Load context
On first use: Read ../../CLAUDE.md to obtain scenario-level configuration (business context/historical benchmarks/industry benchmarking data).
/insight-generation — Insight Generation
Examples
→ Example: The user says "This month's operational data is out, help me generate a few core insights that management should pay attention to." The system should invoke this skill to distill key insights from multidimensional data.
→ Example: The user says "Help me add a few strategic-level insights to the quarterly report, not just financial figures." The system should invoke this skill to generate strategic-level business insights.
→ Example: The user says "For the new market entry strategy, help me provide a few key decision-support insights from a financial perspective." The system should invoke this skill to generate decision-support insights.
Step 1: Data Acquisition and Quality Assessment
Data extraction:
□ 数据来源：[BI 系统/ERP/财务系统/CRM]
□ 查询条件：期间 [YYYY-MM 至 YYYY-MM]，维度 [客户/产品/渠道/区域]
□ 记录数：[X] 条
□ 数据字段：[列表]
Data quality check:
□ 完整度：[X]% — 缺失 [字段/记录] 的原因
□ 一致性（跨系统）：[✅ 一致 / ⚠️ 存在差异]
□ 时效性：数据截止 [YYYY-MM-DD] — [✅ 及时 / ⚠️ 延迟 X 天]
□ 总体质量评估：[✅ 高 / ⚠️ 中 / 🔴 低]
Step 2: Descriptive Analysis
Key metrics overview:
| 指标 | 本期值 | 同比 | 环比 | 达成率 |
|------|--------|------|------|--------|
| [指标1] | [X] | [±X]% | [±X]% | [X]% |
| [指标2] | [X] | [±X]% | [±X]% | [X]% |
Distribution analysis:
□ 集中度：
→ Top 3 贡献占比：[X]%（客户/产品/渠道）
→ 是否过度集中：[✅ 否 / ⚠️ 是，集中度 [X]%]
□ 分布形态：
→ [指标] 分布：[正态/偏态/双峰]
→ 区间分布：[X]% 的值落在 [区间]
Step 3: Pattern Recognition
Trend patterns:
□ 增长形态：
→ 线性增长：月均增 [X]
→ 季节性波动：Q4 峰值 [X]，Q1 低谷 [X]，波幅 [X]%
→ 阶梯式增长：[日期] 前后台阶 [X]
→ 平台期：[日期] 起增长放缓
□ 主要驱动因素（归因）：
→ 增长 [X]% 中，[因素A] 贡献 [X]%，[因素B] 贡献 [X]%
Anomaly patterns:
□ 异常点检测：
→ [日期/客户/产品] 的 [指标] 值为 [X]，偏离趋势 [±X]%（阈值 [X]%）
→ 偏离方向：[高于/低于] 预期
→ 异常类型：[一次性/系统性]
□ 异常根因初步判断：[描述]
Correlation analysis (if applicable):
□ 指标间相关性：
→ [指标A] 与 [指标B] 相关系数 [X]（强正/强负/弱）
→ [指标C] 滞后 [指标D] [X] 期
Step 4: Insight Distillation
Structured insight output:
| # | 洞察描述 | 类型 | 支撑数据 | 置信度 | 业务影响 | 可行动性 |
|---|---------|------|----------|--------|----------|----------|
| 1 | [描述] | [模式/异常/机会] | [X] | [高/中/低] | [高/中/低] | [高/中/低] |
| 2 | [描述] | [模式/异常/机会] | [X] | [高/中/低] | [高/中/低] | [高/中/低] |
洞察类型定义：
模式（Pattern）：反复出现的规律性现象
异常（Anomaly）：偏离正常范围的异常点
机会（Opportunity）：未被充分利用的增长点
Detailed explanation of Top 3 insights:
洞察 1：[标题]
□ 描述：[具体说明]
□ 发现依据：[数据/现象]
□ 成立条件：[在什么前提下成立]
□ 潜在风险：[洞察可能不成立的情况]
□ 置信度：[高/中/低] — 依据 [样本量/一致性/逻辑性]
洞察 2：[标题]
...
洞察 3：[标题]
...
Step 5: Recommendation Transformation
Insight → Recommendation mapping:
| 洞察 | 转化为的行动建议 | 预期效果 | 实施难度 | 优先级 |
|------|----------------|----------|----------|--------|
| [洞察1] | [建议] | [量化效果] | [高/中/低] | [高/中/低] |
| [洞察2] | [建议] | [量化效果] | [高/中/低] | [高/中/低] |
Recommendation feasibility assessment:
□ 建议 1：[描述]
→ 所需资源：[人力/资金/时间]
→ 实施周期：[X] 周
→ 收益成本比：[X]
→ 主要风险：[描述]
→ 综合可行性：[✅ 可行 / ⚠️ 需进一步评估]
Step 6: Generate Insight Report
═══════════════════════════════════════
洞察生成报告
分析主题：[主题]
数据期间：[YYYY-MM 至 YYYY-MM]
生成时间：[YYYY-MM-DD HH:MM]
═══════════════════════════════════════
【分析概览】
□ 数据质量：[✅ 高 / ⚠️ 中 / 🔴 低]
□ 关键指标：[X] 个
□ 主要发现：[X] 条
【核心洞察】（按影响力排序）
🔵 洞察 1：[标题]
类型：[模式/异常/机会] | 置信度：[高/中/低] | 影响：[高/中/低]
描述：[详细说明]
建议行动：[描述]
🔵 洞察 2：[标题]
...
🔵 洞察 3：[标题]
...
【次要洞察】
□ [洞察4]：[描述] — 置信度 [中/低]
【建议行动】（按优先级）
1. [优先级最高，建议立即执行]
2. [优先级次之，建议本周执行]
3. [长期改进项]
【待验证假设】
□ [假设1] — 验证方法：[描述]
□ [假设2] — 验证方法：[描述]
═══════════════════════════════════════
置信度：[✅ 高 / ⚠️ 中 / 🔴 低]
洞察总数：[X] 条 | 高影响：[X] 条 | 可行动：[X] 条
═══════════════════════════════════════
Escalation Trigger Conditions
- Overall insight confidence is low (mostly medium/low confidence)
- Systematic anomalies found (involving more than [X] data points)
- Insights involve correlated impacts across multiple business domains
- Recommended actions involve cross-department coordination or major resource investment
- Low data quality (assessed as 🔴 Low) limits insight reliability
Finance Skills — insight-generation atomic skill