用途：把原始数据转化为可执行的洞察陈述，覆盖完整 EDA 流程。核心原则是“统计不等于洞察”，例如“平均营收 420 万”只是统计，而“营收同比增长 34% 但增速从 22% 降至 8%”才是洞察。
主要能力（按模块）：1）数据画像：行数、列数、空值率、唯一值、类型推断、内存估算、重复行，并输出质量评分与警告。2）描述统计：均值与中位数、标准差、极值、百分位、偏度、峰度；当均值与中位数差距超过 10% 时以中位数为典型值。3）分布分析：识别正态、右偏、左偏、双峰、均匀、幂律，并映射到故事意图。4）相关与关系：按 |r| 划分强/中/弱/无，并提示辛普森悖论，需按分类变量再检查。5）分群：分组聚合、百分位分桶、RFM、队列、交叉表。6）时间序列分解：趋势、季节性、残差，含滚动平均窗口建议。7）异常检测：Z 分数、IQR 栅栏、孤立森林、可视化；异常只标记不自动删除，需记录保留/删除/分离决策。8）DIKW 翻译：把数据、信息、知识、智慧逐层转为业务语言，使用 WHAT/SO WHAT/NOW WHAT/STORY INTENT/CHART 模板。9）假设框架：观察、假设、检验、结论、叙述。
使用方式：组件为 SKILL.md、data-analysis.instructions.md、analyze.prompt.md；依赖 data-visualization（图表输出）与 data-ingest.cjs（数据接入）。资料未提供具体安装命令或调用示例。
适用场景：任何需要从数据集提炼业务结论并衔接可视化的分析任务。
限制：资料未提供收费、价格、平台支持、性能数据或效果保证；部分阈值（如孤立森林分数 > 0.7）为启发式；正态性检验建议 Shapiro-Wilk（n<5000）或 Anderson-Darling。需避免只报统计、把相关当因果、忽略基数、幸存者偏差、过度聚合、过早优化等反模式。