メニュー
Perform data cleaning, statistical analysis, visualization, and extract data insights. Invoke when users need to process datasets, run statistical analyses, create charts and visualizations, or generate professional data conclusions.
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
Create high-quality copywriting, reports, viral content, and scripts. Invoke when users need professional writing services including marketing copy, business reports, advertising slogans, social media content, or any form of written content creation.
Perform file operations, tool integrations, and MCP configurations. Invoke when users need to read/write files, execute third-party tools, manage file systems, or configure and use Model Context Protocol (MCP) integrations.
为微信、抖音、小红书和微博等平台生成病毒式、高互动的社交媒体爆款文案，提供吸睛标题、情感共鸣、平台适配、话题标签与互动引导。
Solve complex problems, perform logical analysis, plan tasks, and develop strategies. Invoke when users face multi-step challenges, need logical reasoning, require task breakdown, or seek strategic planning and decision-making support.
Perform content validation, error correction, compliance checks, and requirement matching audits. Invoke when users need to review and verify output content, correct errors, ensure compliance, or audit content quality before final delivery.
Conduct comprehensive online research, information gathering, and data collection. Invoke when users need to search for information across the web, gather research materials, validate facts, or collect data from multiple sources.
SOC 職業分類に基づく
| name | data-analysis |
| description | Perform data cleaning, statistical analysis, visualization, and extract data insights. Invoke when users need to process datasets, run statistical analyses, create charts and visualizations, or generate professional data conclusions. |
数据清洗、统计分析、可视化和数据洞察提取技能。用于处理各类数据，完成统计分析，输出专业数据结论和可视化建议。
当用户需要以下服务时，必须使用此技能：
# [数据分析报告]
## 执行摘要
[核心发现和建议的简要概述]
## 数据概况
- 数据来源：[来源说明]
- 样本量：[N = xxx]
- 时间范围：[开始时间 - 结束时间]
- 变量数量：[x 个变量]
## 数据质量评估
### 缺失值情况
[缺失值统计和处理方法]
### 异常值处理
[异常值检测和处理说明]
## 描述性统计
### 数值变量
| 变量 | 均值 | 中位数 | 标准差 | 最小值 | 最大值 |
|------|------|--------|--------|--------|--------|
| xxx | xxx | xxx | xxx | xxx | xxx |
### 分类变量
[频数分布表]
## 关键发现
### 发现 1：[标题]
- 统计结果：[具体数据]
- 统计显著性：[p 值/置信区间]
- 实际意义：[业务解读]
### 发现 2：[标题]
[同上结构]
## 可视化分析
[图表 + 解读]
## 相关/回归分析
[关系分析结果]
## 结论与建议
### 主要结论
1. [结论 1]
2. [结论 2]
### 行动建议
1. [建议 1]
2. [建议 2]
## 分析局限性
[说明分析的局限性和注意事项]
## 附录
### 分析方法
[使用的统计方法说明]
### 数据字典
[变量说明]
# 数据清洗报告
## 原始数据概况
- 原始记录数：xxx
- 原始变量数：xxx
## 清洗步骤
### 1. 缺失值处理
- 缺失模式：[随机/系统性]
- 处理方法：[删除/填充/插值]
- 影响记录数：xxx
### 2. 异常值处理
- 检测方法：[IQR/Z-score/其他]
- 异常值数量：xxx
- 处理方式：[删除/修正/保留]
### 3. 格式标准化
[标准化操作说明]
### 4. 去重处理
- 重复记录数：xxx
- 处理方式：[保留首次/末次]
## 清洗后数据
- 最终记录数：xxx
- 最终变量数：xxx
- 数据质量评分：[高/中/低]
## 清洗脚本
[可复用的清洗代码]
用户输入：帮我分析一下这个季度的销售数据，看看有什么趋势和洞察
分析流程：
用户输入：我们做了一个 A/B 测试，帮我分析哪个版本更好
分析流程：
用户输入：分析客户数据，找出高价值客户特征
分析流程：