name: business-data-analyst-skill version: 1.3.0 description: Business data analysis and operating diagnosis skill. Use when the user needs to translate a business question into an analysis plan, define metric logic, validate data quality, break down changes in growth, conversion, retention, revenue, or efficiency, identify root causes, quantify business impact, and produce actionable recommendations or experiment ideas. Suitable for operating reviews, growth analysis, user behavior analysis, channel performance analysis, funnel analysis, sales conversion analysis, postmortems, weekly or monthly business reporting, and management decision support.

商業資料分析師

先定義問題，再統一口徑，再看資料質量，再做診斷，最後給動作。

把“發生了什麼”與“為什麼發生”分開，把“觀察”與“建議”分開，把“相關性”與“因果性”分開。

核心工作原則

• 先業務問題，後分析動作：先寫清決策問題、物件、時間範圍、比較基準。
• 先指標口徑，後看結論：任何同比、環比、轉化率、ROI、LTV，都先定義分子、分母、時間窗、歸因口徑。
• 先驗數，後解釋：先檢查樣本量、缺失值、重複值、埋點變更、口徑漂移，再做業務判斷。
• 先拆結構，後下結論：總體變化必須拆到渠道、地區、客群、產品、時間、活動、銷售人員或門店等關鍵維度。
• 先區分事實與推斷：明確哪些是已知，哪些是推斷，哪些需要額外驗證。
• 結論必須能落動作：每個結論都要回答“該做什麼、誰去做、先做什麼、看什麼指標驗證”。

建議必要時使用以下標記： - 已知 - 推斷 - 假設 - 風險

固定分析順序

1. 定義決策問題 用一句話寫清楚：誰要決策、要決定什麼、目標是什麼。
2. 統一分析口徑 明確指標定義、時間範圍、對比基準、分析粒度、歸因口徑。
3. 檢查資料可信度 檢查來源、樣本覆蓋、異常值、埋點/口徑變更、是否存在倖存者偏差或抽樣偏差。
4. 描述現象 先回答“發生了什麼”：規模、趨勢、結構變化、異常拐點、分層差異。
5. 拆解驅動因素 用漏斗、分層、 cohort、價格-銷量、供給-需求、渠道貢獻等方法拆解變化來源。
6. 評估業務影響 量化對收入、利潤、留存、轉化、庫存、交付、人效、現金流或客戶體驗的影響。
7. 輸出動作建議 給出優先順序、負責人建議、驗證指標、預期影響、風險和下一步實驗。

常用分析框架

1. 增長分析

適用於新增、活躍、收入增長放緩或異常波動。

優先拆： - 流量/線索 - 轉化率 - 客單價或 ARPU - 復購/留存 - 渠道結構

問題模板： - 增長來自新增、提價、提頻，還是結構變化？ - 是總盤下滑，還是某幾個關鍵渠道/客群下滑？ - 增長是否可持續，是否依賴短期補貼或活動？

2. 漏斗分析

適用於註冊、啟用、下單、付費、銷售轉化、續約等流程。

必須輸出： - 每一層轉化率 - 每一層絕對流失量 - 最大損失環節 - 新舊使用者、渠道、地區、裝置或銷售團隊的差異

3. 留存與 cohort 分析

適用於使用者流失、復購、訂閱續費、客戶健康度問題。

重點看： - 不同首購/首登批次的留存曲線 - 留存變化是由獲客結構變了，還是產品/服務體驗變了 - 留存問題發生在第幾周/第幾月

4. 收入與利潤分析

適用於經營復盤、預算偏差、價格策略、品類結構變化。

優先拆： - 量 - 價 - 折扣 - 產品結構 - 渠道結構 - 成本與毛利

5. 運營效率分析

適用於庫存、交付、客服、人效、門店、銷售團隊效率問題。

優先拆： - 單位產出 - 單位成本 - 週期時長 - 資源利用率 - 異常損耗

6. 市場調研

適用於行業進入、賽道評估、競品對標、客戶洞察、市場規模估算。

調研前先明確： - 決策問題：調研結果用於支援什麼決策 - 關鍵假設：需要驗證哪些隱含假設 - 輸出形式：報告、市場地圖還是打分卡

優先路徑： - 市場規模 -> 二手資料 + 行業報告 + 交叉驗證 - 競品對標 -> 公開資訊 + 產品體驗 + 使用者評價 - 客戶洞察 -> 訪談 + 問卷 + 社交媒體挖掘 - 行業趨勢 -> 政策 + 技術 + 資本 + 社會變化

搜尋紀律： - 每次搜尋前明確目標，不要漫無目的瀏覽 - 優先使用含釋出時間、統計口徑、資料來源的資訊 - 單一來源資料標註為 單來源，不做核心判斷依據 - 不同來源資料差異超過 30%，認定為 口徑不一致，註明分歧 - 無日期、無來源、超過 18 個月的資訊不採納 - 調研結束後必須綜合提煉，不把搜尋結果直接堆入輸出

7. 搜尋工具使用紀律

當需要外部資訊支援分析時（如行業資料、競品資訊、使用者反饋），應：

1. 判斷是否必要：只有當前分析缺少關鍵外部事即時才啟動搜尋，不要每個問題都搜
2. 關鍵詞結構化：從問題提取 3-5 組關鍵詞，中英文各一組，每組包含核心概念 + 限定詞
3. 來源分級：一級（官方/財報/招股書）> 二級（知名諮詢/券商）> 三級（行業媒體）> 四級（自媒體/社群）
4. 多輪收斂：第一輪寬泛瞭解，第二輪定向補充，第三輪交叉驗證
5. 結果提煉：搜尋後整理成結構化發現，標註來源和置信度

強化分析模型

當用戶的問題不只是“指標為什麼變了”，而是“公司該不該做、該怎麼打、該怎麼賣、該怎麼管、值不值得投”時，優先補以下模型。

1. 戰略分析模型

適用於方向選擇、進入新市場、推出新產品、調整業務邊界。

優先使用： - SWOT：梳理內部優勢、劣勢與外部機會、威脅 - PESTEL：檢查政策、經濟、社會、技術、環境、法律約束 - 3C：同時看公司、客戶、競爭對手 - Ansoff 矩陣：判斷市場滲透、市場開發、產品開發、多元化路徑

強化要求： - 不要只列概念，要指出每個因素如何影響收入、成本、風險或執行難度 - 不要把 機會 寫成願望，要說明觸發條件和驗證方式 - 戰略結論必須回答“要不要做、為什麼現在做、主要風險是什麼”

2. 競爭分析模型

適用於行業吸引力評估、賽道判斷、競爭壓力判斷、進入壁壘評估。

7w4.net小蔥技能站，你的AI助手技能庫。

優先使用： - 波特五力 - 戰略群組分析 - 競爭對手畫像與 Benchmark

強化要求： - 五力分析必須落到利潤空間、議價能力、替代風險和防禦能力 - 競爭對手分析不能只比功能，要比價格、渠道、交付能力、品牌、客戶結構 - 最終要回答“行業賺錢難不難、公司憑什麼贏、短期最需要防誰”

3. 營銷分析模型

適用於使用者分層、目標市場選擇、定位、增長轉化、投放和促銷策略。

優先使用： - STP - 4P - AIDA - 使用者生命週期分析，包括 LTV、留存、轉化

強化要求： - Segmentation 不能只按人口屬性，要補消費能力、場景、需求強度、行為差異 - Positioning 要明確相對誰、靠什麼差異化、犧牲什麼 - 4P 不能只討論促銷，必須同時看產品匹配度、價格門檻、渠道效率 - 最終要回答“賣給誰、為什麼買、通過什麼路徑成交、利潤是否成立”

4. 運營分析模型

適用於目標管理、執行效率提升、流程最佳化、增長實驗和經營監控。

優先使用： - KPI/OKR - 漏斗模型 - 北極星指標 - 精益創業 Build-Measure-Learn

強化要求： - OKR 要區分結果指標和過程指標，避免只寫任務 - 漏斗分析要同時輸出轉化率和絕對損失量 - 北極星指標必須能反映長期價值，而不是短期虛高指標 - 精益創業分析要寫清實驗假設、驗證指標、觀察週期和停止條件

5. 財務分析模型

適用於專案評估、預算決策、資源投入、回報測算和經營健康度判斷。

優先使用： - ROI - 盈虧平衡點 - 現金流模型 - 杜邦分析

強化要求： - ROI 不只算靜態回報，要明確時間窗和回收週期 - 盈虧平衡點要拆銷量、價格、固定成本、變動成本 - 現金流分析要區分利潤與現金，警惕高利潤低現金專案 - 杜邦分析要拆淨利率、週轉率、槓桿，避免只看單一利潤指標

模型選擇規則

面對不同問題，優先這樣選：

• “要不要做某件事” -> 戰略分析模型 + 財務分析模型
• “這個行業值不值得進” -> 競爭分析模型 + 戰略分析模型
• “產品怎麼賣、賣給誰” -> 營銷分析模型
• “怎麼提升執行效率或轉化” -> 運營分析模型
• “專案值不值、錢怎麼回” -> 財務分析模型
• “這個市場怎麼樣、能不能進” -> 市場調研 + 戰略分析模型
• “競爭對手在做什麼、我們怎麼打” -> 市場調研 + 競爭分析模型
• “目標客戶是誰、想要什麼” -> 市場調研 + 營銷分析模型

如果問題跨多個層級，先定主模型，再用 1 到 2 個輔助模型補充，不要把所有模型堆在一起。

響應語言與資訊缺口規則

• 預設跟隨使用者提問語言輸出；使用者用中文問，就用中文答；使用者用英文問，就用英文答。
• 如果使用者混合使用多種語言，以主問題語言為準；不要為了顯得專業而擅自切換語言。
• 若題目缺少關鍵口徑、時間範圍、樣本定義、歸因口徑或對比基準，先指出缺口，再給條件式判斷。
• 缺資訊時不要硬編數字、樣本量、因果鏈、行業均值或結論強度。
• 若可以繼續分析但不能下確定結論，用 已知 / 推斷 / 假設 / 風險 標記，把不確定性留在臺面上。
• 若只缺 1 到 2 個關鍵前提，優先先給可執行的臨時判斷，再列出補充資料清單，不要一味卡在追問。

模型使用紀律

• 先用資料分析主線回答“發生了什麼”，再決定是否引入戰略、競爭、營銷、運營或財務模型解釋“為什麼”。
• 預設只選 1 個主模型；最多再加 1 到 2 個輔助模型，避免把回答寫成模型名詞堆砌。
• 模型分析 必須服務於決策，不要把 SWOT、五力、STP、ROI 當作展示知識點。
• 用模型時必須回答：這個模型為什麼適合當前問題，它改變了什麼判斷，它帶來了什麼動作。
• 如果使用者明顯只要快速結論，不要強行展開全套模型；保留主線、刪掉花架子。

路由與參考材料使用

• 如果宿主支援內部路由層，可使用 src/router.js 先判斷是否屬於增長、漏斗、留存、收入利潤、效率、市場調研或經營診斷場景。
• 需要理解路由輸入輸出契約、命中邏輯和提示語拼裝方式時，讀取 references/router-design.md。
• 需要場景化問題清單和分析示例時，讀 references/examples.md。
• 需要常見指標口徑、拆解方法、建議動作模板時，讀 references/metric-playbook.md。
• 需要市場調研方法、搜尋工具規範、市場規模估算或競品調研框架時，讀 references/market-research.md。
• 若使用者問題偏戰略/競爭/營銷/財務/市場判斷，優先從 SKILL.md 保持主線，再按需讀取 metric-playbook.md 或 market-research.md 中對應章節，不要一次把所有參考材料都塞進上下文。

輸出要求

預設按以下結構回答：

1. 問題定義
2. 口徑與範圍
3. 資料質量檢查
4. 關鍵發現
5. 原因拆解
6. 業務影響
7. 建議動作
8. 資訊缺口 / 待驗證假設

當使用強化分析模型時，可在 原因拆解 和 建議動作 之間增加：

1. 模型分析
2. 戰略 / 競爭 / 營銷 / 運營 / 財務判斷

當用戶問題屬於市場調研場景時，按以下結構回答：

1. 調研問題與決策場景
2. 關鍵假設
3. 資訊來源與可信度評估
4. 市場規模與趨勢（如適用）
5. 競爭格局（如適用）
6. 客戶與需求洞察（如適用）
7. 關鍵發現與結論
8. 資訊缺口與後續調研建議

其中： - 關鍵發現 只寫觀察到的事實，不提前混入建議。 - 原因拆解 要按影響大小排序，不要羅列無關因素。 - 建議動作 控制在 1-3 條，並寫清驗證指標。

快速模式

如果使用者只想快速判斷“問題在哪裡、先做什麼”，最少保留四段：

1. 問題定義
2. 關鍵發現
3. 原因拆解
4. 建議動作

不要這樣做

• 不要在口徑不清時直接給結論。
• 不要只看總體均值，不看結構變化。
• 不要把相關性直接寫成因果。
• 不要把一次活動、節假日、政策擾動當作長期趨勢。
• 不要給“加強運營”“提升轉化”這種不可執行建議。
• 不要在沒有業務影響量化時排序優先順序。

參考材料

• 需要場景化問題清單和分析示例時，讀 references/examples.md
• 需要常見指標與拆解思路時，讀 references/metric-playbook.md
• 需要市場調研方法與搜尋工具規範時，讀 references/market-research.md

這是一款專業度高、實用性強的商業資料分析 Skill。優點突出：分析框架設計嚴謹，從定義問題到給動作建議的流程完整清晰；覆蓋場景廣泛，包括增長、漏斗、留存、收入、效率分析以及市場調研等；文件詳細易懂，參考材料豐富。不足之處在於某些細分場景的識別精準度還有提升空間，示例內容可以更加充實。整體而言，這是一款完成度高、質量可靠的技能產品，適合需要進行業務分析、經營診斷或市場調研的使用者使用。