用途：该技能面向数据集分析，用于理解新数据集、生成数据驱动洞察的报告、检查数据一致性，以及为决策提供数据建议。
主要能力：按步骤覆盖数据加载与探索、数据清洗、统计分析、可视化与洞察推导。可使用 Pandas 与 NumPy 读取 CSV，输出数据结构、描述统计、缺失值与数据类型；用 SQL 查看表结构、样本数据和基础统计。清洗环节处理缺失值、去重、类型转换与基于 IQR 的离群值剔除。分析环节包含描述统计、分组聚合、相关性与透视表。可视化使用 Matplotlib 与 Seaborn 绘制直方图、箱线图、相关性热力图和时间序列图。洞察环节包含 Top/Bottom 分析、按月趋势与增长率、分群分析。
使用方式：按资料中的步骤依次执行。示例中加载数据使用 pd.read_csv('data.csv')，查看信息使用 print(df.info())，缺失值统计使用 df.isnull().sum()。报告结构包含数据集概览、关键发现、统计汇总与建议。资料还给出 Unity Profiler CSV 的性能分析示例，可按帧时间、瓶颈帧与函数耗时等维度分析。
适用场景：数据探索、报告生成、质量校验与决策支持；Unity3D 性能数据也可作为其分析场景。
限制：必须在原始数据副本上分析，需记录流程并验证结果；不得暴露敏感个人数据，不得得出无依据的结论。价格、平台支持范围与具体收费方式暂未提供。