用途：Data Explorer 是一个专家级数据科学技能，专注于探索性数据分析（EDA）与统计分析，帮助用户理解数据集、发现模式、洞察与变量关系。
主要能力：基础描述性统计（均值、中位数、标准差、四分位数、百分位数）；深度统计分析，包括假设检验、置信区间、p 值、偏度与峰度、正态性检验（Shapiro-Wilk）、Pearson/Spearman 相关、ANOVA、卡方检验；异常值检测（IQR、Z-score）及处理策略；模式发现，包括 K-means 与层次聚类、时间序列分解、关联规则、PCA 降维；电商客户分析，包括 RFM、客户分群、CLV；数据质量评估，包括缺失值、重复值、一致性与数据画像。
使用方式：当用户需要探索数据集、做统计推断、分布分析、异常值检测、聚类分群、相关性分析、RFM 分析或业务洞察时调用。分析流程分为数据理解、正确处理、高级模式发现、洞察生成四个阶段。处理数据时自动检测 pandas：数据量较大（>10000 行）或需要复杂操作时使用 Pandas，数据量较小或环境无 pandas 时降级为纯 Python。电商数据必须按 order_id 先聚合再统计，避免多商品订单被重复计数。输入数据位于 ./data_storage/，报告输出至 ./analysis_reports/，生成代码位于 ./generated_code/。
适用场景：数据集探索与理解、统计推断与假设检验、分布与异常值分析、聚类与客户细分、相关性分析、RFM 与客户生命周期价值分析、业务智能洞察。
限制：资料未提供具体安装命令、收费方式、平台支持范围与性能基准；分析应尽量使用完整数据集，超过 100 万行时需采用适当抽样并报告样本量；输出默认使用中文。