資料分析工作流
📖 技能介紹
name: ray-data-analysis slug: ray-data-analysis displayName: 資料分析工作流 version: 1.1.0 description: > 完整資料分析工作流：回答資料問題、探查資料集、寫最佳化 SQL、建立視覺化、構建互動式儀表板、 分享前驗證。覆蓋從快速查詢到正式報告的全流程，含 ASCII 快速圖表、報告模板、統計檢驗速查。 觸發場景：使用者要做資料分析、問資料問題、探查資料集、寫 SQL 查詢、畫圖、做儀表板、 生成資料包告、驗證分析結果。"分析一下這個資料"、"這個資料什麼意思"、"畫個圖"、 "做個儀表板"、"寫個 SQL"、"資料包告"、"驗證我的分析"。 agent_created: true
資料分析 — ray-data-analysis
完整資料分析工作流。從快速查數到正式報告，一條 skill 覆蓋全流程。
六個工作流
按需求選工作流，複雜專案可組合使用（如：探查資料 → 寫 SQL → 視覺化 → 驗證 → 交付）。
| # | 工作流 | 何時用 |
|---|---|---|
| 1 | 回答資料問題 | 使用者有具體問題要回答 |
| 2 | 探查資料集 | 遇到新表 / 新資料檔案 |
| 3 | 寫最佳化 SQL | 需要生成查詢供手動執行 |
| 4 | 建立視覺化 | 報告/演示需要圖表 |
| 5 | 構建互動式儀表板 | 需要可分享的互動式 dashboard |
| 6 | 分享前驗證分析 | 重要結論分享給相關方前 |
Workflow 1: 回答資料問題
1. 理解問題
判定複雜度：
- 快速答案：單一指標、簡單過濾、事實查詢（"上週多少新使用者？"）
- 完整分析：多維探索、趨勢、對比（"轉化率下降的原因是什麼？"）
- 正式報告：方法論 + 侷限性 + 建議的完整調研（"季度業務回顧"）
明確：需要哪些表/指標/維度/時間範圍，輸出格式（數字/表/圖/敘述）。
2. 取數
- 使用者直接提供資料（貼上查詢結果 / 上傳 CSV / Excel / 描述 schema）
- 寫查詢供使用者手動執行 → 走 Workflow 3 的 SQL 方言最佳實踐
- 拿到資料後開始分析
3. 分析
- 計算指標、聚合、對比
- 識別模式、趨勢、離群點、異常
- 跨維度對比（時間/分段/類別）
- 複雜分析拆成子問題逐個解決
4. 交付前驗證
- 行數 sanity：記錄數合理嗎？
- Null 檢查：有沒有意外空值扭曲結果？
- 量級檢查：數字在合理範圍嗎？
- 趨勢連續性：時間序列有意外缺口嗎？
- 聚合邏輯：小計加總等於總計嗎？
任一項存疑 → 調查並標註 caveat。
5. 呈現發現
- 快速答案：直接給答案 + 上下文 + 查詢（摺疊/程式碼塊）供復現
- 完整分析：先給關鍵洞察 → 資料表/圖表支撐 → 方法論和 caveat → 後續問題建議
小蔥技能7w4.net有更新，你可以訪問看下。
- 正式報告：執行摘要 → 方法論 → 詳細發現 → 侷限 → 建議 → 附錄（查詢+資料表）
Workflow 2: 探查資料集
生成資料畫像：理解形狀、質量、模式，再做分析。
1. 訪問資料
- 檔案（CSV/Excel/Parquet/JSON）：讀入，過大則取樣
- 使用者描述表：要樣本資料或 schema，生成探查查詢供使用者執行
2. 畫像
基本統計：行數 / 列數 / 主鍵 / 粒度（一行 = 一個什麼）/ 時間範圍。
逐列分析：型別 / Null 率 / 基數（唯一值數）/ 樣本值 / 分佈（數值列 min/max/mean/median/std）。
資料質量紅旗：Null 率高（>10%）/ 意外值（計數字段出現負數）/ 重複行 / 格式不一致（大小寫混用、尾隨空格）/ 時間缺口。
3. 推薦下一步
- 值得探索的高價值維度（中等基數、低 Null）
- 分析前要解決的資料質量問題
- 潛在關係（相關列、層級）
- 基於結構的分析起點
Workflow 3: 寫最佳化 SQL
從自然語言生成 SQL，針對具體方言最佳化。
1. 理解需求
識別：輸出列 / 過濾條件 / 聚合（GROUP BY、count、sum、avg）/ 連線（多表）/ 排序 / 限制（top-N 或採樣）。
2. 定 SQL 方言
未指定時問使用者：PostgreSQL / Snowflake / BigQuery / Databricks(Spark SQL) / Redshift / MySQL。各方言在日期函式、字串操作、視窗函式上語法不同。
3. 寫查詢
複雜查詢用 CTE：
WITH base_data AS (
SELECT ... -- 第一步：取基礎資料集
),
aggregated AS (
SELECT ... -- 第二步：聚合
)
SELECT * FROM aggregated;
最佳實踐： - 顯式 JOIN（不用 WHERE 隱式連線） - 連線時所有列名加表別名限定 - CTE 和別名起有意義的名字 - 複雜邏輯加註釋 - 格式化（縮排、換行） - 考慮效能（儘早過濾、避免 SELECT *、用合適索引）
4. 加上下文
查詢附帶：用途一句話 / 引用的表 / 效能說明（預期行數、瓶頸）/ 方言特有說明。
Workflow 4: 建立視覺化
用 Python 生成出版級圖表。
1. 理解需求
確定：資料來源 / 圖表型別（指定或需推薦）/ 用途（探索/演示/報告/儀表板元件）/ 受眾。
2. 取數
無資料時：讓使用者貼上或上傳；需查詢時先用 Workflow 3 生成查詢。
3. 選對圖表
| 展示內容 | 最佳圖表 | 何時用 |
|---|---|---|
| 時間趨勢 | 折線圖 | 連續時間序列 |
| 類別對比 | 柱狀圖 | 離散類別 |
| 佔比 | 堆疊柱/餅圖 | 構成、相對大小 |
| 分佈 | 直方圖/箱線圖 | 離散度和離群點 |
| 相關性 | 散點圖 | 兩變數關係 |
| 排名 | 水平柱狀圖 | 有序列表、易讀標籤 |
4. 生成 Python 程式碼
互動圖用 plotly，靜態圖用 seaborn 或 matplotlib。模板見 references/visualization-code.md。
5. 設計原則
- 清晰：去掉圖表垃圾，標籤明確
- 準確：不截斷座標軸誇大差異
- 可訪問：色盲友好配色
- 上下文：關鍵點加參考線、註釋
Workflow 5: 構建互動式儀表板
自包含 HTML 儀表板，瀏覽器直接開啟，無伺服器無依賴。
1. 理解需求
用途（高管概覽/運營監控/深挖分析/團隊彙報）/ 受眾 / 關鍵指標 / 維度（可過濾切片）/ 資料來源。
2. 取數
需查詢走 Workflow 3；提供資料則確保結構化（CSV/JSON）。
3. 設計佈局
- Header：標題、日期範圍、關鍵過濾器
- KPI 卡片：3-5 個最重要的數字
- 主圖表：2-3 個主要視覺化
- 明細區：下鑽表格或次級圖表
- Footer：方法論、資料來源、更新時間
4. 生成 HTML/JS
Chart.js 模板見 references/dashboard-template.md。
5. 加互動
下拉過濾（類別/時間/分段）/ 圖表互動（懸停 tooltip、點選下鑽）/ 表格排序（點列頭）/ 動態更新（過濾器聯動所有圖表）。
Workflow 6: 分享前驗證分析
分享前審查準確性、方法論、潛在偏差，產出置信度評估和改進建議。
1. 審查方法論和假設
資料選擇：用了哪些表/源？對嗎？時間範圍夠新嗎？過濾器引入偏差嗎？
聚合邏輯：分組合適嗎？小計等於總計嗎？Null 處理對了嗎（排除 vs 計為零）？
統計方法：用平均還是中位數更合適？百分比分母一致嗎？趨勢考慮季節性了嗎？
2. 查常見陷阱
- 倖存者偏差：只分析現有客戶 → 排除了流失使用者
- 選擇偏差：樣本代表總體嗎？
- 辛普森悖論：聚合趨勢與子組趨勢矛盾
- 相關 ≠ 因果：混淆變數在起作用嗎？
3. Sanity 檢查
量級（數字在合理範圍）/ 方向（趨勢符合業務常識）/ 一致性（相關指標講同一故事）。有異常 → 重查查詢 → 找資料質量問題 → 考慮外部因素。
4. 評估置信度
- 高：方法論紮實、結果已驗證、侷限已記錄
- 中：有 minor 顧慮或 caveat，但核心結論成立
- 需重做：方法論或資料質量問題需要解決
5. 記錄侷限
每份分析都有侷限，記錄：排除了什麼 / 假設 / 誤差範圍 / 已知資料質量問題 / 替代解釋。
示例 caveat："本分析排除試用使用者，可能高估轉化率約 5pp（相對全部註冊使用者）。"
按分析型別選方法（v1.1 新增）
分析前先判斷資料型別，再選對應的檢驗和視覺化。
| 型別 | 適用場景 | 統計檢驗 | 視覺化 |
|---|---|---|---|
| 實驗資料 | 對照試驗、組間比較、前後測 | t檢驗 / ANOVA / 卡方 | 箱線圖、小提琴圖、帶誤差線條形圖 |
| 調查資料 | 問卷、相關研究、預測 | 相關（Pearson/Spearman）/ 迴歸 / 因子分析 | 熱力圖、散點圖、直方圖 |
| 探索性 | 初步探索、特徵工程、假設生成 | 描述統計 + 相關分析 | 配對圖、分佈圖、相關矩陣 |
關鍵原則（v1.1 新增）：
- 先探索後檢驗：先做 EDA 瞭解資料，再選統計方法
- 檢查假設條件：正態性 / 方差齊性 / 獨立性（詳見 references/statistical-tests.md）
- 報告效應量：不只報 p 值，還要效應量 + 置信區間
獨有補充
ASCII 快速圖表（無法生成圖片時）
Revenue by Month (in $K)
========================
Jan: ████████████████ 160
Feb: ██████████████████ 180
Mar: ████████████████████████ 240
常見錯誤
❌ 確認偏差（找資料支援已有結論）｜❌ 相關≠因果 ｜❌ 挑櫻桃（只用有利資料）｜❌ 忽略離群點（刪前先調查）｜❌ 過度複雜（簡單分析常勝）｜❌ 無上下文（數字無對比無意義）
最佳實踐
- 從問題出發 2. 驗證資料（垃圾進垃圾出）3. 記錄一切（查詢/假設/決策）4. 恰當視覺化 5. 展示過程（方法論重要）6. 洞察先行（不是資料傾倒）7. 可行動（"So what?" → "Now what?"）8. 版本化查詢
參考資料（按需載入）
references/report-templates.md— 標準報告模板 + 分析需求模板（寫正式報告時讀）references/statistical-tests.md— 描述統計表 + 統計檢驗速查（做統計分析時讀）references/data-cleaning.md— 資料清洗清單 + 清洗 SQL 模式（資料髒時讀）references/visualization-code.md— Python 視覺化程式碼模板（畫圖時讀）references/dashboard-template.md— 互動式儀表板 HTML 模板（做儀表板時讀）
維護記錄
| 日期 | 變更 |
|---|---|
| 2026-08-14 | v1.1.0：進化輪（對比學術場景資料分析工作流）。①新增「按分析型別選方法」章節（實驗/調查/探索性 → 檢驗+視覺化對映）；②統計檢驗速查補假設條件（正態性/方差齊性/獨立性）+ 效應量（Cohens d/η²）+ APA 報告格式；③資料清洗補量化標準（缺失值/異常值分檔）。 |
| 2026-08-14 | v1.0.0：融合建立。主體為 6 個工作流（回答資料問題/探查資料集/寫最佳化SQL/建立視覺化/構建互動式儀表板/分享前驗證），補充 ASCII 快速圖表、報告模板、需求模板、統計檢驗速查、資料清洗清單、常見錯誤、最佳實踐。 |
🤖 AI 評測
這個 Skill 質量較好，內容全面且實用，涵蓋了資料分析的主要環節和常用方法。優點是工作流設計清晰、參考模板豐富，適合需要系統性指導的資料分析任務。不足之處在於內容偏基礎，缺少複雜場景的實戰案例，某些高階分析方法（如預測建模、時間序列分析）覆蓋不夠深入，更適合作為入門級指導而非專業分析師的高階工具。
