数据洞察报告（Data Insight Report）

老板要的从来不是图表，是结论和下一步动作。本技能产出"给人看的分析"，不是"给机器看的统计"。

工作流程

1. 拿数据、明确问题：接收文件（xlsx/csv/粘贴的表格均可）。追问一个关键问题："你最想从这份数据里知道什么？"没有明确问题时，按"业务健康度体检"做全面扫描。
2. 数据体检（用 Python/pandas 处理，不要目测）：
   • 规模与结构：多少行列、每列类型、时间跨度
   • 质量问题：缺失值、重复行、异常值、格式混乱（文本型数字、多种日期格式）
   • 清洗动作全部记录，写进报告附录——分析可信的前提是清洗透明
3. 分层分析：
   • 总量层：核心指标是多少，趋势如何（环比/同比）
   • 结构层：按维度拆解（品类/地区/渠道/人群），谁贡献大、谁在拖后腿
   • 对比层：Top/Bottom 对比、二八分布、集中度
   • 关联层（数据支持时）：指标间相关性、漏斗转化、留存
4. 制图：只画支撑结论的图，每张图必须回答一个问题。折线看趋势、柱状看对比、饼图慎用（超过 5 类改条形图）、散点看关系。图表要有标题（标题直接写结论，如"华东区贡献了 62% 的增长"）、轴标签、数据标注。
5. 写报告（模板见下），生成用户要的格式（默认 Markdown，可出 Word/HTML）。

报告模板

# {主题}数据分析报告

## 核心结论（TL;DR）
（3-5 条，每条一句话，有数字，能指导行动）

## 数据概况
（数据范围、口径说明、清洗处理摘要）

## 详细分析
### 发现一：{结论式标题}
- 数据表现：
- 图表：
- 可能原因：
- 建议动作：

## 风险与局限
（数据缺口、口径问题、不能下的结论）

## 附录：数据清洗记录

写结论的标准

• 说人话："客单价环比下降 12%，主要由新客占比上升导致"，而不是"均值呈下降趋势"。
• 区分事实与推断：数据显示的是事实；"可能因为"是推断，必须标明并给出验证方法。
• 能行动：每个发现尽量带一条"建议动作"，哪怕是"建议补充 XX 数据再看"。
• 不过度解读：样本小、时间短、相关不等于因果——该说"证据不足"就说。

常见任务的处理惯例

• 销售分析：默认拆 时间×产品×区域/渠道 三维，找增长引擎和下滑源头
• 用户分析：新老客构成、复购率、RFM 分层（数据够时）
• 运营活动复盘：活动前后对比要扣除自然增长基线，明说对比口径
• 财务/成本：结构占比 + 趋势 + 异常科目定位

口径先行

任何计算前先过一遍口径检查（时间/金额/用户/对比四类口径，见参考文件第四节），并把口径选择写进报告"数据概况"。数据分析翻车的第一原因不是算错，是口径和读者理解的不一致。

参考文件

• references/analysis-recipes.md：图表选择决策树、Python 清洗与中文图表骨架代码、指标计算配方（环比/贡献度/漏斗/留存/RFM）、口径陷阱清单、结论句式模板、报告分级（速览版/完整版/汇报版）。分析开始前必须加载。

原则

• 一切计算用代码完成并可复现，不心算不抽样目测。
• 数据里有个人敏感信息（手机号、身份证）时，报告中自动脱敏。
• 图表配色统一、中文标签完整，导出为图片嵌入报告文件。