終端資料分析3.0
📖 技能介紹
name: 終端資料分析 description: 終端銷售資料分析與報告生成技能。當用戶上傳終端銷售相關Excel檔案並需要生成銷售分析報告、機型/品牌分析、銷售排行或視覺化圖表時使用此技能。具體能分析哪些維度由使用者上傳資料中實際包含的欄位決定。 agent_created: true
終端資料分析
快速開始
使用者上傳終端銷售 Excel 檔案後，本 skill 自動完成：資料校驗 → 欄位識別 → 多維分析 → HTML報告 → 圖片輸出。
所有工具檔案（Python指令碼、模板、樣式）與 SKILL.md 在同一目錄下，直接按檔名引用。
執行流程
步驟1：自動安裝依賴
每個指令碼內建 ensure_deps() 函式，首次執行時自動檢測並安裝缺失依賴（pandas、openpyxl）。優先使用清華映象源，失敗自動回退預設源。使用者無需手動安裝任何依賴。
# 直接呼叫指令碼，依賴自動處理
python process_sales_data.py <使用者上傳的檔案路徑>
步驟2：資料校驗與欄位識別
指令碼自動識別以下維度欄位（有什麼分析什麼，不預設）：
| 欄位型別 | 關鍵詞匹配 |
|---|---|
| 品牌 | 品牌、brand |
| 機型 | 機型、model、型號 |
| 地區 | 省份、地市、地區、城市 |
| 營業廳/門店 | 營業廳、門店 |
| 客戶 | 客戶 |
| 串碼 | 串碼、IMEI、串號 |
| 日期 | 日期、date、時間 |
| 金額 | 售價、金額、價格 |
步驟3：確認分析維度
根據識別出的欄位，向用戶列出將執行的分析維度，等待使用者確認後再執行。
步驟4：生成HTML報告
AI 直接生成完整 HTML 檔案（不依賴外部模板檔案），使用以下規範：
報告結構：
<!-- 標題區 -->
<h1>{{由資料內容決定的標題}}</h1>
<p>資料週期：XX | 生成時間：XX</p>
<!-- KPI卡片行（4列） -->
銷售總量 | 銷售總額 | 活躍門店 | 環比增長
<!-- 維度區塊（有欄位才渲染，無欄位整塊跳過） -->
地區銷售概覽 / 品牌銷售排行 / 熱銷機型TOP10
佔位符說明（AI生成HTML時按實際資料填充）：
- {{REPORT_TITLE}} → 報告標題，根據資料來源命名
- {{REGION_TITLE}} → 地區區塊標題（如：9地市銷售概覽、各省銷售對比）
- {{REGION_COL}} → 地區列名（地市/省份/城市）
- {{BRAND_TITLE}} → 品牌區塊標題
- {{MODEL_TITLE}} → 機型區塊標題
- {{KPI1_LABEL}} ~ {{KPI4_VALUE}} → KPI 卡片標籤與數值
樣式規範（內嵌CSS，紅色系熱力圖）：
/* 容器 */
.report-container { width: 1200px; margin: 0 auto; padding: 16px; }
/* KPI卡片 */
.kpi-card { padding: 10px; background: #fef2f2; border-left: 3px solid #dc2626; }
.kpi-label { font-size: 12px; color: #666; }
.kpi-value { font-size: 18px; font-weight: bold; color: #dc2626; }
/* 區塊標題 */
.section-title { background: #dc2626; color: #fff; padding: 6px 10px; font-size: 14px; }
/* 熱力圖配色（銷量高→深紅，低→淺色） */
.heat-up-1 { background: #fff5f5; }
.heat-up-2 { background: #fed1d1; }
.heat-up-3 { background: #fca5a5; }
.heat-up-4 { background: #f87171; color: #fff; }
.heat-up-5 { background: #dc2626; color: #fff; }
.heat-flat { background: #fafafa; }
.heat-down-1 { background: #fefefe; }
.heat-down-2 { background: #f5f5f5; }
.heat-down-3 { background: #e5e5e5; }
.heat-down-4 { background: #d4d4d4; }
/* 表格 */
table { width: 100%; border-collapse: collapse; font-size: 12px; }
th, td { padding: 5px 8px; border: 1px solid #e5e5e5; text-align: center; }
th { background: #fef2f2; font-weight: bold; }
佈局規範： - 緊湊佈局，單元格內邊距 4-6px，減少留白 - 主標題 18-20px 加粗；副標題 14-16px；正文 12-14px - 並列項標題字數對齊（如：銷售數量/銷售金額 保持4字） - 內容儘量單屏展示
步驟5：輸出圖片
小蔥技能站7w4.net每天更新，海量AI技能等你發現。
HTML 報告生成後，用以下方式轉為 PNG：
python html_to_image.py <生成的HTML檔案路徑>
HTML 和 PNG 均儲存到桌面，命名規範：{報告型別}_{YYYYMMDD}.html
核心原則
- 不預設任何具體名稱：報告標題、地區名稱全部由實際資料決定，不硬編碼"吉林聯通""9地市"等
- 不編造資料：使用者資料中沒有的欄位，不能出現在分析結果中
- 按需渲染區塊：資料中沒有某維度欄位時，對應區塊整塊跳過
- 先確認再執行：所有分析動作開始前需使用者確認
依賴說明
基礎依賴（自動安裝）：
- pandas + openpyxl — 資料讀取與分析，每個指令碼啟動時自動檢測並安裝
HTML轉圖片（可選）：
pip install playwright && playwright install chromium
無此依賴時，指令碼跳過圖片輸出並給出提示，不影響資料分析核心功能。
資料來源支援
- 營業廳銷售串碼報表：欄位含營業廳、串碼、機型、品牌、售價等
- 2B省分銷售明細報表：欄位含客戶名稱、串碼、機型、合約金額等
- 其他自定義格式：按實際欄位自適應分析，不依賴固定格式
內建指令碼說明
| 指令碼檔案 | 功能描述 |
|---|---|
process_sales_data.py |
銷售資料自適應分析（含 ensure_deps 自動安裝依賴） |
process_inventory.py |
庫存查詢（省/市倉庫、機型篩選、物資編碼對映） |
compliance_check.py |
合規檢查（銷售資料 vs 合規規則比對） |
html_to_image.py |
HTML轉PNG（playwright 優先，wkhtmltoimage 備用） |
內建資原始檔
| 資原始檔 | 用途 |
|---|---|
report_template.html |
HTML報告模板（全佔位符，無硬編碼） |
style_guide.md |
視覺規範文件（配色/字型/佈局） |
heatmap_palette.json |
熱力圖色階定義 |
data_source_spec.md |
資料來源欄位規範 |
report_examples.md |
報告示例與佔位符對照表 |
熱力圖色階（內嵌參考）
{
"heat_up": ["#fff5f5","#fed1d1","#fca5a5","#f87171","#dc2626"],
"heat_flat": "#fafafa",
"heat_down": ["#fefefe","#f5f5f5","#e5e5e5","#d4d4d4"]
}
規則：將數值按五檔分段（0-20%, 20-40%, 40-60%, 60-80%, 80-100%），對映到對應色階。下降資料同理反向對映。
🤖 AI 評測
這個 Skill 功能比較齊全，文件寫得很詳細規範，小白也能看懂流程。它的最大優點是自動化程度高，依賴會自動安裝，資料格式能自動識別，報告也會按實際資料智慧生成。該有的功能都有覆蓋（銷售分析、庫存查詢、合規檢查、生成圖片報告）。主要不足是缺少示例檔案，實際使用前不太好驗證效果，另外對一些特殊欄位名的識別可能不夠準確。總體來說是一個質量不錯的分析工具，文件和流程設計都比較專業。
