analyze

/analyze - 回答数据问题

如果您看到不熟悉的占位符，或需要检查已连接的工具，请参阅 CONNECTORS.md。

回答数据问题，从快速查询到完整分析再到正式报告。

用法

/analyze <natural language question>

工作流程

1. 理解问题

解析用户的问题，并确定：

• 复杂度级别：
  • 快速回答：单一指标、简单筛选、事实查询（例如"上周有多少用户注册？"）
  • 完整分析：多维度探索、趋势分析、对比分析（例如"是什么导致转化率下降？"）
  • 正式报告：包含方法论、注意事项和建议的综合调查（例如"为我们的订阅指标准备季度业务回顾"）
• 数据需求：需要哪些表、指标、维度和时间范围
• 输出格式：数字、表格、图表、叙述性文字或组合形式

2. 收集数据

如果已连接数据仓库 MCP 服务：

1. 探索数据库结构，找到相关的表和列
2. 编写 SQL 查询以提取所需数据
3. 执行查询并获取结果
4. 如果查询失败，调试并重试（检查列名、表引用、特定方言的语法）
5. 如果结果看起来异常，在继续之前运行合理性检查

如果未连接数据仓库：

1. 请用户通过以下方式之一提供数据：
   • 直接粘贴查询结果
   • 上传 CSV 或 Excel 文件
   • 描述数据库结构，以便编写查询供其执行
2. 如需编写供手动执行的查询，请使用 sql-queries 技能获取特定方言的最佳实践
3. 数据提供后，继续进行分析

3. 分析

• 计算相关指标、聚合值和对比结果
• 识别模式、趋势、离群值和异常
• 跨维度对比（时间段、细分群体、类别）
• 对于复杂分析，将问题拆解为子问题并逐一解答

4. 呈现前验证

在分享结果之前，进行以下验证检查：

• 行数合理性：记录数量是否合理？
• 空值检查：是否存在可能扭曲结果的异常空值？
• 量级检查：数值是否处于合理范围内？
• 趋势连续性：时间序列是否存在异常缺口？
• 聚合逻辑：小计加总是否正确等于总计？

如果任何检查引起疑虑，请进行调查并注明注意事项。

5. 呈现发现

快速回答：

• 直接给出答案并附上相关背景
• 附上所用查询（折叠显示或放在代码块中），以便复现

完整分析：

• 首先给出关键发现或洞察
• 辅以数据表格和/或可视化图表
• 说明方法论及任何注意事项
• 提出后续问题建议

正式报告：

• 包含关键结论的执行摘要
• 说明思路和数据来源的方法论部分
• 附有支撑证据的详细发现
• 注意事项、局限性和数据质量说明
• 建议及后续步骤

6. 在有帮助时可视化

当图表比表格更能有效传达结果时：

• 使用 data-visualization 技能选择合适的图表类型
• 生成 Python 可视化图表，或将其构建到 HTML 仪表板中
• 遵循可视化最佳实践，确保清晰和准确

示例

快速回答：

/analyze How many new users signed up in December?

完整分析：

/analyze What's causing the increase in support ticket volume over the past 3 months? Break down by category and priority.

正式报告：

/analyze Prepare a data quality assessment of our customer table -- completeness, consistency, and any issues we should address.

提示

• 尽可能明确时间范围、细分群体或指标
• 如果您知道表名，可以提及，以加快处理速度
• 对于复杂问题，Claude 可能会将其拆分为多个查询
• 结果在呈现前始终会经过验证——如果有异常，Claude 会进行标记