前言¶

做数据分析的人常遇到两种情况：一是需求方抛来一句”帮我看下最近数据怎么样”，没有指标定义、没有口径约定，取完数才发现答的不是同一个问题；二是分析过程散在临时脚本里，下次换个业务方又从头写一遍取数和清洗。这类工作重复度高，但每个环节的注意事项又很琐碎——描述统计该算哪些、异常值用什么判据、同期群怎么对齐。

下面介绍一个把这套流程固化下来的 Skill：数据分析实战。

这是什么¶

数据分析实战（坐标 @kunlungrowth/kunlun-shujufenxi，版本 1.2.0）是一个面向通用 SKILL.md 格式的数据分析 Skill，由企业来源的开发者「昆仑增长」发布和维护，分类为 data-analysis。它把一次完整的数据分析拆成五个阶段：问题定义 → 取数清洗 → 探索（EDA）→ 洞察 → 行动。

它解决的问题是：让分析有固定的推进顺序和检查项，而不是每次都临时决定先算什么、用什么阈值。

核心功能¶

根据官方简介，这个 Skill 在五个阶段里覆盖了以下能力：

• 问题定义：先明确要回答什么问题、口径是什么，再动手取数。
• 取数与清洗：拿到原始数据后的整理环节。
• 探索性分析（EDA）：描述统计、Pearson 相关系数。
• 异常值检测：使用 IQR（四分位距）判据。
• 同期群分析：按 cohort 分组对齐比较。
• 可视化选型：给出图表类型的选择建议。
• 工具与阈值：附带常用的分析工具和判断阈值，作为执行时的具体参照。

五个阶段是串联关系：先把问题定义清楚，再取数清洗，接着做 EDA，然后从中发现洞察，最后落到行动。Skill 的用途是保证每一环都有章可循。

安装与启用¶

官方页面当前无法访问，因此这里不给安装命令——资料中未核实到具体的安装路径、命令或配置字段，就不写猜测内容。

从已有资料可以确认两点：一是该 Skill 基于通用 SKILL.md 格式，按 SKILL.md 的约定方式放入 Skill 目录即可被支持该格式的客户端识别；二是标签 requires_api_key=false，说明使用时不需要配置 API Key。

Cursor、Codex CLI、Claude Code 三者的具体启用方式差异，在本次抓取的资料中没有出现，这里不做说明。

典型用法¶

由于官方页面抓取失败，本节只写资料中已出现的流程框架，不补充未经核实的示例代码。

按 Skill 自己的五步结构，一次分析的推进顺序是：

1、问题定义：明确本次分析要回答的问题和数据口径。
2、取数清洗：获取数据并做整理。
3、探索（EDA）：跑描述统计、算 Pearson 相关系数、用 IQR 找异常值。
4、洞察：结合同期群分组等结果，归纳出可陈述的结论。
5、行动：把结论转成可执行的下一步。

Skill 的价值在于第 3 步和第 4 步有现成的判据和选型建议，不用每次现想 IQR 的系数取多少、相关系数到多少算有意义。

适用场景与注意¶

适合的场景：需求方表述模糊、需要临时做一轮数据分析的个人开发者或团队；想给分析流程加固定检查项、减少重复脚本工作的场景。

需要注意的：

• Skill 覆盖的是通用分析流程，具体业务口径（比如”活跃用户”怎么定义）仍需使用者自己确定，Skill 提供的是框架不是答案。
• IQR、Pearson 相关等方法各有适用前提，遇到不满足假设的数据需要自行调整方法，Skill 给出的阈值是参照而非强制标准。
• 目前官方页面的 SkillHub 评分为 100000，下载 5227，安装 0（数据来源于 SkillHub 页面，截至抓取时）。安装量为 0 说明实际使用者很少，参考案例有限。

结语¶

数据分析实战的价值在于把”取数—清洗—探索—洞察—行动”这条链路固定下来，并把描述统计、Pearson 相关、IQR 异常值、同期群和可视化选型这些常用手段连同阈值一起备好。对于经常要做临时分析、又不想每次重写流程的人，它值得放进 Skill 目录试跑一轮。

官方地址：https://api.skillhub.cn/kunlungrowth/kunlun-shujufenxi