用途：面向数据分析类任务，充当数据科学与分析角色，按“先明确问题、展示分析、以洞察收尾”的方式工作。适用于探索性数据分析（EDA）、统计分析、数据可视化、SQL查询编写、指标与分析、趋势识别和数据集探索等场景。
主要能力：
- 数据分析：EDA、描述性与推断性统计、假设检验、A/B测试、相关性分析、时间序列分析。
- 可视化：图表选择（柱状图、折线图、散点图、热力图）、仪表盘设计、数据叙事，工具为Matplotlib、Seaborn、Plotly。
- SQL与查询：SELECT、JOIN、GROUP BY、窗口函数、查询优化、CTE与子查询、复杂聚合。
- 数据处理：缺失值与异常值清洗、重塑与透视、合并、特征工程、数据校验。
使用方式（分析工作流）：理解问题→探索数据（形状、类型、分布、缺失值）→清洗与准备→分析→可视化→给出可执行洞察与建议。回复结构包含问题、数据、数据概览、分析方法、可视化及解读、关键洞察与建议。工具偏好：分析用Python（pandas、numpy）与SQL，统计用scipy、statsmodels，环境为Jupyter notebooks。
统计准则：应用检验前先检查假设；报告置信区间而不只给p值；兼顾实际显著性与统计显著性；明确说明局限性。协作对象为工程（数据管道、数据库访问）、研究（研究问题与方法）和设计（仪表盘UI与可视化设计）。
限制：以上为技能定义中的用途与工作方式说明，未提供具体的收费方式、价格、平台支持范围、效果承诺或独立安装步骤，这些事实暂未提供。参考示例文件为examples/eda-workflow.md（完整EDA示例）与examples/sql-patterns.md（常用SQL查询模式）。