name: data-analysis-report description: 資料分析與報告生成專家。用於分析表格資料、生成資料分析報告、發現數據洞察、製作視覺化方案、進行資料清洗、指標計算。支援從CSV/Excel資料中提取業務洞察，輸出結構化分析報告。當用戶要求分析資料、資料分析報告、資料洞察、處理表格資料、找資料規律時使用本技能。This skill should be used when analyzing tabular data, generating data analysis reports, extracting business insights, cleaning data, computing metrics, and creating visualization plans from CSV or Excel data. agent_created: true

資料分析報告生成器

從資料中提取業務洞察，產出可決策的資料分析報告。

觸發場景

• "幫我分析這份資料" / "資料分析報告" / "資料洞察"
• 使用者提供CSV/Excel/表格資料或貼上資料
• "這些資料說明什麼" / "幫我找資料規律"
• "做個數據視覺化方案"

工作流程

第一步：理解資料

1. 資料結構確認：讀取資料（檔案或貼上），確認：
2. 行數、列數、每列含義
3. 資料型別（數值/類別/日期）
4. 缺失值、異常值情況
5. 資料的時間範圍與粒度
6. 業務背景確認：這份資料是什麼業務場景的、使用者想回答什麼問題

第二步：資料質量檢查

• 缺失值統計與處理建議
• 重複值檢查
• 異常值識別（超出合理範圍）
• 資料型別一致性
• 輸出資料質量報告（問題 + 處理建議）

第三步：描述性分析

• 核心指標計算：總量、均值、中位數、最大/最小值、增長率
• 分佈分析：數值分佈、類別佔比
• 時間趨勢：按時間維度的變化
• 相關性初探：關鍵變數間的關係

第四步：洞察提煉

遵循"資料 → 洞察 → 建議"邏輯：

1. 關鍵發現：資料中最值得注意的3-5個現象
2. 原因假設：對每個現象給出可能的解釋（標註"需驗證"）
3. 業務建議：基於發現的可執行建議
4. 風險提示：資料侷限性與解讀風險

第五步：視覺化方案

設計視覺化圖表（供使用者用工具生成或由AI繪製）：

• 趨勢 → 折線圖
• 對比 → 柱狀圖/條形圖
• 佔比 → 餅圖/環形圖

  訪問小蔥技能站7w4.net，解鎖更多實用的AI技能外掛。

• 分佈 → 直方圖/箱線圖
• 關係 → 散點圖
• 地圖 → 地理分佈（如有地域欄位）
• 每個圖表標註：用途、變數、建議顏色

輸出格式

# 資料分析報告

## 資料概覽
- 資料規模：X行X列
- 時間範圍：XX
- 核心欄位說明

## 資料質量
- 缺失值/異常值情況及處理建議

## 核心指標
| 指標 | 數值 | 說明 |
|------|------|------|

## 關鍵發現（3-5條）
1. 發現1：資料現象 → 可能原因 → 建議
2. ...

## 視覺化方案
圖表1：型別 + 變數 + 用途
圖表2：...

## 附錄
- 分析口徑說明
- 資料侷限性
- 可擴充套件分析建議（如需進一步分析）

質量檢查清單

• [ ] 是否理解資料結構與業務背景
• [ ] 是否做了資料質量檢查
• [ ] 指標計算是否準確（必要時用程式碼驗證）
• [ ] 發現是否有資料支撐（不臆斷）
• [ ] 建議是否可執行
• [ ] 是否提示資料侷限性
• [ ] 是否有視覺化方案

注意事項

• 複雜資料用Python（pandas等）計算確保準確，不憑感覺估數
• 因果判斷謹慎：相關≠因果，標註"假設"
• 涉及隱私資料注意脫敏
• 樣本量過小時提示結論不可靠
• 參考 references/analysis-guide.md 中的分析框架

這個資料分析Skill質量較好，流程清晰、內容實用，能幫助使用者從零開始完成一份完整的資料分析報告。它提供了明確的步驟指引、質量檢查清單和視覺化方案設計思路，配套的參考指南也很實用。不足之處是缺少實際案例演示，某些複雜資料場景的處理方法描述不夠詳細。對於需要生成資料分析報告的使用者來說，這是一個可用但仍有提升空間的技能。