用途
根据资料，这个技能（Data Analysis Skill）的用途是把原始数据转化为可执行的洞察，帮助用户探索数据集、识别模式、创建可视化并生成统计报告。它适用于需要理解新数据集、寻找数据中的趋势和模式、创建带可视化的报告、识别数据质量问题、比较组别或时间段、预测未来值、构建摘要仪表板以及向相关方分享洞察的场景。
主要能力
资料列出以下关键功能：
- EDA 工具：自动化探索性分析
- 可视化：图表、图形和热力图
- 统计分析：描述性统计、假设检验、相关性
- 数据清洗：处理缺失值、离群值、重复项
- 时间序列：季节性分解和预测
- 机器学习：聚类、分类、回归
- 报告：带代码的专业分析文档
- 导出选项：保存为 HTML、PDF 或交互式仪表板
该技能还声称支持加载和探索 CSV、JSON、Parquet 等格式的数据集，执行探索性数据分析，创建统计摘要和分布，生成数据可视化与图表，识别相关性和趋势，检测异常和离群值，构建预测模型，以及导出分析报告。
使用方式
资料给出的使用步骤是：
- 加载数据：提供数据集路径或 CSV/JSON 内容
- 探索：生成摘要统计和可视化
- 分析：识别模式、趋势和关系
- 验证：检查数据质量并处理问题
- 可视化：创建有意义的图表和图形
- 建模：如需要则构建预测模型
- 报告：记录发现和建议
使用准则包括：从简单开始，先做单变量分析再做多变量分析；先可视化，再看统计；质疑假设；记录方法；结合上下文解释结果；与领域专家验证结果；使用简单语言和视觉比喻清晰沟通。
资料中的支持说明提到，可查阅上述示例、检查 assets/examples/datasets/ 中的示例数据集、使用 scripts/ 中的辅助脚本，或参考 references/ 中的详细指南。
适用场景
资料提供的示例包括：
- 客户购买分析：加载购买数据（日期、客户 ID、金额、类别），计算摘要统计，按类别可视化购买分布，分析季节性趋势，识别头部客户，检测购买异常。
- 网站流量分析：分析每日页面浏览量、跳出率、会话时长；分析流量趋势、设备类型分布、热门页面和转化率、用户行为漏斗、移动端与桌面端对比；生成折线图、柱状图、漏斗图、热力图等。
资料还列出常见分析与对应场景，包括：销售数据对应趋势与季节性，关键指标为增长率和季节性指数；客户数据对应细分，关键指标为 RFM 评分和队列分析；网站数据对应行为，关键指标为跳出率和转化漏斗；时间序列对应预测，关键指标为趋势、季节性和残差；A/B 测试对应假设检验，关键指标为 P 值和效应量。
常见分析类型包括描述性分析（数据摘要、分布分析、相关矩阵、组间比较）、预测性分析（趋势预测、异常检测、分类模型、回归模型）和诊断性分析（根因分析、队列分析、细分、归因建模）。
数据质量检查
资料称该技能会自动识别缺失值、检测重复记录、标记离群值、验证数据类型、检查引用完整性，并报告数据完整性。
工具与库
资料称该技能使用 pandas 进行数据操作和分析，numpy 进行数值计算，matplotlib/seaborn 进行可视化，scipy 进行统计检验，scikit-learn 进行机器学习，plotly 进行交互式可视化。
限制
资料未提供具体安装命令、运行平台、价格或收费信息，也未说明性能、数据规模上限或依赖版本要求；这些内容暂未提供。