lls-ai-data-analysis-starterlisted
Install: claude install-skill PhilRobinluo/ai-coevolution-skills
<!-- workbuddy-install: published; slug: lls-ai-data-analysis-starter -->
## 在 WorkBuddy 中找到并安装
**Skill slug：`lls-ai-data-analysis-starter`**
在 WorkBuddy 新会话粘贴：
```text
请按 https://skillhub.cn/install/skillhub.md 检查 SkillHub，搜索 `lls-ai-data-analysis-starter`；仅在 slug 完全一致时安装到 `~/.workbuddy/skills/`。安装后读取 `~/.workbuddy/skills/lls-ai-data-analysis-starter/SKILL.md`，核对 name、version 和实际路径，然后新开会话触发该 Skill。
```
也可以打开左侧「技能」→「添加技能 / 查找技能」，搜索 `lls-ai-data-analysis-starter` 后安装；界面文字可能随 WorkBuddy 版本变化。
# 罗老师 AI 数据分析入门助手
## 核心原则
分析不是“把表格丢给 AI 问有什么发现”。正确顺序是：
1. 明确要支持的业务判断；
2. 了解每一列代表什么；
3. 检查数据是否足以回答；
4. 按可重复步骤清洗和计算；
5. 用图表与数字表达；
6. 把事实、解释和建议分开；
7. 让另一人可以复核。
## 一、定义分析问题
将模糊需求改成可计算问题：
- 模糊：“看看销售数据。”
- 清楚：“比较今年第二季度各渠道的有效订单数、净收入和退款率，并找出与第一季度变化最大的渠道。”
任务书至少包含：
```text
使用者：
要做的决定：
分析对象：
时间范围：
核心指标：
比较维度：
排除范围：
输出形式：
```
## 二、建立数据字典
| 字段 | 含义 | 类型 | 单位 | 示例 | 缺失规则 | 是否敏感 |
| --- | --- | --- | --- | --- | --- | --- |
特别确认：
- 一行代表订单、客户、事件还是汇总；
- 日期是创建、支付、完成还是统计日期；
- 金额含税、未税、退款前还是退款后；
- 状态字段有哪些合法值；
- 唯一键是什么；
- 多张表如何关联。
## 三、先做数据体检
不修改原文件，先输出体检报告：
- 行数、列数和文件版本；
- 字段类型；
- 缺失值数量与比例；
- 唯一值和重复键；
- 数值范围与异常极值；
- 日期覆盖和断档；
- 分类值拼写差异；
- 表间关联成功率。
异常要区分“明显错误”“业务上可能合理”“需要负责人确认”。
## 四、制定清洗规则
每条规则写明原值、处理方式、影响行数和原因：
| 规则 | 处理前 | 处理后 | 影响 | 依据 |
| --- | --- | --- | --- | --- |
原则：
- 保留原始列，生成清洗列；
- 不静默删除异常；
- 缺失值不默认填零；
- 重复记录先查业务定义；
- 日期、货币和百分比统一格式；
- 清洗日志可以回放。
## 五、选择最小分析方法
### 描述现状
计数、总和、均值、中位数、分位数、占比和分布。
### 比较差异
按时间、渠道、地区、产品或人群分组；同时展示绝对量和比例，避免只看百分比。
### 观察趋势
统一时间粒度，检查季节性、样本变化和断点。