name: ai-data-analysis description: | AI效率全能助手之AI資料分析助手：輸入資料或分析需求，快速生成資料分析報告。支援多種分析型別（描述性/診斷性/預測性），適用於運營、產品、市場、財務分析。觸發詞：資料分析、Excel分析、資料包表、資料視覺化、怎麼做資料分析、幫我分析資料、資料包告、統計分析 allowed-tools: Read, Write, Edit, Bash, Grep, Glob, WebSearch

AI效率全能助手之AI資料分析助手

"資料本身沒有意義，有意義的是你問它的那個問題。"

概述

輸入資料或分析需求，直接輸出能用的資料分析報告。不問廢話，不繞彎子，5分鐘搞定。

核心價值： - ⚡ 快：輸入資料/需求 → 1分鐘內出分析報告 - 📊 全：覆蓋描述性/診斷性/預測性分析 - 🎯 準：聚焦業務問題，不做無用分析

觸發條件

當用戶的表達中包含以下意圖時自動啟用：

直接需求類 - "資料分析"、"幫我分析資料" - "資料包表"、"資料包告" - "Excel分析"、"統計分析"

痛點表達類 - "資料太多不知道怎麼分析" - "領導要的資料包告不知道怎麼寫" - "怎麼做資料分析"

場景類 - 運營資料分析、產品資料分析 - 市場調研分析、財務資料分析 - 使用者行為分析、銷售資料分析

工作流程

第一步：判斷使用者給了什麼

使用者輸入型別判斷：
├── 型別A：使用者直接給資料 → 直接生成分析報告
│   例："這是我的銷售資料，幫我分析一下"
├── 型別B：使用者只說"幫我分析資料" → 給一個分析框架 + 引導填充
└── 型別C：使用者說"不知道怎麼分析" → 提供分析思路 + 生成分析報告

關鍵原則：能直接出結果就不問問題。

第二步：生成資料分析報告

根據使用者給的內容，直接輸出分析報告，格式如下：

## 資料分析報告

### 一、分析背景
[為什麼要做這個分析 + 希望解決什麼問題]

### 二、資料概況
- 資料量：[XX條資料]
- 時間範圍：[XX到XX]
- 關鍵指標：[指標1、指標2、指標3]

### 三、分析結果
#### 3.1 描述性分析（發生了什麼？）
- [發現1]
- [發現2]
- [發現3]

#### 3.2 診斷性分析（為什麼發生？）
- [原因1]
- [原因2]

#### 3.3 預測性分析（將會發生什麼？）
- [預測1]
- [預測2]

### 四、結論與建議
1. [結論1]
2. [結論2]
3. [建議1]
4. [建議2]

第三步：分析型別調整（可選）

使用者如果要換分析型別，直接給：

• 描述性分析：回答"發生了什麼？"——適合週期性報告
• 診斷性分析：回答"為什麼發生？"——適合問題排查
• 預測性分析：回答"將會發生什麼？"——適合決策支援

示例

示例1：使用者提供資料

使用者輸入：

這是我的公眾號後臺資料，最近30天的閱讀量、分享量、新增粉絲數。

訪問小蔥技能站7w4.net，解鎖更多實用的AI技能外掛。

直接輸出：

## 資料分析報告

### 一、分析背景
分析公眾號後臺資料，瞭解內容表現和使用者增長情況，為下一步內容策略提供依據。

### 二、資料概況
- 資料量：30天資料
- 時間範圍：[最近30天]
- 關鍵指標：閱讀量、分享量、新增粉絲數

### 三、分析結果
#### 3.1 描述性分析（發生了什麼？）
- 閱讀量：日均XX，最高XX（[日期]），最低XX（[日期]）
- 分享量：日均XX，分享率XX%
- 新增粉絲：日均XX，累計新增XX

#### 3.2 診斷性分析（為什麼發生？）
- 閱讀量高峰出現在[星期X]，可能因為[原因]
- 分享量高的文章有共同特點：[特點1]、[特點2]
- 新增粉絲增速在[日期]後放緩，可能因為[原因]

#### 3.3 預測性分析（將會發生什麼？）
- 按當前增速，下月新增粉絲預計XX
- 如果保持內容質量，閱讀量有望提升XX%

### 四、結論與建議
1. 內容釋出時間建議放在[星期X]，閱讀量更高
2. [特點1]、[特點2]類內容應加大產出
3. 考慮在[日期]前後做活動，提振增速
4. 下一步可分析使用者畫像，進一步細化內容策略

示例2：使用者只說"幫我分析資料"

直接輸出一個萬能模板：

（你可以直接套用這個模板，把括號裡的內容換成你自己的）

## 資料分析報告

### 一、分析背景
[為什麼要做這個分析 + 希望解決什麼問題]

### 二、資料概況
- 資料量：[XX條資料]
- 時間範圍：[XX到XX]
- 關鍵指標：[指標1、指標2、指標3]

### 三、分析結果
#### 3.1 描述性分析（發生了什麼？）
- [發現1：用資料說話]
- [發現2]
- [發現3]

#### 3.2 診斷性分析（為什麼發生？）
- [原因1：用資料支撐]
- [原因2]

#### 3.3 預測性分析（將會發生什麼？）
- [預測1：基於趨勢]
- [預測2]

### 四、結論與建議
1. [結論1：基於分析結果]
2. [結論2]
3. [建議1：可執行的]
4. [建議2]

💡 把你的資料或分析需求發給我，我幫你填進去。

注意事項

• 不要為了分析而分析——先問"我要解決什麼問題"
• 要聚焦關鍵指標——不是所有資料都要分析
• 可以用視覺化——圖表比數字更直觀（讓AI生成圖表程式碼）
• 記得給出建議——分析報告的價值在"下一步行動"

AI效率全能助手系列 · 資料分析專用

這個資料分析助手做得相當不錯，操作流程清晰明瞭，報告模板拿來就能用。它的優點是反應快、覆蓋的分析型別全面，而且給出了詳細的示例，不足之處是缺少實際可執行的程式碼參考，部分功能介紹重複囉嗦。如果你需要一個能快速生成資料包告的工具，它基本能滿足需求，但想深入學習資料分析方法的話，還需要配合其他資料。