用途：为 AI 驱动的分析提供可复用的业务策略判断，包括分析成熟度评估、KDD 与 CRISP-DM 流程框架、数据质量要求、负责任 AI 原则、分析 ROI 衡量，以及如何从早期把分析能力构建进 SaaS 模块。适用于需要领域约束或成熟工作流的任务，而非临时建议；与主题无关或只需简单回答时不宜使用。
主要能力：区分描述性、诊断性、预测性、处方性四类分析，并强调按顺序构建；提供 0 至 4 级分析成熟度模型，规则是不跳级；给出 KDD 七步流程（问题定义、数据选择、预处理、转换、数据挖掘、评估、解释与利用）及 LLM 分析对应关系；给出 CRISP-DM 六阶段（业务理解、数据理解、数据准备、建模、评估、部署）及交付物；列出数据质量四维最低标准（完整性>90%、准确性>95%、时效性运营<24h/战略<7天、一致性）；提出负责任 AI 五原则（透明、可解释、公平、人工监督、隐私）与 XAI 要求；提供 ROI 衡量指标（节省时间、决策速度、错误率、收入影响、成本规避）。
使用方式：先读 SKILL.md，再按需加载引用的深入文件；按有序指引、检查清单和决策规则执行，而非摘取孤立片段；产出时明确假设、风险与后续工作。
适用场景：学校管理、医疗、零售 POS、农场管理、ERP/财务等领域的分析机会识别与落地。
限制：不提供具体代码或安装命令；不展示原始概率分数给非技术用户；无自动化不可逆操作，AI 仅建议、由人决定；数据质量差是 AI 分析失败的首要原因，需先向客户标记。相关技能包括 ai-opportunity-canvas、ai-predictive-analytics、ai-nlp-analytics、ai-analytics-dashboards、data-visualization。