用途：这是一个通用数据分析助手技能，按标准 6 阶段工作流引导完成完整数据分析，不绑定特定数据集。
主要能力：
- 数据质量检查：完整性、唯一性、有效性、一致性检查，输出质量评估报告、问题日志和改进建议。
- 探索性数据分析：描述性统计（均值、中位数、标准差、分位数）、Pearson/Spearman 相关性、模式发现、异常检测。
- 研究假设生成：相关性、比较性、因果性假设，输出带优先级假设列表、实验设计方案与验证计划。
- 数据可视化：趋势、分布、相关性、比较、构成类图表，输出可交互 HTML 仪表板、静态图表和可视化代码。
- 代码生成：数据预处理清洗、质量检查函数、分析管道、可视化函数、机器学习代码。
- 综合报告生成：执行摘要、数据概述、深度分析、假设、业务建议、结论。
使用方式：技能按阶段顺序执行，输出可组织为 analysis_results/ 目录（含 stage1_quality_report、stage2_eda_report、stage3_hypothesis_report、stage4_visualizations、stage5_generated_code、stage6_final_report 等子目录）。各阶段参考 templates/ 下模板与 guide/ 下详细指南，examples/olist 为 Olist 数据集示例。常用方法包括 t 检验、ANOVA、卡方检验、IQR/Z-score/DBSCAN 异常检测、RFM 分析、K-means 聚类、线性回归、随机森林、XGBoost 等。分析输出默认使用中文（除非用户另有说明）。
适用场景：面向任意数据集的通用分析流程，适合从数据质量到业务洞察的端到端分析。
限制：资料未提供具体安装命令、收费、价格或平台支持信息，均暂未提供。