# Data Analysis

> 当需要数据清洗、统计分析、趋势识别时使用。提供系统化的数据分析方法论。

- Skill: `caishengold/data-analysis` (Agent Skill, multi-file: 4 files)
- Install (CLI): `npx skillmds@latest add caishengold/data-analysis`
- Raw SKILL.md: https://api.skillmd.com/api/skills/caishengold/data-analysis/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: caishengold (https://skillmd.com/u/caishengold)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/caishengold/data-analysis

---


# 数据分析能力 (Data Analysis)

系统化数据分析工作流。确保分析结果可靠、结论有数据支撑。

**核心原则: 数据说话，每个结论有数字支撑，每个数字有来源。**

## 工作流

```
Step 1 — 理解需求: 分析目标是什么？需要回答什么问题？
Step 2 — 数据审查: 数据质量、缺失值、异常值
Step 3 — 清洗处理: 标准化、去重、缺失值处理
Step 4 — 分析执行: 描述统计、趋势分析、对比分析
Step 5 — 可视化: 选择合适的图表类型呈现
Step 6 — 结论报告: 关键发现 + 可操作建议
```

## 分析方法

| 类型 | 适用场景 | 输出 |
|------|---------|------|
| 描述统计 | 数据概览 | 均值/中位数/标准差/分布 |
| 趋势分析 | 时间序列 | 趋势线/增长率/周期性 |
| 对比分析 | A/B 比较 | 差异值/显著性 |
| 分类统计 | 分组汇总 | 各组占比/排名 |
| 相关分析 | 变量关系 | 相关系数/散点图 |

## 输出规范

```
📊 数据分析报告: {主题}
  数据源: {来源}
  样本量: {N}
  ──────────────
  关键发现:
    1. {发现} (数据: {数字}, 变化: {%})
    2. {发现}
  ──────────────
  建议: {可操作建议}
  局限: {分析局限性}
```

## NEVER

- NEVER 不标注数据来源就下结论
  替代: 每个数字后标注来源
- NEVER 超出描述统计做因果推断
  替代: 只说 "相关" 不说 "导致"
- NEVER 忽略数据局限性
  替代: 明确标注样本量、时间范围、缺失情况