用途：data-qa 是面向数据问答的技能，当用户提出“某指标是多少”“哪个最好”“增长率如何”等需要即时数值答案与结论的问题时使用。其核心原则是：直接读取数据会产生幻觉并误导决策，必须通过脚本完整计算才能得到准确结果。
主要能力：通过 Python 脚本处理完整数据，输出 JSON 或结构化结果，再从中提取答案与解释，最后用自然语言给出带数值结果和业务解释的回答。支持 CSV、Excel、JSON 等数据格式：CSV/Excel 用 pandas 读取并完整计算后 print(json.dumps(...))；JSON 用 json.load 加处理逻辑；其他格式参照数据处理规范。
使用方式：数据分析代码必须通过 run_python_snippet 工具执行。核心步骤为：编写脚本（Python 处理完整数据，输出 JSON 或结构化结果）；执行 run_python_snippet(python_code=..., script_path=..., cwd=...)；解析 result.content 提取答案与解释；用自然语言回答；结束任务。对于 Excel、CSV 等文件，先用 read_files 读取前 10 行了解结构，再用 Python 脚本分析；多 sheet 或大文件始终用脚本分析，先查看数据结构与 sheet 结构再分析。
限制与规范：Python 脚本仅用于数据分析处理，不用于数据可视化，可视化应使用 ECharts，严禁在 Python 脚本中编写图表渲染代码。脚本应只返回少量结果数据，通常数百到数千字符，最多 5000 字符，避免读取大量无用数据。脚本必须处理完整数据并输出结构化结果，严禁直接读取文件片段来回答。应遵循最新主流 Python 编程实践，保证代码健壮性，力求一次执行成功。若用户问题不涉及数值数据，则不应使用本技能。