数据分析理调

提供数据分析方法论指导，确保统计严谨、识别陷阱、选用合适方法及规范输出，支持中文交互和多场景应用。

Install

openclaw skills install @thcjp/data-analysis-hub

功能说明: 本技能涵盖中文交互等核心能力。

功能说明: 本技能涵盖化工作流场景等核心能力。

数据分析理调

数据分析方法论守护框架，确保分析过程的统计严谨性、陷阱识别和方法论正确性.

请求格式

参数名	类型	必填	说明
input	string	是	数据分析理调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

能力简介

Methodology First（方法论优先框架）

在任何数据分析开始前，先回答四个方法论问题：

What decision is this analysis supporting? — 这项分析支持什么决策？明确决策目标再选方法.
What would change your mind? — 什么结果会改变你的判断？预先定义证伪条件和 stop condition.
What data do you actually have vs what you wish you had? — 实际有什么数据 vs 希望有什么数据？识别数据缺口.
What timeframe is relevant? — 什么时间范围相关？避免 cherry-picking 有利时段. 核心原则：方法论决定分析路径，数据只是输入。先定 hypothesis 和 testing 框架，再收集数据.

Statistical Rigor Checklist（统计严谨性检查清单）

分析结果输出前必须通过的统计检查：

Sample size adequacy：样本量是否足够？小样本（n<30）的 inference 不可靠，需标注 effect size 和 confidence interval
Multiple comparison correction：多次比较是否做了校正？用 Bonferroni correction 或 FDR 控制 false positive
p-value interpretation：p-value 是否被正确理解？p<0.05 不等于"有效"，需报告 effect size 和 practical significance
Confounding variables：是否有未控制的 confounder？cohort 对比时检查 baseline 差异
Regression assumptions：回归模型假设是否满足？检查残差独立性、homoscedasticity、multicollinearity
Confidence interval reporting：是否报告了 confidence interval 而非仅点估计？

Analytical Pitfalls（分析陷阱识别）

7 个常见分析陷阱及其识别方法：

陷阱	英文	识别方法
p值操纵	p-hacking	检查是否多次跑测试直到 p<0.05，报告所有跑过的测试而非只报告显著的
时期不可比	Comparing unequal periods	对比周期天数是否一致？节假日、季节性是否对齐？
幸存者偏差	Survivorship bias	样本是否只包含"存活"对象？退出用户、失败案例是否被排除？
辛普森悖论	Simpson's Paradox	分组和整体趋势是否一致？分层分析后再下结论
时间序列伪相关	Correlation in time series	两个时间序列的相关可能是 trend 导致的，需差分或去趋势后再算相关
百分比聚合错误	Aggregating percentages	各组百分比不能直接平均，需用加权平均或回到原始计数
摘樱桃	Cherry-picking	是否只展示有利数据？检查完整时间范围和所有分组

Approach Selection（分析方法选择）

根据分析目标选择正确的分析方法：

描述性分析（Descriptive）：均值、中位数、分布 — 回答"发生了什么"
诊断性分析（Diagnostic）：cohort analysis、segmentation、funnel analysis — 回答"为什么发生"
因果推断（Causal inference）：A/B testing、difference-in-differences、propensity score matching — 回答"X 是否导致 Y"
预测性分析（Predictive）：regression、time series forecasting、anomaly detection — 回答"未来会怎样"
规范性分析（Prescriptive）：optimization、simulation — 回答"应该怎么做"

选择原则：correlation 不等于 causation。观察数据只能发现关联，因果需实验或准实验方法.

Output Standards（输出规范）

分析输出的标准化要求：

结论先行：1-2 句话总结核心发现，附 confidence level（高/中/低）
数据来源：标注数据来源、时间范围、样本量、缺失值处理方式
可视化规范：图表标题自解释，坐标轴有标签和单位，避免误导性 scale
不确定性量化：报告 confidence interval、margin of error，不使用确定性表述
方法论说明：使用的统计方法、假设检验类型、校正方法
局限性声明：数据局限性、未控制的 confounder、generalizability 限制

Red Flags to Escalate（风险升级机制）

遇到以下情况时必须升级到资深分析师或暂停分析：

用户想"证明"预设结论而非探索发现 — 这是 p-hacking 的起点
样本量太小无法做可靠 inference（如 n<10 做统计检验）
数据质量问题导致分析无效（缺失率 >30%、系统性偏差）
存在无法控制的 confounder 且影响方向未知
Simpson's Paradox 出现（分组和整体结论矛盾）
时间序列的 correlation 可能是 spurious（伪相关）
结果依赖于特定时间段或特定子集（Cherry-picking 风险）

安装向导

确认运行环境满足依赖说明中的要求
在AI Agent对话中调用本技能,提供必要的输入参数
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。

应用示例

基本用法

向Agent发送指令:

text

使用 数据分析理调 处理以下任务:
[具体任务描述]

输出说明

Agent将根据指令调用对应能力,返回响应数据。响应格式取决于具体能力点的输出定义.

安装与配置

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（纯Markdown指令，无需exec命令行能力）

疑问速查汇总

Q1: p-value < 0.05 就意味着结果显著吗？

A: 不完全。p-value 只是在零假设下观察到当前或更极端结果的概率。还需检查 effect size（实际效应量）、confidence interval、样本量和 practical significance。小样本下的 p<0.05 可能是 false positive.

Q2: 如何识别 Simpson's Paradox？

A: 对比分组分析和整体汇总分析的趋势方向。如果分组结论和整体结论相反（如各组都显示 A>B，但整体显示 B>A），就是 Simpson's Paradox。此时应以分层分析为准.

Q3: 观察数据能做因果推断吗？

A: 观察数据只能发现 correlation（关联），不能直接做 causal inference（因果推断）。需要用 difference-in-differences、propensity score matching、instrumental variable 等准实验方法，并明确假设前提.

功能边界

不替代专业统计学家做复杂建模决策
无法自动检测所有类型的数据质量问题
因果推断方法的有效性依赖假设前提是否满足
高维数据的 multiple comparison 问题需要领域知识判断

创新特色

===

效率提升量化分析

操作步骤	手动耗时	自动化耗时	时间节约	准确率提升
数据清洗	2小时	30分钟	1.5小时	5%
数据预处理	4小时	1小时	3小时	3%
统计分析	8小时	2小时	6小时	4%
报告生成	6小时	1小时	5小时	2%
可视化制作	4小时	30分钟	3.5小时	2%

差异化对比

对比维度	本技能	手动操作	Python脚本	专业软件
处理速度	快速	较慢	中等	快速
易用性	中等	较高	中等	高
功能丰富度	高	低	中等	高
成本	低	中等	中等	高
技术要求	低	高	中等	高

核心痛点解决

痛点	描述	影响范围	解决方案	量化效果
数据清洗困难	数据清洗步骤繁琐，耗时较多	影响数据分析效率和质量	引入自动化清洗工具	时间节约 20%
分析结果不可靠	分析方法选择不当，导致结果错误	影响决策制定	建立方法论框架，指导方法选择	准确率提升 10%
报告生成效率低	报告格式固定，无法根据需求调整	影响报告质量和使用效率	开发灵活的模板系统	效率提升 30%

===

诊断与修复

错误现象	可能原因	诊断步骤	解决方案
数据错误	数据源错误或格式问题	检查数据源和格式，确认数据正确性	修正数据源或格式，重新导入数据
分析结果异常	分析方法选择不当或模型错误	检查分析方法，验证模型假设	调整分析方法或模型，重新进行分析
系统运行缓慢	硬件资源不足或系统配置错误	检查硬件资源，调整系统配置	增加硬件资源或调整配置，优化系统性能
通知未收到	邮件系统错误或配置问题	检查邮件系统，确认配置正确	修复邮件系统或重新配置邮件
脚本执行失败	脚本错误或依赖问题	检查脚本和依赖，确认脚本正确性	修正脚本或添加缺失依赖

===

安全申明

[与「数据分析理调」相关的安全注意事项]

确保数据传输加密，防止数据泄露。
对敏感数据进行加密存储，确保数据安全。
定期更新系统和工具，防范安全漏洞。
实施权限管理，确保只有授权用户可以访问数据和分析工具。
定期进行合规检查，确保安全措施的有效性。

安全风险防范

风险项	等级	防护措施	验证方法
API密钥泄露	高	通过环境变量配置，禁止硬编码	定期检查代码和配置文件
命令执行风险	高	仅执行白名单命令，避免拼接用户输入	使用沙箱环境测试
网络通信安全	中	使用HTTPS协议，验证SSL证书	定期检查证书有效期
敏感数据暴露	高	输出结果中不包含密钥、令牌等敏感信息	日志脱敏审查
未授权访问	中	限制访问权限，实施认证机制	定期审计访问日志

错误恢复方案

针对数据分析理调使用中可能遇到的常见问题,提供以下排查方案:

错误类型	原因分析	解决方案
API认证失败(401)	API密钥错误或过期	检查密钥配置,重新生成token
接口限流(429)	请求频率超出限制	降低调用频率,启用重试退避策略
响应超时(504)	网络延迟或服务端负载过高	增加超时阈值,检查网络连接
文件不存在	路径错误或文件未创建	检查路径拼写,确认文件已生成
文件格式不支持	扩展名不在支持列表中	转换为支持的格式后重试
权限不足	当前用户无读写权限	检查文件权限,以管理员身份运行
命令执行失败	参数错误或环境依赖缺失	检查命令语法,确认依赖已安装
进程超时	命令执行时间过长	增加超时设置,优化命令参数
网络连接失败	DNS解析失败或防火墙拦截	检查网络配置,确认代理设置