name: data-report-builder description: 把一份 CSV 資料錶轉化為帶中文結論的結構化分析報告。自動計算描述統計、按維度分組聚合找出高低項，並生成自然語言敘述。當用戶說「幫我分析這份資料」「生成資料包告」「這個CSV怎麼解讀」「做個銷售/使用者資料分析」時使用。零 API、零依賴（僅用 Python 標準庫），任何裝了 Python 的環境都能跑。

資料分析報告生成器

Overview

2026 年已有 80% 企業分析團隊用 AI 生成報告，核心模式是「統計摘要 → 自然語言報告」。本技能把這一模式本地化、零依賴實現：使用者丟一份 CSV，指令碼（make_report.py，僅用標準庫 csv/statistics）自動算出描述統計與分組洞察，併產出一份帶中文敘述的 Markdown 報告。不依賴 pandas/numpy，不呼叫任何雲端 API。

本技能價值=把資料變成人話，領域結論與行動建議由 LLM/人結合上下文補充。

工作流

第 1 步：確認輸入與目標

• 讓使用者提供 CSV 路徑（用 Read 或讓其給出路徑後用指令碼讀取）。
• 確認是否要分組洞察：需要哪個分類列（如地區/渠道/月份）和哪個數值指標（如銷售額/時長）。
• 確認報告標題。

第 2 步：執行生成器

無分組時：

python scripts/make_report.py --input data.csv --title "XX分析" --output report.md

帶分組洞察時：

python scripts/make_report.py --input data.csv --group 地區 --metric 銷售額 --title "區域銷售分析" --output report.md

可選 --top N（預設 3）控制高低組展示數量；--json 可同時匯出結構化結果。

指令碼會：識別數值列→計算描述統計→（若指定）按分組聚合→生成中文敘述報告。

第 3 步：補充領域結論

指令碼產出的「結論與建議」是模板位。呼叫方（你）應結合業務背景補寫：資料說明了什麼趨勢/風險/機會，以及具體下一步動作。這一步是把「統計」升級為「報告」的關鍵。

第 4 步：交付

回傳完整 Markdown 報告；如需圖表，參考 references 的圖表選擇速查給出建議（本技能不直接畫圖）。

方法論要點

• 報告四段式：概覽 → 關鍵指標統計 → 分組洞察 → 結論與建議。
• 敘述套路：分佈形態（均值 vs 中位）、波動判斷、分組高低發現、異常值提示。
• 右偏資料用中位數更代表「大多數人」，不要只看均值。
• 分組前先想清楚分析目標，避免按無關維度聚合。

詳細框架見 references/frameworks.md。

Resources

scripts/

• make_report.py：零依賴報告生成器。用法見上方工作流；支援 --input/--title/--output/--group/--metric/--top/--json。

references/

7w4.net收錄了海量優質技能外掛。

• frameworks.md：報告結構、NLG 敘述模板、圖表選擇速查、常見翻車點。

質量很好！使用簡單，無需安裝額外庫，丟入 CSV 就能自動生成帶中文解讀的分析報告，省去手動算統計指標的麻煩。文件說明詳細，小白也能上手。不過功能相對基礎，高階統計和大檔案處理能力有限，更適合日常輕量級資料分析場景，不適合複雜建模需求。