数据分析侦探：探索数据真相

## 简介
数据分析侦探是一款专注于对上传的结构化数据集进行深度探索的 AI 技能。它结合描述性统计、假设检验、回归分析与可视化手段，帮助用户快速识别数据中的潜在模式、异常点以及业务洞察。所有分析结果以图表与报告形式呈现，支持后续的决策制定。

## 适用场景
- 用户上传 CSV、Excel、JSON 等常见格式的数据文件；
- 需要对销售、用户行为、生产指标等进行趋势分析与异常检测；
- 业务团队希望在数据层面获得可操作的建议与行动计划。

## 调用步骤
1. **上传数据**：在对话窗口直接拖拽或点击上传按钮，将数据文件（支持 CSV、Excel、JSON）发送到 AI。
2. **明确分析目标**：在上传后描述希望解决的问题，例如“分析月度销售额的增减趋势并找出异常月份”。
3. **执行分析**：AI 将自动完成以下子任务：
   - 数据清洗（缺失值填补、类型转换、异常值标记）
   - 描述性统计（均值、标准差、分位数、计数）
   - 可视化（折线图、箱线图、热力图等）
   - 统计检验（t 检验、卡方检验、ANOVA）
   - 预测模型（线性回归、决策树）
4. **获取报告**：系统生成包含关键指标、图表与文字解读的综合报告。用户可以在报告中直接点击图表进行交互。
5. **追问细节**：如需进一步拆解某个结论或探索其他维度，可在当前报告的基础上继续提问。

## 关键技术与方法
- **描述性统计**：通过均值、方差、偏度、峰度等指标快速了解数据分布特征。
- **异常检测**：使用 Z‑score、IQR、孤立森林等算法自动标记离群点。
- **趋势分析**：采用时间序列分解、滑动平均、季节性分解等方法揭示长期走势。
- **关联挖掘**：基于相关系数、卡方检验与协同过滤发现变量之间的潜在关系。
- **可视化**：折线图、柱状图、热力图、散点图矩阵等多维展示，帮助直观感知数据。

## 注意事项
- **数据隐私**：在上传文件前请确认已脱敏或去除敏感信息，平台不会将原始数据用于其他目的。
- **文件大小**：单次上传建议不超过 50 MB，超大文件可分批上传或使用流式读取接口。
- **缺失值处理**：AI 默认采用均值/众数填补，但业务对缺失值敏感时请提前说明。
- **统计显著性**：在进行假设检验时，报告的 p 值需结合业务背景解释，避免单纯依赖阈值。
- **模型解释**：预测模型结果仅作参考，实际业务决策需结合专家经验与外部因素。

## 示例
假设某零售企业上传了过去 12 个月的每日销售 CSV，目标是找出销量下降的月份并预测未来 3 个月的趋势。AI 将：

1. 自动检测缺失的日期并填充 0；
2. 计算月度累计销量并绘制折线图；
3. 使用 Mann‑Kendall 检验判断下降趋势是否显著；
4. 基于季节性 ARIMA 模型预测下季度销量；
5. 输出包含关键月份异常标记和预测区间的完整报告。

通过以上步骤，数据分析侦探帮助用户在海量数据中快速锁定关键信息，实现数据驱动的精准决策。