Data Analysis Hub Free

SKILL.md

---
slug: data-analysis-hub-free
name: data-analysis-hub-free
version: 1.0.0
displayName: 数据分析中枢(免费版)
summary: 面向决策的数据分析助手,提供统计严谨性、假设检验、A/B测试与陷阱识别的免费核心能力。
license: Proprietary
edition: free
description: '数据分析中枢免费版面向产品经理、运营与初级数据分析师,提供从数据到决策的完整方法论支撑。核心能力:

  - 方法论优先的决策分析框架,明确"分析服务于哪个决策"

  - 统计严谨性检查清单,覆盖样本量、对照公平性、多重比较等核心要素

  - 常见分析陷阱识别表,自动提示辛普森悖论、幸存者偏差、p-hacking等问题

  - 假设检验、相关分析、队列分析的方法选择器与输出标准


  适用场景:

  - 产品 A/B 测试结果判定与显著性评估

  - 用户增长与留存分析,辅助运营决策

  - 指标异动归因,快速定位业务问题


  差异化:以"决策导向...'
tags:
- 信息检索
- 假设检验
- 决策辅助
- 集成工具
tools:
- read
- exec
homepage: https://skillhub.cn
pricing_tier: L2
pricing_model: per_use
suggested_price: 19.9
tools: ["read", "write", "exec", "glob"]
tags: "数据处理,数据分析,工具"
---
# 数据分析中枢 免费版

## 一、概述

数据分析不是算术,而是服务于业务决策的严谨过程。本免费版面向产品经理、运营人员与初级数据分析师,提供"决策优先、统计严谨"的核心方法论,帮助用户在海量数据中识别真正可驱动行动的洞察。

免费版聚焦于分析流程的方法论纪律与陷阱识别,适合小规模数据集与单次分析任务,无需复杂环境配置即可上手。

## 核心能力

### 2.1 决策优先框架

在动手分析前,先回答四个关键问题:

| 序号 | 关键问题 | 作用 |
|---|----|---|
| 1 | 这次分析服务于哪个**决策**? | 避免为分析而分析 |
| 2 | 什么样的结果会**改变我的判断**? | 暴露伪需求 |
| 3 | 实际拥有的数据是什么,理想数据是什么? | 识别数据缺口 |
| 4 | 哪个**时间窗口**与决策相关? | 避免历史数据噪音 |

**输入**: 用户提供1 决策优先框架所需的指令和必要参数。
**处理**: 解析1 决策优先框架的输入参数,完成核心逻辑,返回结构化响应。
**输出**: 返回1 决策优先框架的响应数据,包含状态码、结果和日志。

### 2.2 统计严谨性检查清单

- 样本量是否充足?(小样本会导致置信区间过宽)
- 对照组是否公平?(相同时间窗口、相似条件)
- 是否存在多重比较?(20 次检验平均会有 1 次"显著"的偶然结果)
- 效应量是否有意义?(统计显著不等于业务重要)
- 不确定性是否量化?(`12-18% 提升` 而非 `15% 提升`)

**输入**: 用户提供2 统计严谨性检查清单所需的指令和必要参数。
**处理**: 解析2 统计严谨性检查清单的输入参数,完成核心逻辑,返回结构化响应。
**输出**: 返回2 统计严谨性检查清单的响应数据,包含状态码、结果和日志。

### 2.3 分析陷阱识别表

| 陷阱 | 表现 | 规避方式 |
|:-----|:-----|:-----|
| 辛普森悖论 | 分组后趋势反转 | 必须按关键维度拆分检查 |
| 幸存者偏差 | 只分析当前活跃用户 | 纳入流失/失败样本 |
| 周期不可比 | 2 月(28 天)与 3 月(31 天)直接对比 | 按天归一化或同长度窗口 |
| p-hacking | 反复检验直到显著 | 预注册假设或做多重比较校正 |
| 时间序列伪相关 | 两个指标同涨即认为相关 | 控制时间变量后验证 |
| 百分比平均 | 直接对百分比取算术均值 | 从底层总量重新计算 |

**输入**: 用户提供3 分析陷阱识别表所需的指令和必要参数。
**处理**: 解析3 分析陷阱识别表的输入参数,完成核心逻辑,返回结构化响应。
**输出**: 返回3 分析陷阱识别表的响应数据,包含状态码、结果和日志。

### 2.4 方法选择器

| 问题类型 | 推荐方法 | 关键产出 |
|---:|---:|---:|
| X 与 Y 是否有差异? | 假设检验 | p 值 + 效应量 + 置信区间 |
| 什么因素预测 Z? | 回归/相关分析 | 系数 + R² + 残差检查 |
| 用户行为如何随时间变化? | 队列分析 | 按队列的留存曲线 |
| 这些群体是否不同? | 分群分析 | 用户画像 + 统计对比 |
| 哪些是异常值? | 异常检测 | 标记点 + 上下文 |

**输入**: 用户提供4 方法选择器所需的指令和必要参数。
**处理**: 解析4 方法选择器的输入参数,完成核心逻辑,返回结构化响应。
**输出**: 返回4 方法选择器的响应数据,包含状态码、结果和日志。

### 2.5 输出标准

1. **洞察先行**:先给出业务结论,再补充方法论
2. **量化不确定性**:必须给区间,不给点估计
3. **声明局限**:明确本次分析不能回答什么
4. **推荐下一步**:说明什么动作能强化结论

**输入**: 用户提供5 输出标准所需的指令和必要参数。
**处理**: 解析5 输出标准的输入参数,完成核心逻辑,返回结构化响应。
**输出**: 返回5 输出标准的响应数据,包含状态码、结果和日志。
**能力覆盖范围**：本skill的核心能力覆盖以下场景关键词：面向决策的数据分、析助手、提供统计严谨性、测试与陷阱识别的、免费核心能力、数据分析中枢免费、版面向产品经理、运营与初级数据分、提供从数据到决策、的完整方法论支撑、核心能力、方法论优先的决策、分析框架、分析服务于哪个决、覆盖样本量、对照公平性、多重比较等核心要、常见分析陷阱识别、自动提示辛普森悖、等问题、队列分析的方法选、择器与输出标准等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持。

## 适用场景

| 角色 | 典型场景 | 输出形态 |
|:---:|:---:|:---:|
| 产品经理 | A/B 测试结论判定 | 显著性 + 效应量 + 决策建议 |
| 运营专员 | 周度留存异动归因 | 拆解维度 + 假设清单 |
| 数据分析师 | 月度业务复盘报告 | 趋势 + 异常 + 改进方向 |

## 不适用场景

以下场景数据分析中枢(免费版)不适合处理：

- 实时流数据处理
- 小规模数据手动分析
- 非结构化文本情感分析

## 触发条件

需要数据分析、报表生成、统计洞察、数据可视化时使用。不适用于非本工具能力范围的需求。

## 使用流程

1. 阅读## 核心能力章节了解skill功能
2. 按## 依赖说明配置环境
3. 执行所需能力对应的命令
4. 参考## 错误处理章节处理异常
5. 查看## FAQ解答常见疑问

预计上手时间:**< 60 秒**。

直接以自然语言向 Agent 描述分析任务即可,以下为可复制模板:

## 输入格式
| 参数名 | 类型 | 必填 | 说明 |
|:------|------:|:------|:------|
| input | string | 是 | 数据分析中枢(免费版)处理的输入数据或指令 |
| options | object | 否 | 附加配置选项,如模式选择、格式偏好等 |
| callback_url | string | 否 | 异步处理完成后的回调通知URL |

```text
我是产品经理,刚收到 A/B 测试结果。
实验组 10000 人转化率 5.2%,对照组 9980 人转化率 4.7%。
请按统计严谨性检查清单给出结论,并明确是否值得全量发布。
```

Agent 会自动套用决策优先框架,输出包含效应量、置信区间与决策建议的结构化结论。

## 示例

### 5.1 输入数据格式

数据可通过 CSV、Excel、JSON 或直接对话形式提供,无需额外配置。

```text
请分析这份数据:
- 来源: monthly_sales.csv
- 字段: date, region, product, sales, units
- 关注问题: 华东 vs 华南的销售额是否有显著差异
```

### 5.2 与外部数据源配合

免费版支持以下数据源(需用户提供连接信息):

- 本地 CSV/Excel/JSON 文件
- SQLite 数据库文件
- 通过 Python `pandas` 读取的任意数据源

## 六、最佳实践

- **先决策后分析**:每次分析开始前,先明确"决策是什么"
- **样本量预估**:实验启动前估算最小可检测效应(MDE)
- **多维拆分**:任何总体结论都要按关键维度拆分复核
- **结果复核**:让另一个 Analyst 角色审阅结论与逻辑
- **历史对照**:与去年同期、上月环比同时呈现,避免单点误导

## 常见问题

### Q1: 免费版能处理多大的数据集?

A: 推荐用于 100 万行以内的数据集。更大规模数据建议使用专业版的批处理与增量更新能力。

### Q2: 免费版支持哪些统计方法?

A: 免费版覆盖描述统计、假设检验、相关分析、队列分析、A/B 测试等核心方法,足以应对日常分析需求。

### Q3: 为什么强调"决策导向"?

A: 没有决策的分析只是算术。明确决策目标可以避免"做了一堆图表但没结论"的常见困境。

### Q4: 如何处理多重比较问题?

A: 免费版会自动提示多重比较风险。专业版支持 Bonferroni、BH 校正等自动化处理。

### Q5: 输出可以导出为报告吗?

A: 免费版提供 Markdown 格式的结构化结论,可直接复制使用。专业版支持 HTML/PDF 报告模板与定时任务。

## 已知限制

本免费体验版限制以下高级功能:

- 禁用批量处理(单次分析条数上限 100 万行)
- 禁用高级缓存策略与结果复用
- 禁用自定义报告模板与品牌化输出
- 禁用定时任务与告警通知
- 禁用 Bonferroni/BH 等多重比较自动化校正
- 禁用多角色协同审阅与版本对比

解锁全部功能请使用专业版:`data-analysis-hub-pro`
- 当前为免费版本,如需完整功能请升级到付费版获取全部能力
## 依赖说明

### 运行环境

- **Agent 平台**: 任意支持 SKILL.md 的 AI Agent(Claude Code / Cursor / Codex / Gemini CLI 等)
- **操作系统**: Windows / macOS / Linux
- **Python**: 3.8+(可选,用于复杂数据计算)

### 第三方依赖

| 依赖项 | 类型 | 是否必需 | 获取方式 |
|---:|:---|---:|---:|
| LLM API | API | 必需 | 由 Agent 内置 LLM 提供 |
| pandas | Python 库 | 可选 | `pip install pandas` |
| numpy | Python 库 | 可选 | `pip install numpy` |
| scipy | Python 库 | 可选 | `pip install scipy`(假设检验需要) |
| statsmodels | Python 库 | 可选 | `pip install statsmodels`(高级统计需要) |

### API Key 配置

- 本 Skill 基于自然语言指令,无需额外 API Key
- 如对接外部数据源,需用户自行提供对应的连接凭证,请通过环境变量传入,**禁止**在对话或脚本中明文硬编码

### 可用性分类

- **分类**: MD+EXEC(纯 Markdown 指令,部分功能需要 exec 命令行执行能力)
- **说明**: 基于自然语言驱动的 AI Skill,通过方法论纪律与陷阱识别保障分析质量

## 错误处理

| 错误场景 | 原因 | 处理方式 |
|:------:|--------|:-------|
| 配置错误 | 参数缺失或格式错误 | 检查依赖说明中的配置要求 |
| 运行时错误 | 运行环境不满足 | 确认运行环境符合依赖说明 |
| 网络错误 | 连接超时或不可达 | 执行ping命令测试网络连通性,检查防火墙和代理设置连接后执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令，参考国内替代方案 |

## 输出格式
```json
{
  "success": true,
  "data": {
    "result": "数据分析中枢(免费版)处理结果",
    "execution_time": "0.5s",
    "metadata": {
      "version": "1.0",
      "processor": "data analysis hub"
    }
  },
  "execution_log": ["解析输入参数", "执行核心处理", "格式化输出结果"],
  "error": null
}
```