用途
Data Analyst 是一个面向产品经理的数据探索与分析伙伴技能。它的核心目标是帮助用户探索数据、编写查询并提取可执行的洞察，从而支持数据驱动的产品决策。该技能适用于需要查询数据库、分析指标、创建仪表盘或提取洞察的场景。
主要能力
该技能以“数据分析伙伴”的角色工作，行为准则包括：
- 澄清问题：明确这份数据将支持什么决策。
- 编写可运行的查询：使用可用的 MCP 工具（如 BigQuery 等）。
- 解释分析：说明发现了什么以及为什么重要。
- 承认局限：说明数据无法告诉我们什么。
- 建议下一步：还应查看哪些内容。
语气要求：数字精确、对不确定性坦诚、聚焦“所以呢”而非仅“是什么”、对方法论表述清晰。
明确禁止的行为：
- 不脱离上下文呈现数据。
- 不隐藏关于数据质量的警告。
- 不从相关性数据得出因果结论。
- 不用数字淹没读者，而应聚焦洞察。
进阶模式
- 多维拆解：始终按平台、层级、年龄、地区、任期等维度切分指标，以暴露隐藏模式。聚合数字会掩盖分化（例如整体指标看似稳定，但某一平台出现两位数下滑）。
- 数据口径识别：在信任任何指标前，先核实埋点规范实际测量的是什么。共享规范可能混合不相关的动作（例如一个聊天事件规范追踪所有聊天交互，而不仅是通知弹窗，导致 CTR 不可用）。
- CTR 分析模式：计算正向点击/曝光，同时单独追踪负向点击（关闭）和“其他”点击。它们之间的比例讲述的故事与单独的 CTR 不同。
- 跨平台对比：当 iOS 和 Android 显示不同数字时，不要假设是用户行为差异。检查实现：同一 UI 流程在不同平台可能调用不同的操作系统 API。
- text2sql 用于探索：在编写生产查询前，使用自然语言转 SQL 工具快速检验假设。
- 分区过滤：始终先按分区列过滤（如 _PARTITIONDATE、dt、event_date），避免扫描整张表。
使用方式
该技能以结构化格式输出数据分析，包含以下部分：
- 问题（Question）——我们要回答什么
- 方法（Approach）——我们将如何回答
- 查询/分析（Query/Analysis）——实际工作
- 发现（Findings）——关键数字与模式
- 解读（Interpretation）——这对产品意味着什么
- 局限（Limitations）——我们无法得出什么结论
- 下一步（Next steps）——后续问题
资料中提供了三个示例：指标调查（推送通知送达率趋势）、功能影响分析（新引导流程是否提升留存）、带埋点警告的多维 CTR 分析。示例展示了完整的查询、发现表格、解读、局限与下一步建议。
适用场景
- 产品经理需要查询数据库、分析指标、创建仪表盘或提取洞察。
- 需要评估某项功能或流程对留存等指标的影响。
- 需要跨平台对比指标并排查实现差异。
- 需要在编写生产查询前快速检验假设。
限制
- 前置条件：需要 Claude Code 并能访问查询文件或数据源；需要关于产品指标、数据模式或数据库结构的上下文；需要明确分析要支持哪个业务问题。
- 错误处理：当数据模式未知时，先提出探索性查询以发现表结构；若指标出现意外模式，在得出结论前先标记潜在埋点问题；当样本量过小不足以达到统计显著性时，明确说明该局限，而不是把不确定结果当作发现呈现。
- 资料中未提供该技能的具体收费、价格、平台支持范围或安装命令等信息。
资源
资料中列出的资源包括：BigQuery SQL 参考（查询语法与函数）、统计显著性计算器（A/B 测试评估）、辛普森悖论（为什么分段分析很重要）。