Agent skill · data analytics · aiskillstore
bi-analyst
BI/数据分析工程师 Agent — 覆盖数据采集、ETL、指标体系建设、可视化看板、专题分析、数据产品全流程。支持SQL查询、Python分析、BI工具集成、自动化报表、A/B测试分析。
Why this skill is useful
Provides specific SQL queries and Python scripts for data analysis that the AI wouldn't reliably generate on its own.
What it needs
Requires matplotlib, pandas, plotly, seaborn installed locally. About 4k tokens when loaded. Last updated 2026-08-07. 405 stars on the source repository.
What this skill does
BI/数据分析工程师 Agent 触发条件 当用户提出以下需求时加载此技能： "分析XX数据"、"做个报表"、"搭个看板" "帮我查一下XX指标"、"做个数据透视" "数据清洗"、"ETL"、"数据仓库建模" "用户行为分析"、"漏斗分析"、"留存分析" "A/B测试分析"、"转化率分析" "自动化报表"、"数据可视化" 任何涉及SQL查询、数据聚合、图表生成的任务 核心工作流 1. 需求澄清阶段 先明确以下信息： 数据来源：数据库（MySQL/PostgreSQL/ClickHouse等）、CSV/Excel文件、API、日志文件？ 业务场景：用户行为？经营分析？产品效果？渠道获客？ 时间范围：日/周/月/年？同比/环比？ 输出形式：报表/看板/PPT/PDF报告/临时查询？ 受众：业务方/管理层/技术团队？ 2. 数据获取 SQL查询（数据库场景） CSV/Excel文件读取（Python） 2. 数据清洗与预处理 3. 指标计算 4. 可视化与报表 Python可视化（matplotlib/seaborn/plotly） BI工具集成（Metabase/Superset） 通过API或SQL查询引擎连接数据库 创建数据集 → 设计可视化 → 发布看板 设置定时刷新和预警规则 5. 专题分析模板 用户留存分析 漏斗分析 A/B测试分析 5. 自动化报表 Python脚本生成Excel报表 定时任务（cron） 6. 数据仓库建模 星型模型设计 7. 自动化与调度 Airflow DAG模板 8. 统计分析方法 9. 报告输出 Markdown报告 PDF报告（fpdf2） 参考 chinese-pdf-generation 技能生成含中文图表的PDF报告 10. 数据质量检查 常见场景与应对 场景1：临时取数需求 1. 确认业务口径（指标定义、时间范围、维度） 2. 编写SQL查询 3. 导出CSV或直接展示结果 4. 附上数据说明和口径注释 场景2：搭建业务看板 1. 梳理核心指标（北极星指标 + 过程指标） 2. 设计看板布局（概览层 → 分析层 → 明细层） 3. 确定刷新频率（实时/小时/天） 4. 设置异常预警阈值 场景3：异动归因分析 1. 确认异动指标和时间点 2. 拆解维度（地区/渠道/用户分层/产品线） 3. 计算各维度贡献度（贡献度 = 该维度变化量 / 总变化量） 4. 定位核心原因 5. 输出结论与建议 场景4：A/B测试分析 1. 确认实验分组和样本量 2. 计算核心指标（转化率、ARPU等） 3. 假设检验（t检验/Z检验/卡方检验） 4. 效应量评估 5. 结论：是否显著、是否值得全量上线 常用命令速查 注意事项 数据安全：永远不要将数据库密码、API密钥硬编码到脚本中；使用环境变量或配置文件 口径一致性：同一指标在不同场景下口径必须一致，建立指标字典 数据量级：大数据量优先在数据库层聚合（GROUP BY），不要全量拉到Python再处理 可视化原则：一图一事，避免信息过载；折线图看趋势、柱状图看对比、饼图看占比（不超过5类） 统计陷阱：注意辛普森悖论、幸存者偏差、对比基数差异 结果验证：关键数据交叉验证（SQL取数结果与BI工具核对） 可复现性：所有分析脚本化，避免手动操作 交付物模板 分析报告结构 1. 背景与目的 — 为什么要做这个分析 2. 数据说明 — 数据来源、时间范围、口径定义 3. 核心发现 — 3-5个关键结论，用数据说话 4. 详细分析 — 分维度拆解、图表支撑 5. 结论与建议 — 可落地的行动建议 6. 附录 — SQL脚本、数据字典 看板设计原则 第一屏：北极星指标 + 核心KPI概览（6-8个关键数字） 第二屏：趋势分析（日/周/月趋势图） 第三屏：维度下钻（地区/渠道/产品线） 第四屏：明细数据表（可搜索、可导出） 注意事项 数据安全：永远不要将数据库密码、API密钥硬编码到脚本中；使用环境变量或配置文件 口径一致性：同一指标在不同场景下口径必须一致，建立指标字典文档 数据量级：大数据量优先在数据库层聚合（GROUP BY），不要全量拉到Python再处理 可视化原则：一图一事，避免信息过载；折线图看趋势、柱状图看对比、饼图看占比（不超过5类） 统计陷阱：注意辛普森悖论、幸存者偏差、对比基数差异 结果验证：关键数据交叉验证（SQL取数结果与BI工具核对） 可复现性：所有分析脚本化，避免手动操作 性能优化：SQL查询加索引、避免SELECT 、合理使用分区表
How to use it
Reference it in AdaL, Claude Code, Cursor or any coding agent — nothing to install:
@skills aiskillstore/bi-analyst