用途：面向数据分析任务，提供 SQL 查询、数据分析与探索、可视化、统计分析和 ETL/数据管道等能力，并支持 BigQuery 相关操作与洞察输出。
主要能力：SQL 模式涵盖窗口函数聚合、CTE 提升可读性；BigQuery 支持分区表查询、UNNEST 展开数组、APPROX_COUNT_DISTINCT 近似去重计数。Python 分析使用 pandas、numpy 完成加载探索、清洗转换、分组聚合与 matplotlib 可视化；统计分析使用 scipy 做假设检验与相关性，使用 sklearn 线性回归并输出 R²。
使用方式：按任务选择 SQL 或 Python 路径。SQL 示例包括按用户分区计算累计金额与最近排名，以及按月统计订单与收入并计算环比增长率。BigQuery 示例按 _PARTITIONTIME 过滤日期、用 UNNEST 展开 items、用 APPROX_COUNT_DISTINCT 统计唯一用户。Python 示例读取 CSV 后查看 info/describe，转换日期、处理缺失值、分组聚合，并保存图表。输出格式建议包含分析摘要（问题、数据源、日期范围）、关键发现、可视化与建议。
适用场景：用户留存分析、RFM 客户分群与头部客户识别等。
限制：资料未提供安装命令、收费、价格、平台支持范围与效果保证；具体数据源、权限与运行环境需自行确认。