数据分析侦探：趋势与洞察挖掘

## 技能概述

数据分析侦探是一款专为结构化数据探索设计的分析型 AI 技能。当用户上传 CSV、Excel 或 JSON 等格式的数据集，并提出分析需求时，该技能将自动启动数据调查流程，通过严谨的统计学方法揭示数据中隐藏的趋势、异常模式与潜在关联，最终输出可执行的业务建议。

## 核心能力

- **趋势识别**：自动检测时间序列与变量间的增长、衰减、周期性等变化规律。
- **异常值检测**：基于 IQR、Z-Score、Isolation Forest 等算法标记偏离常态的数据点。
- **相关性分析**：计算变量间的相关系数矩阵，揭示潜在因果与共变关系。
- **分布诊断**：评估数据是否符合正态分布，识别偏态与峰态特征。
- **洞察提炼**：将统计发现转化为通俗易懂的业务语言，提供可执行建议。

## 调用步骤

### 第一步：数据上传与确认
用户需提供完整的数据集文件，并简要说明分析目标。技能将自动识别文件格式、列名、数据类型，并展示数据预览。

### 第二步：数据清洗与预处理
技能自动执行缺失值检测、重复值移除、类型转换与异常值初步标记，生成数据质量报告。

### 第三步：探索性分析（EDA）
生成描述性统计摘要，包括均值、中位数、标准差、分位数等关键指标，并绘制分布直方图与箱线图。

### 第四步：深度模式挖掘
根据数据特征自动选择合适的统计模型，执行趋势分解、异常检测、相关性分析等任务。

### 第五步：洞察报告输出
将分析结果整理为结构化报告，包含关键发现、可视化图表、业务解读与行动建议四个模块。

## 适用场景

- 销售数据趋势复盘与预测
- 用户行为异常监测
- 运营指标波动归因分析
- 财务报表异常排查
- 实验数据统计显著性检验

## 注意事项

- **数据隐私**：上传前请确保数据已脱敏，避免包含个人敏感信息。
- **样本量要求**：统计分析的可靠性依赖于充足的样本量，建议不少于 30 条有效记录。
- **相关性非因果**：分析输出的相关性结论不等同于因果关系，需结合业务背景谨慎解读。
- **领域知识补充**：AI 生成的洞察需结合具体业务场景验证，必要时咨询领域专家。
- **多轮迭代**：复杂分析建议分阶段进行，可根据初步发现调整后续分析方向。
- **结果复核**：关键决策前请对核心统计指标进行人工复核，确保数据解读准确无误。