用途
Data Exploration 是一个数据探查技能，目标是在正式分析之前，系统性地剖析数据集，理解其结构（shape）、质量（quality）与模式（patterns）。它提供了一套可复用的方法论，帮助分析人员快速建立对陌生数据集的认知，避免在未理解数据的情况下直接进入分析。
主要能力
数据剖析方法论
阶段一：结构理解 在分析任何数据之前，先理解其结构。表级问题包括：有多少行和列？粒度是什么（一行代表什么）？主键是什么、是否唯一？数据最后更新时间？数据可追溯多久？
列分类将每一列归入以下类型之一：标识符（唯一键、外键、实体 ID）、维度（用于分组/筛选的分类属性，如状态、类型、地区、类别）、度量（用于测量的定量值，如收入、计数、时长、评分）、时间（日期与时间戳，如 created_at、updated_at、event_date）、文本（自由文本字段，如描述、备注、名称）、布尔（真/假标志）、结构化（JSON、数组、嵌套结构）。
阶段二：列级剖析 对每一列计算：所有列统计空值数量与空值率、去重计数与基数比（去重数/总数）、最常见值（前 5-10 个及频率）、最少见值（后 5 个以发现异常）。
数值列（度量）：最小值、最大值、均值、中位数（p50）、标准差、百分位数（p1、p5、p25、p75、p95、p99）、零值计数、负值计数（若非预期）。
字符串列（维度、文本）：最小长度、最大长度、平均长度、空字符串计数、模式分析（值是否遵循某种格式）、大小写一致性（全大写、全小写、混合）、首尾空白字符计数。
日期/时间戳列：最小日期、最大日期、空日期、未来日期（若非预期）、按月/周分布、时间序列中的缺口。
布尔列：真计数、假计数、空计数、真值率。
阶段三：关系发现 在完成单列剖析后，识别：外键候选（可能链接到其他表的 ID 列）、层级关系（构成自然下钻路径的列，如国家 > 省 > 城市）、相关性（同步变化的数值列）、派生列（看似由其他列计算得出的列）、冗余列（信息相同或近乎相同的列）。
质量评估框架
完整性评分：对每列评级——完整（>99% 非空，绿色）、基本完整（95-99%，黄色，需调查空值）、不完整（80-95%，橙色，需理解原因及影响）、稀疏（<80%，红色，未经插补可能不可用）。
一致性检查：值格式不一致（同一概念的不同表示，如 "USA"、"US"、"United States"、"us"）、类型不一致（数字存为字符串、日期格式多样）、引用完整性（外键找不到对应父记录）、业务规则违规（负数量、结束日期早于开始日期、百分比大于 100）、跨列一致性（状态为 "completed" 但 completed_at 为空）。
准确性指标：提示准确性问题的红旗信号包括——占位值（0、-1、999999、"N/A"、"TBD"、"test"、"xxx"）、默认值（单一值频率异常高）、陈旧数据（活跃系统中 updated_at 无近期变化）、不可能的值（年龄大于 150、远期未来日期、负时长）、整数偏好（所有值以 0 或 5 结尾，提示为估算而非测量）。
时效性评估：表最后更新时间？预期更新频率？事件时间与加载时间之间是否存在延迟？时间序列中是否有缺口？
模式发现技术
分布分析：对数值列刻画分布形态——正态（均值与中位数接近，钟形）、右偏（高值长尾，常见于收入、会话时长）、左偏（低值长尾，较少见）、双峰（两个峰值，提示两个不同群体）、幂律（少数极大值、大量小值，常见于用户活动）、均匀（范围内频率大致相等，常为合成或随机数据）。
时间模式：趋势（持续上升或下降）、季节性（重复模式：周、月、季、年）、星期效应（工作日与周末差异）、节假日效应（已知节假日前后下降或尖峰）、变化点（水平或趋势的突然转变）、异常（打破模式的个别数据点）。
分群发现：通过以下方式识别自然分群——寻找具有 3-20 个去重值的分类列、比较各分群值下的度量分布、寻找行为显著不同的分群、检验分群是同质还是包含子分群。
相关性探索：在数值列之间计算所有度量对的相关系数矩阵、标记强相关（|r| > 0.7）以供调查、明确提示相关不等于因果、检查非线性关系（如二次、对数）。
模式理解与文档化
提供模式文档模板，包含：表描述、粒度、主键、行数（近似值及日期）、更新频率、负责人；关键列表格（列名、类型、描述、示例值、备注）；关系（与其他表的连接方式）；已知问题；常见查询模式。
提供模式探查查询示例（以 PostgreSQL 为例）：列出模式中所有表、列详情、表大小、各表行数（通用模式为逐表执行 SELECT COUNT(*)）。
血缘与依赖：探索陌生数据环境时——从"输出"表（报表或仪表盘消费的表）开始、向上游追溯（哪些表为其提供数据）、识别原始/暂存/集市分层、映射从原始数据到分析表的转换链、记录数据被丰富、过滤或聚合的位置。
使用方式
该技能以方法论和模板形式提供，可在数据探查任务中按阶段执行：先做结构理解，再做列级剖析，然后进行关系发现，接着按质量评估框架检查数据，最后用模式发现技术挖掘规律，并将结果按文档模板记录。资料中未提供具体的安装命令或代码调用方式。
适用场景
适用于在正式分析前需要了解数据集结构、质量与模式的场景，例如接手陌生数据集、评估数据可用性、为团队编写数据文档、排查数据质量问题、发现数据中的分布与时间规律等。
限制
资料中未提供关于收费、价格、平台支持范围、性能指标或具体工具集成的信息。相关性分析部分明确提示相关不等于因果。质量评估中的阈值（如完整性评分区间）为方法论建议，实际应用需结合具体业务判断。