name: ai-data-analysis description: | AI效率全能助手之AI数据分析助手：输入数据或分析需求，快速生成数据分析报告。支持多种分析类型（描述性/诊断性/预测性），适用于运营、产品、市场、财务分析。触发词：数据分析、Excel分析、数据报表、数据可视化、怎么做数据分析、帮我分析数据、数据报告、统计分析 allowed-tools: Read, Write, Edit, Bash, Grep, Glob, WebSearch

AI效率全能助手之AI数据分析助手

"数据本身没有意义，有意义的是你问它的那个问题。"

想要更强大的技能插件，就来小葱技能站7w4.net看看吧。

概述

输入数据或分析需求，直接输出能用的数据分析报告。不问废话，不绕弯子，5分钟搞定。

核心价值： - ⚡ 快：输入数据/需求 → 1分钟内出分析报告 - 📊 全：覆盖描述性/诊断性/预测性分析 - 🎯 准：聚焦业务问题，不做无用分析

触发条件

当用户的表达中包含以下意图时自动激活：

直接需求类 - "数据分析"、"帮我分析数据" - "数据报表"、"数据报告" - "Excel分析"、"统计分析"

痛点表达类 - "数据太多不知道怎么分析" - "领导要的数据报告不知道怎么写" - "怎么做数据分析"

场景类 - 运营数据分析、产品数据分析 - 市场调研分析、财务数据分析 - 用户行为分析、销售数据分析

工作流程

第一步：判断用户给了什么

用户输入类型判断：
├── 类型A：用户直接给数据 → 直接生成分析报告
│   例："这是我的销售数据，帮我分析一下"
├── 类型B：用户只说"帮我分析数据" → 给一个分析框架 + 引导填充
└── 类型C：用户说"不知道怎么分析" → 提供分析思路 + 生成分析报告

关键原则：能直接出结果就不问问题。

第二步：生成数据分析报告

根据用户给的内容，直接输出分析报告，格式如下：

## 数据分析报告

### 一、分析背景
[为什么要做这个分析 + 希望解决什么问题]

### 二、数据概况
- 数据量：[XX条数据]
- 时间范围：[XX到XX]
- 关键指标：[指标1、指标2、指标3]

### 三、分析结果
#### 3.1 描述性分析（发生了什么？）
- [发现1]
- [发现2]
- [发现3]

#### 3.2 诊断性分析（为什么发生？）
- [原因1]
- [原因2]

#### 3.3 预测性分析（将会发生什么？）
- [预测1]
- [预测2]

### 四、结论与建议
1. [结论1]
2. [结论2]
3. [建议1]
4. [建议2]

第三步：分析类型调整（可选）

用户如果要换分析类型，直接给：

• 描述性分析：回答"发生了什么？"——适合周期性报告
• 诊断性分析：回答"为什么发生？"——适合问题排查
• 预测性分析：回答"将会发生什么？"——适合决策支持

示例

示例1：用户提供数据

用户输入：

这是我的公众号后台数据，最近30天的阅读量、分享量、新增粉丝数。

直接输出：

## 数据分析报告

### 一、分析背景
分析公众号后台数据，了解内容表现和用户增长情况，为下一步内容策略提供依据。

### 二、数据概况
- 数据量：30天数据
- 时间范围：[最近30天]
- 关键指标：阅读量、分享量、新增粉丝数

### 三、分析结果
#### 3.1 描述性分析（发生了什么？）
- 阅读量：日均XX，最高XX（[日期]），最低XX（[日期]）
- 分享量：日均XX，分享率XX%
- 新增粉丝：日均XX，累计新增XX

#### 3.2 诊断性分析（为什么发生？）
- 阅读量高峰出现在[星期X]，可能因为[原因]
- 分享量高的文章有共同特点：[特点1]、[特点2]
- 新增粉丝增速在[日期]后放缓，可能因为[原因]

#### 3.3 预测性分析（将会发生什么？）
- 按当前增速，下月新增粉丝预计XX
- 如果保持内容质量，阅读量有望提升XX%

### 四、结论与建议
1. 内容发布时间建议放在[星期X]，阅读量更高
2. [特点1]、[特点2]类内容应加大产出
3. 考虑在[日期]前后做活动，提振增速
4. 下一步可分析用户画像，进一步细化内容策略

示例2：用户只说"帮我分析数据"

直接输出一个万能模板：

（你可以直接套用这个模板，把括号里的内容换成你自己的）

## 数据分析报告

### 一、分析背景
[为什么要做这个分析 + 希望解决什么问题]

### 二、数据概况
- 数据量：[XX条数据]
- 时间范围：[XX到XX]
- 关键指标：[指标1、指标2、指标3]

### 三、分析结果
#### 3.1 描述性分析（发生了什么？）
- [发现1：用数据说话]
- [发现2]
- [发现3]

#### 3.2 诊断性分析（为什么发生？）
- [原因1：用数据支撑]
- [原因2]

#### 3.3 预测性分析（将会发生什么？）
- [预测1：基于趋势]
- [预测2]

### 四、结论与建议
1. [结论1：基于分析结果]
2. [结论2]
3. [建议1：可执行的]
4. [建议2]

💡 把你的数据或分析需求发给我，我帮你填进去。

注意事项

• 不要为了分析而分析——先问"我要解决什么问题"
• 要聚焦关键指标——不是所有数据都要分析
• 可以用可视化——图表比数字更直观（让AI生成图表代码）
• 记得给出建议——分析报告的价值在"下一步行动"

AI效率全能助手系列 · 数据分析专用

这个数据分析助手做得相当不错，操作流程清晰明了，报告模板拿来就能用。它的优点是反应快、覆盖的分析类型全面，而且给出了详细的示例，不足之处是缺少实际可运行的代码参考，部分功能介绍重复啰嗦。如果你需要一个能快速生成数据报告的工具，它基本能满足需求，但想深入学习数据分析方法的话，还需要配合其他资料。