data-analysis

数据分析

何时使用此技能

• 用户拥有数据集、导出文件、报告摘录、查询结果或经过整理的事件／遥测表，并希望获得有证据支持的结论。
• 任务是了解发生了哪些变化、比较不同群体、总结表现，或用业务语言解释异常。
• 请求中提到 CSV、JSON、SQL 表、留存、群组、漏斗、转化、支出、遥测、事件导出或 KPI。
• 工作需要在得出结论前检查数据质量。
• 用户需要的是简洁的分析说明，而不只是原始代码片段。

以下情况不要将此技能作为主要工作流：

• 主要目标是在代码／数据资产中反复扫描异常或代码模式 → 使用 pattern-detection。
• 主要目标是构建或调整特定的 BI 仪表板／Looker Studio + BigQuery 工作流 → 使用 looker-studio-bigquery。
• 任务是浏览代码仓库或追踪调用位置，而不是分析数据集 → 使用 codebase-search。
• 问题是原始日志排查／事件重建，而不是数据集分析 → 使用 log-analysis。

核心理念

数据分析是一套分阶段的推理工作流：

1. 明确决策问题
2. 评估数据概况和可信度
3. 选择能够回答问题且成本最低的分析方式
4. 区分观察结果与解读
5. 最后给出证据、注意事项和后续行动

不要直接着手绘图或编写代码。目标是提供能支持决策的分析。

说明

步骤 1：明确分析问题

处理数据前，先定义：

• 需要支持的决策 — 哪项行动或判断取决于这项分析？
• 主要指标 — 转化率、留存率、收入、延迟、流失率、余额、支出效率等
• 维度／分群 — 时间、渠道、群组、地区、套餐、设备、功能标记、玩家分群
• 比较方式 — 前后对比、对照组／处理组、表现最佳与最差的群组、预期与实际
• 时间范围 — 天／周／月／版本发布／实验周期

如果请求不够明确，请将其改述为：

“我们需要解释 [受众] 在 [时间范围] 内的 [指标／结果]，并找出影响最大的因素或注意事项。”

步骤 2：分析前检查可信度

始终先进行数据质量初步检查。

最低限度的可信度检查清单

• 行数／导出数据量
• 架构和类型
• 缺失值／空值较多的列
• 重复项或重复 ID
• 时间范围覆盖情况和时区假设
• 分群完整性（渠道、国家／地区、设备、构建版本、玩家群组）
• 明显的联接／聚合错误
• 离群值或不可能的值

默认检查模式：

import pandas as pd

# df = pd.read_csv(...)
print(df.shape)
print(df.dtypes)
print(df.head())
print(df.isna().sum().sort_values(ascending=False).head(15))
print(df.duplicated().sum())

如果可信度较低，请停止承诺得出结论，并明确将输出调整为：

• 哪些内容可信
• 哪些内容存疑
• 还需要哪些额外的数据清理或数据

步骤 3：选择分析方式

方式	适用情况	常用工具	成功标准
电子表格规模的初步检查	小型数据导出文件、PM／运营交接、快速检查 KPI 是否合理	Sheets / Excel / 快速查看表格	快速了解整体情况，发现明显错误和主要变化
SQL 切片分析	数据已存储在数据库／数据仓库中，或需要快速按组筛选	SQL / DuckDB / 数据仓库查询	获得整洁的聚合结果、群组、漏斗和对比
Notebook／统计分析	涉及多项指标、群组逻辑、实验推理、遥测或更复杂的转换	pandas / notebooks / 脚本	计算可复现，解读更深入
面向利益相关者的摘要	答案基本明确，需要解释，而非继续切分数据	markdown 备忘录／报告／仪表板交接	清晰呈现发现、注意事项、行动和待解决的问题

选择能够回答问题且成本最低的方式。仅在必要时升级分析方式。

步骤 4：采用合适的分析模式

模式 A — 变化说明

适用场景：实验、发布效果、KPI 大幅上升或下降、支出变化、玩法平衡调整。

检查清单：

1. 定义基线和比较时间窗口
2. 如果这是实验或发布对比，确认分母／分配完整性
3. 计算绝对变化量和相对变化量
4. 按主要细分群体或驱动因素拆解变化
5. 检验变化是普遍存在还是集中在部分群体
6. 指出混杂因素（季节性、发布、追踪变更、样本量、显著性／置信度限制）

模式 B — 细分群体对比

适用场景：渠道质量、用户层级、设备类别、地区、玩家群组。

检查清单：

1. 按主要指标排列各细分群体
2. 包含样本量／分母
3. 同时比较比率和规模
4. 留意类似辛普森悖论的聚合陷阱
5. 说明表现最好与最差的群体可能有哪些差异

模式 C — 漏斗／留存分析

适用场景：注册、购买、引导流程、功能采用、在线运营进度。

检查清单：

1. 明确界定每个阶段／事件
2. 计算各阶段的数量和转化／流失率
3. 按获客来源、群组、平台、版本或玩家类型细分
4. 找出影响最大的流失节点
5. 区分埋点缺失与真实行为问题

模式 D — 遥测／事件分析

适用场景：游戏遥测、产品事件流、运营数据导出。

检查清单：

1. 将原始事件映射为衍生指标
2. 按会话／版本／功能／细分群体／时间分组
3. 找出峰值、低谷和可疑群集
4. 区分正常波动与可疑异常值
5. 如果任务转为以检测为先，将持续的异常排查工作转交给 pattern-detection

第 5 步：将观察结果与解读分开

分三个层次组织发现：

1. 观察结果 — 数据直接显示的内容
2. 解读 — 可能的含义或驱动因素
3. 注意事项／置信度 — 可能削弱结论的因素

良好示例：

• 观察结果：转化率周环比下降 6.2%，降幅集中在移动端 Safari 流量。
• 解读：下降可能与近期针对小屏幕的结账界面调整有关。
• 注意事项：当周还修改了某种支付方式的追踪，因此归因置信度为中等。

第 6 步：返回可用于决策的输出

默认输出格式：

## Analysis brief
- Goal: [decision question]
- Data source: [files / tables / export scope]
- Trust level: high | medium | low
- Lane used: spreadsheet triage | SQL slicing | notebook/statistical | summary-only

## Key findings
1. [finding]
2. [finding]
3. [finding]

## Supporting evidence
- [metric / segment / comparison]
- [metric / segment / comparison]

## Caveats
- [missing data / sample bias / instrumentation / seasonality]

## Recommended next actions
- [decision / follow-up slice / dashboard handoff / instrumentation fix]

如果用户要求提供建议，将每条建议与具体发现对应起来。 如果用户只要求分析，则止于证据和注意事项。

第 7 步：当分析不再是瓶颈时，转交给其他工具

如果下一步属于不同工作，则进行转交：

• 重复排查异常或基于规则的扫描 → pattern-detection
• 构建仪表板／连接 BigQuery 的报告 → looker-studio-bigquery
• 塑造数据集之前的原始日志分类 → log-analysis
• 调查代码库／代码以查找埋点或指标定义 → codebase-search

示例

示例 1：实验分析

提示词：

分析这份 CSV 导出数据，告诉我定价实验后发生了哪些变化。

良好的回复格式：

• 定义基线与实验时间窗口
• 检查数据覆盖范围和细分群体完整性
• 报告总体变化量以及细分群体拆解结果
• 找出最可能的主要驱动因素和注意事项

示例 2：营销与产品分析

提示词：

我们有应用事件日志和按渠道划分的营销支出；请找出主要的留存和 CAC 模式。

良好的回复格式：

• 将获客指标与留存指标分开
• 按渠道／群组比较比率和规模
• 如果关联或归因时间窗口不明确，说明可信度限制
• 总结影响较大的渠道差异

示例 3：游戏遥测分析

提示词：

审查这段游戏遥测数据，并总结平衡性问题和可疑异常值。

良好回复形式：

• 将事件映射到游戏指标
• 比较玩家、构建、武器和关卡分段
• 区分整体平衡模式与可疑异常值
• 如有需要，将重复性异常检测转交给 pattern-detection

示例 4：PM / 运维导出数据分诊

提示词：

我将仪表板导出为 CSV 了；请帮我向管理层解释 KPI 下滑的原因。

良好回复形式：

• 先检查导出数据的可信度
• 确定指标、时间范围和比较基准
• 编写一份简洁、适合管理层阅读的备忘录，并提供证据和注意事项

最佳实践

1. 从决策问题入手，而不是从图表类型入手。
2. 在解读前先检查数据质量。
3. 比较分段时，务必说明样本量 / 分母背景。
4. 优先选择满足需求的最轻量方案，而不是默认使用大型 Notebook。
5. 将观察结果、解读和注意事项分开，确保分析客观可信。
6. 如果仪表板构建和异常检测成为实际任务，将其转交给相邻的专用技能。

参考资料

• Project Jupyter
• Pandas 入门教程
• DuckDB Jupyter 指南
• GA4 报告分享与导出

输出格式

采用简短、结论优先的摘要，说明可信度、关键证据、注意事项，以及明确的后续行动或交接事项。