| name | data-analysis-report-writer |
| description | Use when turning analysis results, metrics, SQL outputs, dashboards, or investigation notes into a structured data analysis report with executive summary, evidence, insight, recommendations, caveats, and next steps. |
Data Analysis Report Writer
目标
把分析过程和数据结果整理成一份能被业务方、管理者或项目团队读懂的分析报告。
这个 Skill 的重点不是“把数据写漂亮”，而是把问题、证据、洞察、建议和风险组织成可决策的文本。
使用场景
使用这个 Skill，当用户需要写：
- 业务数据分析报告
- 转化下降原因分析
- 活动复盘报告
- 用户行为分析报告
- 销售或经营分析报告
- 看板解读说明
- 专题分析结论
- 数据异常排查报告
典型输入：
我已经算完数据了，请帮我写成一份业务能看的分析报告。
不适用场景
不要用这个 Skill 直接完成：
- 数据集初步探索，请使用
exploratory-data-analysis
- 漏斗专项分析，请使用
funnel-analysis
- 留存专项分析，请使用
retention-cohort-analysis
- A/B 实验专项分析，请使用
ab-test-analysis
- 周报、月报，请使用
weekly-monthly-report-writer
- PPT 大纲，请使用
data-presentation-architect
如果用户只给结论不给数据，必须标记“证据不足”，不要替用户编数据。
输入信息
最少输入：
可选输入：
- 目标读者
- 业务背景
- 时间范围
- 数据来源
- 指标口径
- 对比基线
- 图表或表格
- 分析方法
- 希望推动的决策
上下文建议
推荐使用 报告写作上下文模板。
最有价值的上下文是：目标读者、分析主题、关键发现、数据证据、口径限制和希望推动的决策。缺少数据证据时，只能生成报告框架，不能编造结论。
写作框架
- 定义问题：这份报告要回答什么业务问题。
- 写执行摘要：先给最重要的结论和建议。
- 交代背景和数据范围：让读者知道结论适用边界。
- 组织核心发现：每个发现包含数据证据、解释和影响。
- 区分事实和判断：数字是事实，原因是推断，建议是行动。
- 给出建议：按收益、成本、风险或优先级排序。
- 写限制条件：样本、口径、归因、数据质量和未验证假设。
- 给出下一步：补数、实验、看板、产品优化、运营动作等。
输出格式
# [分析主题]
## 1. 执行摘要
## 2. 背景与问题
## 3. 数据范围与口径
| 项目 | 内容 |
| --- | --- |
| 时间范围 | |
| 数据来源 | |
| 核心指标 | |
| 对比基线 | |
| 主要限制 | |
## 4. 核心发现
### 发现一：[一句话结论]
- 数据证据：
- 解释判断：
- 业务影响：
## 5. 原因假设
## 6. 建议动作
| 优先级 | 建议 | 预期收益 | 成本/风险 | 负责人 |
| --- | --- | --- | --- | --- |
## 7. 风险与限制
## 8. 下一步
质量标准
输出必须：
- 先写结论，再写过程
- 每个核心发现必须有数据证据
- 不把相关关系写成确定因果
- 不堆指标，必须解释“为什么重要”
- 建议要能行动，不能只写“持续关注”
示例 Prompt
请用 data-analysis-report-writer 写一份转化下降分析报告：
主题：5 月新用户首购转化率下降
读者：业务负责人和产品经理
已知数据：
- 总转化率从 8.2% 降到 6.9%
- 下降主要集中在移动端
- 渠道 A 新用户占比提升，但渠道 A 转化率低于平均
- 支付页加载时间从 1.8s 上升到 3.4s
