D Data AnalysisData — 数据分析数据
v1.0.0分析与可视化。查询数据库、生成报告、自动化电子表格，将原始数据转化为清晰、可操作的洞察。适用于（1）你...
0· 21·0 当前·0 累计
by 下载技能包
最后更新
2026/4/20
安全扫描
OpenClaw
安全
high confidence这是一个仅提供指令的数据分析指导技能，无需代码、无需安装、无需提供凭据——其声明的需求与其所述目的保持一致。
评估建议
本技能是一套用于数据分析的书面最佳实践、模板与清单；无需安装，也不依赖密钥。使用前请注意：
(1) 避免在提示中粘贴敏感凭据或原始 PII——仅提供最小化、已脱敏的数据或限定范围的数据库凭据；
(2) 验证你建立的任何实时数据连接均使用最小权限、时限受控的凭据；
(3) 如需可运行集成（SQL 查询、notebook），优先在本地或可信基础设施中创建，而非将完整生产数据发送给 agent；
(4) 如需溯源，请确认技能主页/所有者——本技能仅含说明，无附带代码可供检查。...详细分析 ▾
✓ 用途与能力
名称/描述（数据分析与可视化）与提供的材料保持一致：指导文档、图表规范、指标契约与模板。未请求无关的环境变量、二进制文件或配置路径。
✓ 指令范围
SKILL.md 及其配套文件是用于分析的叙述性指导与模板，它们不会指示智能体读取系统文件、访问密钥，或在用户所提供数据上下文之外调用外部端点。
✓ 安装机制
无安装规范、无代码文件 —— 不向磁盘写入或下载任何内容。这是安装机制中风险最低的类别。
✓ 凭证需求
该技能未声明任何必需的环境变量、凭据或配置路径。这对于仅用于指令分析/模板化的技能是合理的。
✓ 持久化与权限
标志显示默认行为（always: false，允许模型调用）。该技能不请求持久驻留或系统级变更，也不会修改其他技能的配置。
安全有层次，运行前请审查代码。
运行时依赖
🖥️ OSLinux · macOS · Windows
版本
latestv1.0.02026/4/20
- 新增 metric contracts、图表选择指南和决策简报模板，提升分析可靠性。 - 扩充方法论与统计严谨性检查清单，聚焦决策输出。 - 明确使用场景与输出标准。 - 强化文档，补充常见陷阱、架构说明及相关技能推荐。
● 无害
安装命令
点击复制官方npx clawhub@latest install jx-data-analysis
镜像加速npx clawhub@latest install jx-data-analysis --registry https://cn.longxiaskill.com
技能文档
何时使用
当用户需要分析、解释或可视化来自 SQL、电子表格、notebook、仪表板、导出或临时表的数据时使用。适用于 KPI 排错、实验解读、漏斗或队列分析、异常审查、高管汇报、指标或查询逻辑质量检查。当难点在于分析判断（指标定义、对比设计、解读或建议）而非通用编码或表格操作时，优先使用本技能。用户常问：数据分析、找模式、理解指标、验证假设、队列分析、A/B 测试、流失分析、统计显著性。核心原则
没有决策的分析只是算术。务必先澄清：如果分析结果是 X 而非 Y，会改变什么决策？方法论
动手前：- 支持什么决策？
- 什么结果会让你改变主意？（真问题）
- 实际有什么数据，缺什么？
- 相关时间段？
统计严谨清单
- [ ] 样本量足够？（小 N = 宽置信区间）
- [ ] 对比组公平？（同期、条件相似）
- [ ] 多重比较？（20 次检验 ≈ 1 次假阳性）
- [ ] 效应量有意义？（统计显著 ≠ 业务重要）
- [ ] 不确定性量化？（“提升 12–18%”而非“提升 15%”）
架构
无需本地目录、持久内存或初始化状态。使用内置参考文件作轻量指南：metric-contracts.mdKPI 定义与注意事项chart-selection.md图表选择与反模式decision-briefs.md面向 stakeholder 的输出pitfalls.md与techniques.md分析严谨与方法选择
速查
仅加载最小相关文件，保持上下文聚焦。 | 主题 | 文件 | |-------|------| | 指标定义契约 |metric-contracts.md |
| 图表选择与反模式 | chart-selection.md |
| 决策可用输出格式 | decision-briefs.md |
| 早期失败模式 | pitfalls.md |
| 按问题类型选方法 | techniques.md | 核心规则
1. 从决策出发，而非数据集
- 先确定决策人、可能改变决策的问题、截止时间。
- 若决策不会变，先重构需求再计算。
2. 计算前锁定指标契约
- 明确定义实体、粒度、分子、分母、时间窗、时区、过滤、排除、权威来源。
- 若有歧义，先声明再出结果。
3. 分离提取、转换、解读
- 查询逻辑、清洗假设、分析结论清晰可辨。
- 勿将业务假设藏在 SQL、公式或 notebook 中而不在文档命名。
4. 按问题选图
- 按分析问法选图：趋势、对比、分布、关系、构成、漏斗、队列留存。
- 不加无助于决策的“填充图”。
5. 每结果以决策格式简报
- 每输出含答案、证据、置信度、注意事项、下一步建议。
- 若面向 stakeholder，先讲业务影响，再讲技术细节。
6. 建议行动前先压力测试
- 按混杂因子细分、选对基线、量化不确定性、检验对排除或时间窗的敏感性。
- 无稳健性检验的亮眼数字不具备决策资格。
7. 数据不支持结论时升级
- 样本弱、来源不可靠、定义漂移、混杂未解时，阻止或降级结论。
- 说“尚不清楚”优于制造虚假信心。
常见陷阱
- 改了口径仍沿用旧 KPI 名