前言¶
数据工作常见的三个断点：数据拿不到、表太乱、被问到数答不上来。传统做法是先找脚本抓数，再写 pandas 清洗，再开 Excel 或 Tableau 画图，最后拼一份汇报。每个环节的代码和配置散落在各处，换一个需求就要重来一遍。
下面介绍的 SkillHub 技能「数据分析全能师」（@user_ff29c4df/data-king）把这条路上的常见步骤收进一个 SKILL.md。它面向的是单人或小团队的一次性分析任务，不负责搭数据仓库，也不做建模算法开发。
这是什么¶
「数据分析全能师」是一个社区来源的 Skill，发布者 user_ff29c4df，当前版本 2.4.0，分类 data-analysis。它在 SkillHub 上的评分为 100000，下载 6112 次。
定位一句话：给一份数据或一个问题，产出一份完整的分析闭环。官方简介里给出的用户场景是「这份数据帮我看看有什么问题、能得出什么结论」和「领导问我要一个数，我该怎么答」。
和直接让模型跑代码的差别在于：这个 Skill 把采集、清洗、分析、可视化、报表、监测、决策八个模块的执行顺序和交付物固定下来，减少来回追问。
核心功能¶
按官方简介，八个模块覆盖以下环节：
- 采集：从文件、接口或数据库取数。
- 清洗：处理缺失值、重复行、类型不一致、异常值。
- 分析：做统计汇总、分组比较、趋势和相关性的初步判断。
- 可视化：输出图表，与清洗后的数据表一并交付。
- 报表：提供日报和周报模板。
- 监测：跟踪关键指标的变化。
- 决策：把分析结果转成建议，而不是停在数字上。
- 闭环：最终交付形态是「数据 → 洞察 → 建议」。
交付物具体是三类：清洗后的数据表、可视化图表、日报周报模板。
Skill 明确写了两条红线：禁止编造数据；爬虫要守合规。另外它提醒相关性不等于因果，不要在结论里混淆。
安装与启用¶
SkillHub 页面给出的标签是 pricing_type=alipay、requires_api_key=false，也就是说不需要为这个 Skill 单独配置 API Key。
具体安装方式取决于你使用的客户端：
- Cursor：把 SKILL.md 放到项目的 .cursor/skills 目录，或通过 SkillHub 页面安装。
- Codex CLI 和 Claude Code 的支持情况以各自客户端当前版本的文档为准。
本文未能从官方页面核实到逐条安装命令和目录结构，建议直接打开下面的官方地址按页面指引操作。
典型用法¶
官方简介里给了两个触发方向，可以直接照抄成任务描述：
- 直接给数据：「这份数据帮我看看有什么问题、能得出什么结论」。适合手上有一份 CSV 或 Excel，想先做体检再决定怎么清洗。
- 给业务问题：「领导问我要一个数，我该怎么答」。适合没有原始数据、需要从已有报表或指标体系里倒推口径。
Skill 还列了一组增补触发词，命中后可以省去解释：生成 HTML 报告、交互式数据报告、数据质量检查、数据清洗前体检、KPI 看板、预测、AB 测试、A/B 测试、指标体系、经营分析、数据质量。
执行顺序上，先做数据质量检查，再决定清洗策略，再分析可视化，最后套模板出报表。这样前一步的产出直接喂给下一步，不用反复读同一份原始文件。
适用场景与注意¶
适合：单次、中小规模的数据分析需求；需要把结论和建议一起交付的场景；不想自己拼脚本链路的人。
不适合：数据仓库搭建和建模算法开发，这两类工作它明确不覆盖；数据量到了需要分布式处理时，Skill 里的步骤仍需配合工程化改造。
几个坑：
- 爬虫要合规。涉及目标站点 robots、频率和数据使用边界时，先确认再抓。
- 相关性不等于因果。Skill 要求结论里区分这两者，阅读产出时也要留意。
- 禁止编造数据。如果原始数据缺失，Skill 应该说明缺了什么、无法得出什么，而不是补数。
- 客户端版本差异。Cursor、Codex CLI、Claude Code 对 SKILL.md 的支持细节不同，装不上时优先查客户端文档。
结尾¶
这个 Skill 的价值在于把「数据 → 洞察 → 建议」这条路固化下来，让一次对话能从原始表走到报表和建议。如果你手上有积压的待分析数据，可以先拿它做一次数据质量检查，再决定是否继续深入。
官方地址：https://www.skillhub.cn/skills/user_ff29c4df/data-king
