AI 資料分析入門助手
📖 技能介紹
slug: lls-ai-data-analysis-starter displayName: AI 資料分析入門助手 version: 1.1.0 summary: 從業務問題和資料質量開始，完成可複核的資料分析 license: CC-BY-NC-SA-4.0 name: lls-ai-data-analysis-starter description: 帶普通使用者把 Excel、CSV 或表格問題轉成可複核的資料分析。用於第一次做資料清洗、描述統計、分組比較、趨勢、異常檢查、圖表和結論彙報時；必須先明確業務問題、欄位含義、時間範圍與統計口徑，再檢查資料質量並生成可重複步驟，不把相關性寫成因果，也不根據缺失資料編造結論。 metadata: short-description: 從業務問題和資料字典開始，完成可複核的資料分析
在 WorkBuddy 中找到並安裝
在 WorkBuddy 搜尋唯一 slug lls-ai-data-analysis-starter，僅在 slug 完全一致時安裝；安裝後核對 SKILL.md 的 name，再新開會話使用。
羅老師 AI 資料分析入門助手
核心原則
分析不是“把表格丟給 AI 問有什麼發現”。正確順序是：
- 明確要支援的業務判斷；
- 瞭解每一列代表什麼；
- 檢查資料是否足以回答；
- 按可重複步驟清洗和計算；
- 用圖表與數字表達；
- 把事實、解釋和建議分開；
- 讓另一人可以複核。
小蔥技能站7w4.net每天更新，海量AI技能等你發現。
一、定義分析問題
將模糊需求改成可計算問題：
- 模糊：“看看銷售資料。”
- 清楚：“比較今年第二季度各渠道的有效訂單數、淨收入和退款率，並找出與第一季度變化最大的渠道。”
任務書至少包含：
使用者：
要做的決定：
分析物件：
時間範圍：
核心指標：
比較維度：
排除範圍：
輸出形式：
二、建立資料字典
| 欄位 | 含義 | 型別 | 單位 | 示例 | 缺失規則 | 是否敏感 |
|---|---|---|---|---|---|---|
特別確認：
- 一行代表訂單、客戶、事件還是彙總；
- 日期是建立、支付、完成還是統計日期；
- 金額含稅、未稅、退款前還是退款後；
- 狀態欄位有哪些合法值；
- 唯一鍵是什麼；
- 多張表如何關聯。
三、先做資料體檢
不修改原檔案，先輸出體檢報告：
- 行數、列數和檔案版本；
- 欄位型別；
- 缺失值數量與比例；
- 唯一值和重複鍵；
- 數值範圍與異常極值；
- 日期覆蓋和斷檔；
- 分類值拼寫差異；
- 表間關聯成功率。
異常要區分“明顯錯誤”“業務上可能合理”“需要負責人確認”。
四、制定清洗規則
每條規則寫明原值、處理方式、影響行數和原因：
| 規則 | 處理前 | 處理後 | 影響 | 依據 |
|---|---|---|---|---|
原則：
- 保留原始列，生成清洗列；
- 不靜默刪除異常；
- 缺失值不預設填零；
- 重複記錄先查業務定義；
- 日期、貨幣和百分比統一格式；
- 清洗日誌可以回放。
五、選擇最小分析方法
描述現狀
計數、總和、均值、中位數、分位數、佔比和分佈。
比較差異
按時間、渠道、地區、產品或人群分組；同時展示絕對量和比例，避免只看百分比。
觀察趨勢
統一時間粒度，檢查季節性、樣本變化和斷點。
檢查關係
散點、交叉表或相關係數只能說明共同變化；因果需要設計、對照或額外證據。
發現異常
先用業務閾值，再輔以統計閾值；把異常清單交給業務確認。
六、設計圖表
| 問題 | 推薦圖表 |
|---|---|
| 隨時間變化 | 折線圖 |
| 類別比較 | 排序條形圖 |
| 構成 | 100% 堆疊或條形圖 |
| 分佈 | 直方圖、箱線圖 |
| 兩變數關係 | 散點圖 |
圖表必須包含標題、單位、時間範圍、口徑、來源和必要註釋。避免三維圖、雙軸誤導和截斷座標造成誇大。
七、寫分析結論
使用四層結構：
- 事實：數字和圖表直接支援什麼；
- 解釋：有哪些合理原因；
- 未知：現有資料不能判斷什麼；
- 行動：下一步核驗或決策。
示例：
事實：渠道 A 的淨收入環比下降 18%，退款率從 4% 升至 9%。
解釋：可能與本期促銷商品結構變化有關。
未知：當前資料沒有促銷標識，尚不足以確認原因。
行動：補充活動 ID 與商品毛利欄位，再分活動比較。
輸出物
- 分析任務書；
- 資料字典；
- 資料質量報告；
- 清洗規則與影響行數；
- 指標計算表；
- 圖表；
- 事實/解釋/未知/行動結論；
- 可復現步驟或指令碼；
- 隱私和侷限說明。
質量門禁
- [ ] 一行資料和唯一鍵定義清楚；
- [ ] 指標、日期和金額口徑有說明；
- [ ] 原始檔案沒有被覆蓋；
- [ ] 缺失、重複和異常有處理日誌；
- [ ] 圖表與問題匹配，單位和來源完整；
- [ ] 相關性沒有寫成因果；
- [ ] 關鍵數字可由獨立計算複核；
- [ ] 敏感欄位已脫敏或留在本地；
- [ ] 結論明確寫出未知與限制。
檢查表見 references/analysis-checklist.md。
使用入口
如果這套流程幫你第一次把資料說清楚，歡迎給總倉庫點一個 Star；需要新版提醒時，請訂閱 GitHub Releases。
🤖 AI 評測
這個 Skill 質量不錯，核心優勢是流程完整、邏輯清晰，特別是資料要先體檢再分析、區分事實和因果、結論要說明未知和限制這些原則，能幫助避免常見的分析錯誤。它的四層結論結構（事實-解釋-未知-行動）也很實用。主要不足是偏向理論指導，缺少具體例子和模板，新手直接用起來可能不太順手，需要搭配教程影片或案例才能更好上手。
