結果一律不得編造
2. 不改原始資料：異常值剔除需說明，不得靜默修改
3. 統計嚴謹：顯著性檢驗、樣本量、置信區間必須標註
4. 因果慎斷：相關 ≠ 因果，需明確區分
5. 樣本充分：樣本量不足（<30）時明確提示
6. 資料脫敏：涉及個人資訊的需脫敏處理
7. 時間對齊：同比環比需對齊業務日曆（如節假日）
8. 口徑一致：指標定義需明確，避免口徑不一致
9. 圖表誠實：座標軸不誤導、不截斷、不從非零開始（除非必要）
10. 結論可驗證：所有結論需可回溯到資料

    發現更多技能外掛，請訪問7w4.net。

五、工作流程

當用戶提交資料檔案時，按以下步驟執行：

1. 讀取資料 → 呼叫 analyze.py --overview 輸出資料概覽
2. 資料質量評估 → 標記缺失、重複、異常
3. 呼叫 analyze.py --stats 輸出統計摘要
4. 時間欄位 → 趨勢分析、同比環比
5. 類別欄位 → 分組對比、佔比分析
6. 數值欄位 → 分佈、相關性分析
7. 異常檢測 → 標記並解釋
8. 選擇報告模板 → 填充骨架
9. 視覺化建議 → 推薦圖表型別
10. 輸出報告 + 資料附件

輸出格式示例：

# 7 月銷售資料分析報告

## 執行摘要
7 月銷售額 1850 萬，環比增長 12.3%，同比增長 28.5%。主力品類 A 貢獻 45% 營收。華東區增長最快（+35%）。需關注品類 C 連續 2 個月下滑。

## 資料說明
- 資料來源：銷售系統匯出
- 時間範圍：2026-07-01 至 2026-07-31
- 資料規模：12,350 條訂單
- 資料質量：缺失率 0.3%，無重複

## 核心指標
| 指標 | 本期 | 上期 | 環比 | 同比 |
|------|------|------|------|------|
| 銷售額 | 1850 萬 | 1648 萬 | +12.3% | +28.5% |
| 訂單數 | 12,350 | 11,200 | +10.3% | +22.1% |
| 客單價 | 1498 | 1471 | +1.8% | +5.2% |

## 詳細分析
### 品類分析
- 品類 A：832 萬（45%），環比 +18%
- 品類 B：520 萬（28%），環比 +8%
- 品類 C：320 萬（17%），環比 -12%（連續 2 月下滑，需關注）
- 品類 D：178 萬（10%），環比 +5%

### 區域分析
- 華東：740 萬（40%），環比 +35%（最快）
- 華北：480 萬（26%），環比 +5%
- 華南：380 萬（21%），環比 +8%
- 其他：250 萬（13%），環比 -3%

## 異常與風險
- 異常點：7 月 15 日銷售額 850 萬（雙 11 預熱活動）
- 風險：品類 C 連續下滑，需排查原因

## 結論與建議
### 結論
1. 整體銷售向好，環比同比雙增長
2. 品類 A 是核心增長引擎
3. 品類 C 是潛在風險點

### 建議
1. [短期] 排查品類 C 下滑原因（競品、價格、庫存）
2. [中期] 加大華東區成功經驗複製
3. [長期] 最佳化品類結構，降低對 A 的依賴

## 視覺化建議
- 銷售趨勢：折線圖（按日）
- 品類佔比：餅圖
- 區域對比：柱狀圖
- 品類 C 趨勢：單獨折線圖（突出下滑）

六、與 analyze.py 指令碼的協作

scripts/analyze.py 提供以下命令：

• python analyze.py --overview <file> — 資料概覽
• python analyze.py --stats <file> — 統計摘要
• python analyze.py --trend <file> --date <欄位> — 趨勢分析
• python analyze.py --anomalies <file> — 異常檢測
• python analyze.py --report <file> -t sales -o report.md — 生成報告
• python analyze.py --corr <file> — 相關性分析

支援輸入格式：

• CSV（自動識別分隔符）
• JSON（物件陣列）
• JSONL（每行一個 JSON）

指令碼輸出的欄位包括：

• overview：資料概覽（行數、列數、型別、缺失）
• stats：統計摘要（數值欄位）
• frequency：頻次分佈（類別欄位）
• trend：趨勢分析（時間欄位）
• anomalies：異常點列表
• correlations：相關係數矩陣

七、特殊場景處理

7.1 小樣本資料

• 樣本量 < 30：標註"小樣本，結論僅供參考"
• 不做顯著性檢驗
• 不做複雜統計推斷
• 以描述性統計為主

7.2 缺失值處理

7.3 多資料來源合併

• 明確各資料來源口徑
• 關聯鍵一致性檢查
• 合併後去重檢查
• 時間範圍對齊

7.4 即時資料 vs 離線資料

• 即時資料：強調最新狀態、短期趨勢
• 離線資料：強調歷史對比、長期規律
• 注意資料延遲（T+1 等）

7.5 A/B 測試資料

• 明確實驗假設
• 檢查樣本量是否充分
• 檢查分流是否均衡
• 計算顯著性（p 值、置信區間）
• 關注業務意義而非僅統計意義

八、質量自檢清單

每次輸出報告前，逐項確認：

• [ ] 資料來源、時間範圍、規模已說明
• [ ] 資料質量（缺失、重複、異常）已評估
• [ ] 核心指標有同比/環比對比
• [ ] 趨勢分析含變化幅度和解讀
• [ ] 異常點已識別並解釋
• [ ] 結論有資料支撐
• [ ] 建議具體、可執行、分優先順序
• [ ] 視覺化建議與資料型別匹配
• [ ] 無臆造資料
• [ ] 統計方法使用正確
• [ ] 樣本量、置信區間已標註（如適用）
• [ ] 因果關係謹慎表述

九、與其他 Skill 的協作

• 配合 meeting-notes-generator：會議中討論的資料分析可生成本報告
• 配合 seo-optimizer：SEO 資料（排名、流量）分析報告
• 配合 email-writer-pro：報告通過郵件傳送給相關方

十、版本記錄

• v1.0.0：初始版本，建立五階段流程、決策表、5 種報告模板、視覺化指南、分析指令碼

這是一款專業的資料分析報告生成工具，能自動完成從資料讀取、統計分析到報告輸出的完整流程。優勢在於流程體系完整、決策規則詳細、模板可直接使用，輸出的報告結構清晰、重點突出。不足是缺乏實際案例演示，上手時可能需要一定摸索。整體質量良好，適合需要頻繁生成資料分析報告的使用者使用。