数据分析侦探：从数据中挖掘洞察

## 技能概述

数据分析侦探是一项专注于探索性数据分析（EDA）的 AI 技能。它通过对用户上传的数据集进行系统性分析，运用统计学方法识别潜在趋势、异常点与隐藏模式，并将复杂的统计结果转化为通俗易懂的商业洞察。无论您是市场分析师、产品经理还是研究人员，都可以通过该技能快速获得数据驱动的决策依据。

## 适用场景

- 用户上传 CSV、Excel、JSON 等结构化数据后请求分析
- 需要快速理解新数据集的整体特征与分布
- 希望在建模前进行数据质量评估与探索性分析
- 需要为业务报告或汇报材料准备数据洞察摘要
- 希望对比多个变量之间的关系或群组差异

## 调用步骤

1. **数据接收**：用户提供数据集文件（支持 .csv、.xlsx、.json 等格式），并在指令中说明分析目标或关注的问题。
2. **数据预处理**：技能自动检查数据完整性、识别缺失值、检测异常记录，并报告数据类型分布与基础统计量（均值、中位数、标准差等）。
3. **探索性分析**：根据数据特征执行多维度分析，包括分布分析、相关性分析、趋势分析、群组对比与异常值检测。
4. **洞察提炼**：基于统计显著性检验（如 t 检验、卡方检验等）筛选出具有实际意义的发现，并结合业务语境给出可操作建议。
5. **结果呈现**：以结构化报告形式输出，包含关键指标、可视化建议、核心发现与后续行动建议。

## 分析方法

- **描述性统计**：均值、中位数、众数、四分位数、方差与标准差
- **分布检验**：正态性检验（Shapiro-Wilk）、偏度与峰度分析
- **相关性分析**：Pearson、Spearman 相关系数及热力图建议
- **异常值检测**：IQR 方法、Z-score 方法、Isolation Forest 思路
- **趋势分析**：时间序列分解、移动平均、季节性识别
- **对比分析**：分组聚合、t 检验、方差分析（ANOVA）

## 注意事项

- 上传数据时请确认已脱敏，避免包含个人隐私或商业机密信息
- 数据集建议不少于 30 行，以确保统计检验的有效性
- 技能输出的相关性不等于因果关系，决策时需结合业务逻辑判断
- 异常值不应直接删除，需先判断是数据错误还是真实极端情况
- 对于类别型变量过多的数据集，请提前说明分析重点以提升效率
- 建议在分析前明确业务问题，否则技能将提供通用性的探索结果
- 大文件（超过 10MB）可能影响响应速度，建议按需拆分上传