前言¶
在 Cursor、Claude Code 等 Agent 里做数据分析时，常见问题不是「算不出数」，而是步骤散、方法选错：分布偏斜仍用均值汇报，两组对比未区分变量类型，显著性结论缺少效应量与区间支撑。自己每次手写检验流程和解释口径，成本高且容易不一致。
下面介绍 SkillHub 上的 statistical-analysis（页面名称：业务数据统计检验方法）。它把描述统计、离群检测、趋势判断和常见假设检验串成一套可跟随的引导式工作流，适合在对话里直接推进分析，而不是临时查公式拼凑答案。
这是什么¶
statistical-analysis 是面向业务场景的统计分析方法 Skill：按数据分布选择中心趋势与离散度指标，用分位数做分层解读，用移动平均与同比、环比看趋势，并用多种规则做离群值检测，再配合 t 检验、卡方检验与 ANOVA 做假设检验，并给出效应量与置信区间。
- 坐标：
@org-b6kzcl68/statistical-analysis - 版本：1.0.0
- 分类：data-analysis
- 来源：enterprise
- 发布者：重庆途光网络传媒有限责任公司
- SkillHub 页面：https://www.skillhub.cn/skills/org-b6kzcl68/statistical-analysis
- 标签：
requires_api_key=false（无需 API Key）
官方说明中的触发场景包括：分析分布、检测离群值、比较两组、检验变化是否显著、判断某个统计结论是否站得住脚；中文触发词含「统计分析」「描述统计」「显著性检验」「异常检测」「离群值」「分位数解读」「趋势分析」等。
核心功能¶
以下能力均来自 SkillHub 官方简介，按分析链路归纳。
描述统计与分布¶
- 根据分布形态选择 均值 或 中位数 作为中心趋势。
- 用 标准差 与 四分位距（IQR） 描述离散程度。
- 用 分位数 解释用户或业务分层（如头部、腰部占比）。
趋势与异常¶
- 移动平均 配合 同比、环比 识别趋势变化。
- 离群值检测支持三种思路：Z-score、IQR、分位数 规则。
假设检验与结论支撑¶
- t 检验、卡方检验、ANOVA 等常见假设检验。
- 输出 效应量 与 置信区间，便于在「是否显著」之外说明幅度与不确定性。
页面另注明：如需更完整的数据分析工作流套件，可通过其介绍的「AI灵匣」渠道获取完整版；本文仅覆盖该 Skill 在 SkillHub 上公开的能力描述。
安装与启用¶
Skill 基于通用 SKILL.md 格式。安装方式以 SkillHub 官方指引为准。
方式一：让 Agent 按文档安装¶
将下面提示发给当前使用的 AI（Cursor、Claude Code、Codex 等均可按各自 skills 目录落地）：
请根据 https://skillhub.cn/install/skillhub.md，安装 `@org-b6kzcl68/statistical-analysis`。
方式二：SkillHub CLI¶
先确认本机已安装 skillhub（安装脚本与说明见 https://skillhub.cn/install/skillhub.md）。安装技能时 必须 使用 --dir 指向当前 Agent 的 skills 目录，否则默认落在 ./skills/ 可能不会被识别。
command -v skillhub && skillhub --version
skillhub install @org-b6kzcl68/statistical-analysis --dir <你的 Agent skills 目录>
常用 skills 目录示例（摘自 SkillHub 安装文档）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下的.agents/skills/
安装后按你所用客户端的要求重启或刷新 Agent，使新 Skill 被加载。
典型用法¶
官方页面未提供独立代码仓库示例；实际使用以 自然语言任务 + 触发词 为主。下面是可以直接复现的对话方式（表述可与业务数据替换）。
- 看分布该怎么汇报
这份订单金额分布偏斜，帮我做描述统计：该用均值还是中位数？离散度用标准差还是 IQR？用分位数说明用户分层。
- 找离群与趋势
对最近 12 周 DAU 做趋势分析（移动平均、同比环比），并用 Z-score 和 IQR 两种方法标出离群周。
- 组间差异与显著性
A/B 两组转化率是分类变量，请选合适的检验（如卡方），给出显著性、效应量和置信区间，并说明结论是否稳妥。
- 连续指标多组比较
三个渠道的客单价是连续变量，用 ANOVA（必要时说明事后比较思路），并解释效应量大小。
Agent 在加载本 Skill 后，应沿「分布判断 → 指标选择 → 检验方法 → 效应量/区间」的顺序组织回答，而不是只返回一个 p 值。
适用场景与注意¶
适合谁
- 需要在对话里快速完成 业务向 统计分析的同学：运营、产品、数据分析师，或在 Agent 里辅助写分析报告的研发。
- 任务涉及 检验选择、离群检测、分位数解读、趋势判断 时，比裸模型更不容易漏步骤。
使用注意
- 无需 API Key（
requires_api_key=false），但分析质量仍依赖你提供的数据口径、样本量和变量定义；脏数据或口径变更应先在对话里说明。 - 页面定位为 业务场景 方法体系，不等同于替你做数据清洗、取数或可视化流水线；复杂 ETL 仍需你自己的数据栈。
- 统计结论需结合业务上下文；Skill 给出的是方法引导与标准输出结构，不能替代对实验设计、因果推断局限的判断。
- SkillHub 展示的 下载量、安装量 会变动，以页面实时数据为准；当前抓取记录为评分 100000、下载 27 次（安装 0），仅作参考。
结尾¶
statistical-analysis（业务数据统计检验方法）把描述统计、异常与趋势、常见假设检验和效应量/置信区间串成可在 Agent 里执行的引导式流程，适合在 SkillHub 的 data-analysis 分类下作为日常分析助手安装使用。
官方页面：https://www.skillhub.cn/skills/org-b6kzcl68/statistical-analysis
API 入口（Skill 线索）：https://api.skillhub.cn/org-02qudk26/statistical-analysis
