---

name: "report-data-analysis" description: "对 CSV / Markdown 表格格式的业务报表进行结构化分析，自动识别异常并输出亮点-异常-原因-建议四段式报告" read_when: - 执行报表数据分析任务时 - 技能迭代优化时参考版本记录 tags: - 报表分析 - 异常检测 - 自动化报告 - 数据分析 inputs: - name: report_data type: string required: true description: | 原始报表数据，支持两种格式： ① CSV 格式（纯文本，逗号分隔，含表头行） ② Markdown 表格格式（管道符分隔，含表头行） 数据规模要求：≥ 30 行（不含表头）× ≥ 5 字段。 建议提前脱敏（金额、单位、姓名替换为模拟值）。 - name: report_theme type: enum required: true default: 运营 description: | 报表主题，从 {运营, 财务, 行政} 中选择。 决定异常维度映射、指标卡语义、语言风格。 - 运营：销售/业务指标，关键词=销售额/利润率/转化率 - 财务：费用/报销/预算执行，关键词=费用/报销额/预算偏差 - 行政：考勤/用车/物资，关键词=出勤率/出车率/库存周转 - name: baseline_type type: enum required: true default: 同比 description: | 对比基准类型，从 {同比, 环比, 计划值, 同比+计划值} 中选择。 - 同比：（本期值 - 去年同期值）/ 去年同期值 - 环比：（本期值 - 上期值）/ 上期值 - 计划值：（实际值 - 计划值）/ 计划值（偏差率） - 同比+计划值：同时启用同比和偏差率双基准 若选"同比"或"同比+计划值"，报表中必须包含同比相关列； 若选"计划值"或"同比+计划值"，报表中必须包含计划值相关列。 - name: column_mapping type: object (JSON) required: false default: null description: | 【v3.0 新增 · 参数化列名映射】 用于显式声明原始报表列名与标准字段的对应关系。 若不填，Agent 自动识别（根据列名关键词模糊匹配）。 推荐使用此参数避免误识别。

  标准字段对照表（report_theme = 运营）：
    - date_col: 日期列（含"日期""时间""period"的列）
    - region_col: 区域列（含"区域""大区""省份""城市"的列）
    - product_col: 产品列（含"产品""线""类型"的列）
    - metric_col: 核心指标列（含"销售额""收入""金额""元""额"的列）
    - qoq_col: 环比列（含"环比""QoQ""上期"的列）
    - yoy_col: 同比列（含"同比""YoY""去年"的列）
    - plan_col: 计划列（含"计划""目标""预算""target"的列）
    - deviation_col: 偏差列（含"偏差""deviation""差异"的列）
    - quantity_col: 数量列（含"数量""单""笔""件"的列）

  report_theme = 财务：
    - date_col: 日期列
    - dept_col: 部门列
    - category_col: 费用类别列（含"类别""科目""项目""type"的列）
    - amount_col: 费用金额列
    - budget_col: 预算列
    - deviation_col: 预算偏差列

  report_theme = 行政：
    - date_col: 日期列
    - dept_col: 部门列
    - entity_col: 实体列（考勤：人员；用车：车牌/司机；物资：物品名）
    - metric_col: 核心指标列（考勤：出勤率；用车：出车率；物资：库存周转率）
    - target_col: 目标列
    - deviation_col: 偏差列
    - count_col: 计数列（含"迟到""请假""出车""借用"的列）

  示例：
    {"metric_col": "实报金额_元", "budget_col": "预算额度_元", "deviation_col": "超支率"}

• name: custom_calibration type: string required: false default: "" description: | 【v3.0 增强 · 结构化引导】 口径自定义说明，影响口径说明章节内容。 建议按以下结构填写（每项可选填，不要求全部填写）：

  ① 数据口径： - 指标定义：（如"销售额含税/不含税"、"加班以打卡时间为准"） - 统计周期：（如"按自然月"、"按工作日"、"按项目周期"） - 计量单位：（如"金额单位：万元"、"数量单位：单"）

  ② 异常口径： - 阈值说明：（如"偏差率阈值是否含零"、"同比下降多少视为严重"） - 豁免规则：（如"大客户订单豁免单日波动"、"外勤人员豁免打卡"） - 分类标准：（如"极严重 / 严重 / 注意 / 待观察 的量化边界"）

  ③ 数据质量说明： - 缺失值处理：（如"缺失值按 0 计"或"排除缺失行"） - 异常值处理：（如"单笔超过 50 万自动标注但不剔除"） - 脱敏说明：（如"所有金额已做 0.8 系数脱敏处理"）

  若不填，报告口径说明章节使用默认值（按 report_theme 自动适配）。 - name: anomaly_params type: object (JSON) required: false default: null description: | 【v3.0 新增 · 异常检测参数覆盖】 用于覆盖默认异常检测阈值（详见 Step 3 异常检测逻辑）。 JSON 格式，字段说明： - yoy_threshold: 同比下降阈值（默认 -0.30，即 -30%） - deviation_threshold: 偏差率阈值（默认 0.15，即 ±15%） - std_sigma: 标准差倍数（默认 2，即 μ±2σ） - mutation_threshold: 环比突变阈值（默认 0.50，即 ±50%） - std_min_rows: 标准差法最小行数（默认 20，不满足时自动降级为阈值法）

  示例：{"yoy_threshold": -0.25, "deviation_threshold": 0.20} - name: quality_check_mode type: enum required: false default: auto description: | 【v3.0 新增 · 质量自检模式】 - auto：自动执行质量校验，不满足时报错并给出缺失清单 - strict：在 auto 基础上额外强制所有质量标准均通过 - loose：输出质量警告但不中止，允许在数据不足时生成参考性报告 - none：不执行质量校验，直接生成报告

  ---

SKILL.md — 报表数据分析（v3.0）

版本记录：v1.0（首次试跑）→ v1.1（增加 Markdown 表格支持 + 质量校验清单）→ v1.2（增加多维交叉分析 + 描述性统计）→ v2.0（三重复合异常检测 + 报表类型映射表 + 考勤/财务主题适配）→ v3.0（列名参数化映射 + 质量自检机制嵌入执行流程 + 标准差法假设说明 + 结构化 custom_calibration + TestBench 脚本）

---

一、核心价值主张

本 Skill 将日常业务报表（销售/费用/考勤/用车等）的分析工作，从"每次手动看表"升级为"一键标准化报告输出"，核心解决以下问题：

问题	解决方案
异常靠肉眼找，容易遗漏	三重复合异常检测（阈值法 + 标准差法 + 突变检测）自动标红
不同主题报表格式不同	列名自动识别 + 参数化映射表，兼容任意列名
报告结构不统一，质量参差不齐	六章节强制规范 + 质量自检 Checklist
异常原因靠猜，建议不落地	数据驱动原因猜想 + 具体可执行建议（负责人 + 时限）
换报表主题后异常维度不匹配	报表类型 → 异常维度映射表覆盖运营/财务/行政三大主题

---

二、输入字段标准对照表（column_mapping 参考）

v3.0 核心改进：不再硬编码列名，改为列名自动识别 + 显式参数化映射双轨机制。 优先使用 column_mapping 参数显式声明；若未声明则按关键词模糊匹配。

2.1 运营主题（report_theme = 运营）

标准字段	自动识别关键词	说明
date_col	日期、时间、period、周期	时间维度
region_col	区域、大区、省份、城市	空间维度
product_col	产品、产品线、类型、category	产品维度
metric_col	销售额、收入、金额、元、万	核心数值（默认分析对象）
yoy_col	同比、YoY、yoy、同比增长	同比增长率列（数值格式，支持小数或百分比）
qoq_col	环比、QoQ、qoq、上期	环比增长率列
plan_col	计划、目标、预算、target	计划销售额列
deviation_col	偏差、deviation、差异、超计划	偏差率列（正=超计划，负=低于计划）
quantity_col	数量、单、笔、件、人次	销售数量列（用于描述性统计）

2.2 财务主题（report_theme = 财务）

标准字段	自动识别关键词	说明
date_col	日期、时间	时间维度
dept_col	部门、中心、科室	费用归属部门
category_col	类别、科目、项目、type	费用类型（差旅/办公/招待等）
amount_col	费用、报销、支出、金额、元	实际报销金额
budget_col	预算、额度、指标	预算金额
deviation_col	偏差、超支、节余、deviation	预算偏差率
count_col	笔、单、人次	报销单数量

2.3 行政主题（report_theme = 行政）

标准字段	自动识别关键词	说明
date_col	日期、时间	时间维度
dept_col	部门、科室	部门维度
entity_col	人员、司机、车牌、物品	具体对象（考勤=人员；用车=车辆/司机）
metric_col	出勤率、出车率、库存周转	核心效率指标
target_col	计划、目标、出勤率目标	目标值
deviation_col	偏差、deviation、差异	偏差率
count_col	迟到、请假、出车、借用	计数型指标（软性参考，不触发异常）

2.4 列名映射使用示例

场景：用户报表的销售额列叫"实际营收（万元）"，偏差率列叫"执行偏差"，其他列名恰好匹配。

column_mapping = {
  "metric_col": "实际营收（万元）",
  "deviation_col": "执行偏差",
  "yoy_col": "同比增长率"
}

提示：Agent 在执行 Step 1 时，先检查 column_mapping 是否显式传入；若有则直接使用字段映射；若没有则按关键词自动识别；若识别失败则在执行前向用户确认。

---

三、执行流程（v3.0 完整流程）

Step 0：前置校验（新增 · 质量自检嵌入）

v3.0 核心改进：将质量校验从"事后检查"变为"执行前阻断"，不合格不生成报告，直接报错并给出缺失清单。

0.1 数据基础校验

校验项	要求	不满足时的行为
数据行数	≥ 30 行（不含表头）	quality_check_mode=auto/strict → 报错中止；loose → 生成参考报告并注明数据不足
字段数	≥ 5 列	同上
对比基准列存在	根据 baseline_type 校验对应列是否存在	报错并列出缺失列名
列名可识别	至少识别出 date_col 和 metric_col	若 column_mapping 未传且自动识别失败 → 中止并要求用户提供映射表
数值格式	指标列和比率列必须为数值型（非文本）	标注格式异常行，继续执行（loose 模式）

0.2 质量标准校验（仅在 quality_check_mode=auto/strict 时执行）

质量维度	具体标准	不满足时的处理
数据完整性	缺失值比例 < 10%	输出警告，继续执行
异常覆盖性	至少存在 1 个真实异常（即至少 1 行满足异常检测条件）	输出警告，继续执行（防止全部正常导致报告空洞）
多维度性	至少存在 2 个不同维度（如区域+产品线；部门+月份）	输出警告，继续执行
时间跨度	时间列跨度 ≥ 5 天	输出警告，标准差法降级为阈值法

校验输出格式（不符合时输出）：

⚠️ 前置校验发现以下问题：
1. [ERROR] 数据行数为 {N} 行，不满足 ≥30 行要求 → 请补充数据
2. [WARN] 对比基准列"同比增长率"未找到 → 请检查 column_mapping 或确认报表格式
3. [INFO] 数据行数不足 20 行，标准差法将降级为阈值法

执行策略：quality_check_mode={mode} → {继续执行 / 中止}

---

Step 1：数据解析与列名标准化

1.1 格式识别 - 若 report_data 首行包含逗号（,）且不以 | 开头 → 识别为 CSV - 若包含管道符（|）→ 识别为 Markdown 表格 - 若两种都包含 → 优先 CSV，忽略 Markdown 格式的描述文字

1.2 列名标准化 - 若 column_mapping 已传入：直接使用映射关系，将原始列名重命名为标准字段名 - 若未传入：按关键词自动识别（见第二节对照表），识别结果在报告中注明 - 自动识别失败时：中止执行，要求用户补充 column_mapping

1.3 数据清洗 - 移除表头行后的纯数据行参与统计 - 若 metric_col 或 yoy_col 等数值列出现文本值（如"无数据"、"N/A"），标记为缺失值 - 偏差率计算规则： - 若已存在 deviation_col：直接使用 - 若无 deviation_col 但有 plan_col：计算 偏差率 = (metric_col - plan_col) / plan_col - 若既无 deviation_col 也无 plan_col：仅做同比/环比分析，不计算偏差率

v3.0 列名映射表示例（销售报表）：

原始列名	映射后标准字段
日期	date_col
产品线	product_col
区域	region_col
销售额_元	metric_col
销售数量	quantity_col
环比增长率	qoq_col
同比增长率	yoy_col
计划销售额_元	plan_col
偏差率	deviation_col

---

Step 2：描述性统计（工具计算）

v3.0 改进：标准差法增加正态分布假设说明，明确适用条件。

使用 Python 工具对所有数值列计算以下统计量：

统计量	计算方法	说明
n	COUNT	有效数据行数
均值 (μ)	SUM/n	算术平均数
标准差 (σ)	STDDEV(n)	衡量数据离散程度
最小值	MIN	数据下界
最大值	MAX	数据上界
μ±2σ 区间	μ±2σ	标准差法异常判定区间

关于标准差法的正态分布假设说明（v3.0 新增）：

⚠️ 重要前提：标准差法的有效性依赖于数据近似服从正态分布（均值两侧数据大致对称）。若数据严重偏态（如收入分布右偏），标准差法结果可能失准。

不适用标准差法的典型场景： - 数据行数 < 20（样本量不足，σ 估计不可靠） - 数据存在极端异常值（σ 被异常值放大，导致 μ±2σ 区间过宽，漏检真正的异常） - 数据明显非正态分布（如费用报表中少数大额订单拉高均值）

自动降级策略：若数据行数 < std_min_rows（默认 20），自动跳过标准差法，仅使用阈值法；若 std_min_rows 已设置但 < 20，强制使用 20 作为最小值。

替代建议：对于偏态数据，优先使用中位数 ± MAD（绝对离差中位数）法或直接使用阈值法，并注明"数据偏态，标准差法结果仅供参考"。

---

Step 3：异常检测（三重复合）

v3.0 改进：支持 anomaly_params 参数覆盖默认阈值；明确异常检测优先顺序。

3.1 检测方法一：阈值法（所有主题均适用）

异常类型	判定条件	严重程度
同比严重下降	yoy_col ≤ yoy_threshold（默认 -0.30，即 -30%）	🔴 极严重
偏差率正向极端	deviation_col ≥ deviation_threshold（默认 +0.30，即 +30%）	🟠 异常偏高（正向警示）
偏差率负向极端	deviation_col ≤ -deviation_threshold（默认 -0.15，即 -15%）	🔴 极严重
环比突变暴涨	qoq_col ≥ mutation_threshold（默认 +0.50，即 +50%）	🟡 注意（暴涨可能掩盖质量问题）
环比突变暴跌	qoq_col ≤ -mutation_threshold（默认 -0.50，即 -50%）	🟠 严重（暴跌需立即关注）

阈值覆盖：通过 anomaly_params 参数可覆盖默认阈值，例如将同比阈值从 -30% 收紧到 -20%。

3.2 检测方法二：标准差法（行数 ≥ std_min_rows 时启用）

• 计算 metric_col 的均值 μ 和标准差 σ
• 异常判定：metric_col < μ - std_sigma × σ 或 metric_col > μ + std_sigma × σ （std_sigma 默认值为 2，即 μ±2σ）
• 正向极端（超出上界）：标记为 ⚠️ 超常表现，不计入负面异常，但作为重要发现单独列出
• 负向极端（低于下界）：标记为 🔴 极严重异常

3.3 检测方法三：环比突变检测（所有主题均适用）

• 判定条件：|qoq_col| > mutation_threshold
• 同时触发阈值法时，优先采用阈值法的严重程度评级

3.4 三种方法的优先级与合并规则

优先级：阈值法 > 标准差法 > 环比突变检测

合并规则：
1. 若同一行同时被阈值法和标准差法检测 → 采用阈值法的严重程度
2. 若同一行同时被阈值法和环比突变检测 → 采用阈值法的严重程度
3. 异常汇总表列出每行触发的所有方法，供读者交叉验证
4. 标准差法正向极端（metric_col > μ + 2σ）→ ⚠️ 超常表现，单独分类，不计入负面异常统计

---

Step 4：多维交叉定位

对每个 Top 异常，从以下维度进行交叉分析（若报表中存在该维度）：

维度	分析方法
区域维度	计算该区域所有行的指标均值，与全局均值对比
产品维度	计算该产品线所有行的指标均值，与全局均值对比
时间维度	检查该异常是否有连续性（同一区域+产品线是否多期异常）
基准维度	同时计算同比和偏差率，交叉验证异常是否双重触发

交叉定位输出格式：

**多维度交叉定位：**
- **区域维度**：{区域} 同比均值 {X}%（全局均值 {Y}%），{高于/低于} 全局 {Z} 个百分点
- **产品维度**：{产品} 偏差率均值 {X}%（全局均值 {Y}%），{高于/低于} 全局 {Z} 个百分点
- **时间维度**：{是否连续异常}（若是，列出连续异常日期）

---

Step 5：报告生成（六章节强制规范）

v3.0 改进：章节一增加列名映射说明章节；质量校验清单整合到执行流程末尾。

---

四、输出规范（六章节强制结构）

质量标准：章节 < 5 → 报告不完整；指标卡 < 5 → 关键指标不足；异常项 < 3 → 检测能力不足；具体建议 < 3 → 建议无落地性。 以上标准在 quality_check_mode=strict 时为强制要求；quality_check_mode=auto 时为警告要求。

第一章：数据概况

必含内容： - 数据规模：总行数、有效数据行数、字段数、时间跨度 - 维度拆解：列出识别出的所有维度（时间/区域/产品/目标等）及唯一值数量 - 描述性统计：所有数值列的 n/μ/σ/最小值/最大值/μ±2σ 区间（工具计算） - v3.0 新增：列名映射说明（若使用 column_mapping，列出原始列名→标准字段的映射关系）

章节校验标准：字段数 ≥ 5，描述性统计覆盖所有数值列

第二章：关键指标卡（≥ 5 个）

运营主题指标卡示例：

#	指标卡	数值	说明
①	总销售额/总费用	{计算值}	累计值，工具计算
②	整体同比增长率（均值）	{μ(yoy)}	低于/高于行业均值 {X}%
③	整体计划完成率（加权均值偏差率）	{μ(deviation)}	整体{达标/不达标}，但个体分化严重
④	超计划项数占比	{占比}%	{N}/{总行数} 项超过计划
⑤	异常率（阈值法）	{占比}%	{N} 项触发偏差率/同比阈值

财务主题指标卡示例：

#	指标卡	数值
①	总费用	{计算值}
②	整体预算执行率（偏差率均值）	{μ(deviation)}
③	超预算部门数	{N} 个
④	最高单笔费用	{max(amount_col)}
⑤	异常率（超预算比例）	{N} 笔 /

行政主题指标卡示例：

#	指标卡	数值
①	整体出勤率/出车率	{μ(metric_col)}
②	整体偏差率	{μ(deviation)}
③	不达标部门数	{N} 个
④	迟到/请假总人次	{sum(count_col)}
⑤	超标准部门数	{N} 个

第三章：对比分析（按 baseline_type 自适应）

baseline_type	章节名称	必含内容
同比	同比增长率分布	同比增长率按维度交叉（区域×产品线/部门×月份）矩阵，含区域均值和颜色标注
环比	环比增长率分布	同上
计划值	计划完成率分布	偏差率按区间分布（≥+30% / +15%~+30% / 0%~+15% / -15%~0% / ≤-15%）
同比+计划值	同比+计划值对比分析	同时包含同比分布和偏差率分布，交叉发现双重异常行

第四章：异常项识别与原因猜想（≥ 3 项）

v3.0 改进：Top 异常按严重程度排序，每项必含：触发方法、多维度定位、原因猜想（分"数据支持"和"需核实"两类）。

异常项格式：

#### 🔴 极严重 #{N}：{维度组合} · {核心指标} · {异常值}（{日期}）

| 项目 | 内容 |
|------|------|
| **触发方法** | {阈值法 / 标准差法 / 突变检测}（{具体条件}） |
| **严重程度** | 🔴 极严重 / 🔴 严重 / 🟡 注意 |
| **数据表现** | {实际值}；{计划值}（偏差{偏差率}%）；同比 {yoy}% |

**多维度交叉定位：**
- **区域维度**：{区域} {指标}均值 {X}%（全局均值 {Y}%），{高于/低于} 全局 {Z} 个百分点
- **产品/类别维度**：{产品} {指标}均值 {X}%
- **时间维度**：{是否有连续性，若有则列出日期}

**原因猜想（数据驱动）：**
1. **{猜想标题}**（{数据支持 / 需核实}）：{支撑数据或待核实事项}
2. **需进一步核实**：{需要业务人员确认的事项}

第五章：结论与建议（≥ 3 条可落地建议）

v3.0 改进：每条建议必含：对应异常编号、具体措施、预期效果、建议负责人、建议时限。

7w4.net收录了海量优质技能插件。

建议格式：

#### 建议{N}：【{优先级}】{建议标题}

| 项目 | 内容 |
|------|------|
| **对应异常** | #{异常编号}（{异常描述}） |
| **建议措施** | ① **{时间}**：{具体行动}<br>② **{时间}**：{具体行动} |
| **预期效果** | {量化预期} |
| **建议负责人** | {角色或部门} |
| **建议时限** | {时间要求} |

第六章：口径说明与质量校验（v3.0 整合）

口径说明内容（按 report_theme + custom_calibration 自适应生成）：

口径项	定义
同比增长率	（本期值 - 去年同期值）/ 去年同期值，数值格式为小数（-0.30 = -30%）
环比增长率	（本期值 - 上期值）/ 上期值
偏差率	（实际值 - 计划值）/ 计划值，正值=超计划，负值=低于计划
异常阈值（默认）	同比下降 ≥ 30%；|偏差率| ≥ 15%；标准差偏离 > μ±2σ；环比变化 > ±50%
标准差法说明	数据需近似正态分布；行数 < 20 时自动降级为阈值法；偏态数据仅供参考
缺失值处理	缺失值按该列均值填充（比率列按 0 填充），并在报告中注明

v3.0 质量自检结果（执行流程末尾自动生成）：

## 六·二、质量自检清单（v3.0 自动校验 ✅）

| 质量维度 | 要求 | 实际 | 结果 |
|---------|------|------|------|
| 数据行数 | ≥ 30 行 | {N} 行 | ✅/❌ |
| 字段数 | ≥ 5 列 | {N} 列 | ✅/❌ |
| 报告章节数 | ≥ 5 章节 | {N} 章节 | ✅/❌ |
| 关键指标卡 | ≥ 5 个 | {N} 个 | ✅/❌ |
| 异常项识别 | ≥ 3 项 | {N} 项（Top {N}） | ✅/❌ |
| 具体建议 | ≥ 3 条（均含负责人+时限） | {N} 条 | ✅/❌ |
| 数值计算方式 | 工具计算 | Python工具计算 | ✅ |
| 多维度分析 | 区域×产品线/部门×月份 | 已执行 | ✅ |
| 异常检测方法 | ≥ 2 种 | {N} 种（阈值/标准差/突变） | ✅ |
| 原因猜想数据驱动 | 每条均含数据支撑或"需核实" | 全部符合 | ✅ |
| 列名映射记录 | 若使用 column_mapping，记录原始→标准映射 | 已记录/未使用 | ✅/ℹ️ |

**总体评定**：{通过 / 有警告 / 不通过}

---

五、报表类型 → 异常维度映射表（v2.0 新增，v3.0 扩展）

v3.0 改进：扩展异常维度覆盖，增加财务/行政场景的具体阈值说明。

5.1 运营主题（report_theme = 运营）

异常类型	核心指标	默认阈值	严重程度分级
同比严重下滑	yoy_col	≤ -0.30	-0.30~-0.50 🟡；≤ -0.50 🔴
偏差率负向	deviation_col	≤ -0.15	-0.15~-0.30 🟡；≤ -0.30 🔴
偏差率正向极端	deviation_col	≥ +0.30	≥ +0.30 ⚠️ 超常
环比突变暴涨	qoq_col	≥ +0.50	≥ +0.50 🟡（需分析是否异常）
环比突变暴跌	qoq_col	≤ -0.50	-0.50~-0.70 🟠；≤ -0.70 🔴
标准差异常	metric_col	> μ±2σ	低于下界 🔴；高于上界 ⚠️

5.2 财务主题（report_theme = 财务）

异常类型	核心指标	默认阈值	严重程度分级
超预算严重	deviation_col	≥ +0.20	+0.20~+0.50 🟡；≥ +0.50 🔴
严重节余	deviation_col	≤ -0.30	⚠️ 异常偏低（可能资金未使用）
单笔费用极高	amount_col	> μ+2σ	🟡 超常
报销频次异常	count_col	同比 > +0.50	🟡 报销频次暴涨（需核实）
部门费用集中	某部门费用占比	> 40%	🟡 费用过度集中某部门

5.3 行政主题（report_theme = 行政）

异常类型	核心指标	默认阈值	严重程度分级
出勤率严重偏低	metric_col（出勤率）	< 85%	75%~85% 🟡；< 75% 🔴
偏差率不达标	deviation_col	≤ -0.10	-0.10~-0.20 🟡；≤ -0.20 🔴
迟到人次过多	count_col（迟到）	> 5人次/部门平均人数×10%	🟡 注意（无固定阈值）
请假人次过多	count_col（请假）	> 部门平均请假×2倍	🟡 参考项（无固定阈值）
出车率极高	metric_col（出车率）	> 95%	⚠️ 出车率极高，可能外勤管理松散
出车率极低	metric_col（出车率）	< 50%	🟡 车辆闲置率过高

注意：行政主题的计数型指标（迟到、请假、出车次数）无固定阈值，作为"软性参考项"呈现在报告中，不触发异常标记，但作为背景信息辅助判断。

---

六、约束事项与已知局限

约束项	说明
数据规模	最少 30 行（不含表头），行数不足时报告质量不可靠
列名识别	若列名包含生僻字或特殊缩写，自动识别可能失败，请使用 column_mapping 显式声明
偏差率计算	若报表既无 deviation_col 也无 plan_col，报告将不包含偏差率分析章节
同比数据	若报表无同比列，baseline_type 强制降级为"计划值"或"环比"
标准差法	行数 < 20 或数据严重偏态时自动降级为阈值法
报告语言	目前仅支持简体中文输出
多语言报表	若列名为英文，需在 column_mapping 中传入英文字段名映射
置信区间	目前仅使用 μ±2σ，未来可扩展为按偏态自适应（IQR 法替代）

---

七、使用示例

示例一：标准运营报表分析

输入数据：[粘贴 CSV 内容]
report_theme: 运营
baseline_type: 同比+计划值
column_mapping: {"metric_col": "销售额_元", "yoy_col": "同比增长率", "deviation_col": "偏差率"}
quality_check_mode: auto

示例二：财务费用报表分析（仅计划值基准）

输入数据：[粘贴 Markdown 表格内容]
report_theme: 财务
baseline_type: 计划值
column_mapping: {"amount_col": "实际报销_元", "budget_col": "预算额度_元", "deviation_col": "超支率"}
anomaly_params: {"deviation_threshold": 0.20, "yoy_threshold": -0.20}
quality_check_mode: strict

示例三：行政考勤月报（仅计划值基准 + 自定义口径）

输入数据：[粘贴 Markdown 表格内容]
report_theme: 行政
baseline_type: 计划值
column_mapping: {"metric_col": "出勤率", "deviation_col": "偏差率"}
custom_calibration: |
  ① 数据口径：出勤率=（应勤天数-缺勤天数）/应勤天数；外勤人员按实际打卡天数折算；迟到≥9:05打卡计迟到1次。
  ② 异常口径：部门平均出勤率低于85%为严重；低于95%为注意；豁免规则：外勤人员豁免打卡率考核。
  ③ 数据质量：缺失值（未打卡）按0.5天计算；离职当月按实际上班天数统计。
quality_check_mode: auto

---

八、版本记录

版本	日期	变更说明
v1.0	2026-05-08	首次试跑，支持 CSV 销售报表，同比/环比双基准，阈值法异常检测
v1.1	2026-05-08	增加 Markdown 表格解析，质量校验清单（11项全部可验证），改善异常项输出格式
v1.2	2026-05-08	增加多维交叉分析（区域×产品线矩阵），增加描述性统计（n/μ/σ/μ±2σ），增加 Top 10 异常详情
v2.0	2026-05-08	三重复合异常检测（阈值法+标准差法+突变检测），4级严重程度量化，报表类型→异常维度映射表，运营/财务/行政三大主题适配，行政考勤计数型指标软性参考机制
v3.0	2026-05-08	① 列名硬编码改为参数化映射表（column_mapping + 自动识别双轨）② 质量自检机制嵌入执行流程（Step 0 前置校验，strict/auto/loose/none 四模式）③ 标准差法增加正态分布假设说明和自动降级策略 ④ custom_calibration 结构化引导（数据口径/异常口径/数据质量三段式）⑤ anomaly_params 参数支持阈值覆盖 ⑥ 新增财务/行政主题具体异常阈值 ⑦ 质量校验清单整合到报告第六章 ⑧ TestBench 断言脚本（scripts/test_report_skill.py）⑨ 平行测试数据集（references/财务_费用报表_测试数据.csv + references/行政_用车报表_测试数据.md）

这是一份偏向文档化的技能规范，规则定义详细、异常检测方法多样、质量检查机制完善。但技能缺少可直接运行的计算代码，更多依赖使用者自行实现。报告结构要求严格，包含6个强制章节和多项质量标准，适合对报告格式有规范化需求的场景。文档质量较高但实操性中等，建议等待补充代码实现后再投入使用。