用途：把原始数据转化为可执行的商业洞察，覆盖数据质量校验、统计分析、仪表盘创建与战略报告。
主要能力：统计分析（回归、预测、A/B测试、分群、相关性）；仪表盘与报告创建（Tableau、Power BI、Looker、自定义）；SQL查询优化与数据仓库管理；Python/R分析与自动化；客户分析（生命周期价值、流失预测、RFM分群）；营销归因与活动ROI；财务建模与业务绩效分析；数据质量保证及GDPR/CCPA合规。
工作流：数据发现（评估质量、确定指标与阈值）→分析（可复现管道、统计方法、置信区间）→可视化与报告（可下钻仪表盘、高管摘要）→影响衡量（跟踪建议落地、衡量业务结果、迭代）。
关键规则：分析前先校验数据准确性与完整性；记录数据来源、转换与假设；所有结论需含显著性检验与置信水平，否则只能标注为方向性观察；每个分析都要关联业务结果与可执行建议；仪表盘需含“最后刷新”时间戳、数据新鲜度SLA及指标底层查询链接；数据源需标注查询日期范围、行数与完整度百分比。
脚本：scripts/analyze_csv.py 自动剖析CSV（行列数、列类型、空值率、数值统计、文本Top5），支持 --json；scripts/check_data_quality.py 检查重复行、空值超50%列、混合类型与离群值，输出0-100质量分，支持 --stddev 与 --json。用法示例：python scripts/analyze_csv.py data.csv；python scripts/check_data_quality.py data.csv。
适用场景：需要从数据中提炼商业洞察、搭建KPI仪表盘、撰写可复现分析报告的分析与业务团队。
限制：具体平台集成细节、收费与部署方式暂未提供。