Data Analysis Litiao Free

数据分析助手免费版，提供基础的数据分析框架与统计检查能力. 核心能力包括： - 方法论优先框架（决策目标、证伪条件、数据盘点、时间窗口） - 统计严谨性检查清单（样本量、对照组公平性、效应量） - 基础分析方法选择（假设检验、描述统计） - 输出规范（洞察先行、量化不确定性） 高级功能（分析陷阱识别全表、队列分析、异常检测、风险升级机制）为付费版专享.

数据分析助手（免费版）

输入格式

参数名	类型	必填	说明
input	string	是	数据分析助手(免费版)处理的输入数据或指令
options	object	否	附加配置选项,如模式选择、格式偏好等
callback_url	string	否	异步处理完成后的回调通知URL

概述

没有决策目标的分析只是算术。本免费版提供基础的数据分析框架，帮助你在分析前明确决策目标，在分析后规范输出结论.

核心能力

方法论优先框架

在处理数据之前，必须先回答四个问题：

1. 决策目标：本次分析支撑什么决策？
2. 证伪条件：什么结果会改变你的判断？
3. 数据盘点：你实际拥有什么数据 vs 你希望拥有什么数据？
4. 时间窗口：哪个时间段与决策相关？

统计严谨性检查清单

• 样本量是否充足：小N会导致置信区间过宽（如 N<30 时 t 检验效力不足）
• 对照组是否公平：相同时间段、相似条件下的对比才有意义
• 效应量是否有意义：统计显著不等于实际重要，需报告相对提升幅度

升级提示：多重比较校正（Bonferroni）、不确定性量化（置信区间报告）、完整分析陷阱识别表（辛普森悖论、幸存者偏差、p值操纵等6类陷阱）为付费版专享功能.

基础分析方法选择

问题类型	推荐方法	关键输出
"X和Y是否有差异？"	假设检验（t检验/卡方检验）	p值 + 效应量
"什么因素预测Z？"	回归/相关分析	回归系数 + R²

升级提示：队列分析（留存曲线）、用户分群（画像比较）、异常检测（标记异常点）为付费版专享功能.

输出规范

1. 洞察先行：先说结论，再说方法
2. 量化不确定性：用区间估计代替点估计

升级提示：声明局限分析、推荐下一步实验设计为付费版专享功能.

快速开始

1. 确认运行环境满足依赖说明中的要求
2. 在AI Agent对话中调用本技能,提供必要的输入参数
3. 检查输出结果,根据需要进行后续处理

详细的输入输出格式请参考下方章节说明。

依赖说明

运行环境

• Agent平台: 支持SKILL.md的任意AI Agent（Claude Code / Cursor / Codex / Gemini CLI等）
• 操作系统: Windows / macOS / Linux

依赖项

依赖项	类型	是否必需	获取方式
LLM API	API	必需	由Agent内置LLM提供

API Key 配置

需要配置对应API Key，详见上文环境配置章节

可用性分类

• 分类: MD+EXEC（）

API Key配置方式:

bash

export API_KEY=${API_KEY:?请设置环境变量}

配置后需重启会话或开启新终端生效。API Key应妥善保管,避免泄露到版本控制系统.

使用流程

1. 明确决策：与用户确认分析支撑的决策目标
2. 盘点数据：评估可用数据的范围与质量
3. 选择方法：根据问题类型匹配假设检验或回归分析
4. 执行分析：运行统计检验，检查样本量与效应量
5. 输出报告：洞察先行，量化不确定性

示例

示例1：A/B测试基础判断

text

问题: 实验组转化率 3.2%，对照组 2.8%，样本各 5000 人，是否显著？
# ...
分析:
- 比例差异检验 (z-test)
- p-value = 0.043 < 0.05，统计显著
- 效应量: 相对提升 14.3%
- 结论: 统计显著，建议进一步评估业务意义

示例2：描述性统计

text

问题: 上月销售额的整体分布如何？
# ...
分析:
- 均值: ¥45,230
- 中位数: ¥38,500
- 标准差: ¥12,400
- 偏度: 1.2（右偏，存在高订单拉高均值）
- 结论: 中位数低于均值，分布右偏，关注大额订单影响

错误处理

错误场景	原因	处理方式
小样本过度解读	N<30 时置信区间过宽	报告置信区间宽度，标注"样本量不足"
对照组不公平	不同时间段或条件下的对比	确保对比组在相同时间段、相似条件下
效应量被忽略	仅看 p 值不看实际提升幅度	同时报告 p 值和效应量（如相对提升%）
点估计无不确定性	仅报告"提升15%"未给区间	报告置信区间，如"提升12-18%（95% CI）"
预设结论确认偏误	用户试图"证明"已有结论	先列出证伪条件，再执行分析

常见问题

Q1: A/B测试结果 p<0.05 就可以上线吗？

A: 不一定。还需检查效应量是否具有业务意义，置信区间下界是否远离0.

Q2: 样本量太小（N<30）还能做分析吗？

A: 可以做描述性统计，但推断性结论需特别谨慎。建议使用非参数检验并明确标注"样本量不足".

Q3: 如何识别辛普森悖论？

A: 辛普森悖论的完整识别与规避方法为付费版专享功能。免费版建议手动按关键维度（设备、渠道等）拆分后检查趋势是否反转.

Q4: 报告里应该写"提升15%"还是"提升12-18%"？

A: 应写"提升12-18%（95%置信区间）"。点估计不传达不确定性，区间估计让决策者知道结论的可靠程度.

Q5: 如何避免 p 值操纵？

A: p 值操纵的完整校正方法（Bonferroni 校正、预注册假设）为付费版专享。免费版建议在分析前明确列出要检验的指标，避免事后追加检验.

已知限制

• 免费版不包含完整分析陷阱识别表（仅基础检查）
• 免费版不包含队列分析、用户分群、异常检测方法
• 免费版不包含风险升级机制（预设结论、混杂因素检测）
• 免费版不包含多重比较校正（Bonferroni）指导
• 统计检验效力依赖于样本量，小样本场景结论可靠性有限
• 升级至付费版可解锁全部高级功能