メニュー
Use when exploring a dataset before formal analysis, modeling, reporting, or dashboarding. Profiles fields, missing values, distributions, outliers, relationships, data quality risks, and next analysis directions.
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。
SOC 職業分類に基づく
Use when writing a concise daily report, daily worklog, standup update, shift handoff, or end-of-day summary for data analysis, data development, BI, governance, or operations work.
Use when writing or improving data documentation for warehouse tables, metrics, dashboards, SQL jobs, data products, or handover materials so other people and agents can understand data purpose, grain, fields, logic, ownership, and usage constraints.
Use when analyzing upstream and downstream impact for table changes, metric changes, field deprecation, pipeline migration, dashboard breakage, data governance review, or data asset dependency communication.
Use when planning integration with databases, BI tools, data platforms, APIs, workflow systems, storage services, or third-party tools, including connection requirements, API availability, auth strategy, configuration questions, and validation steps.
Use when planning or writing market research for a specific industry, product category, competitor set, business opportunity, user segment, or go-to-market question with structured evidence and clear assumptions.
Use when diagnosing business metric changes or anomalies such as GMV decline, conversion drop, retention loss, churn increase, revenue change, lead decline, or active user fluctuation with a structured root cause analysis plan.
| name | exploratory-data-analysis |
| description | Use when exploring a dataset before formal analysis, modeling, reporting, or dashboarding. Profiles fields, missing values, distributions, outliers, relationships, data quality risks, and next analysis directions. |
对一份数据集做探索性分析，先弄清楚“数据到底长什么样”，再决定后续如何分析、建模、做报表或写结论。
这个 Skill 不负责直接写完整业务报告，也不负责复杂建模。它负责在分析前把数据结构、质量问题、变量分布、异常值和初步关系讲清楚。
使用这个 Skill，当用户需要：
典型输入：
请帮我对这份订单数据做 EDA，看哪些字段有质量问题，哪些方向值得继续分析。
不要用这个 Skill 直接完成：
funnel-analysisretention-cohort-analysisab-test-analysisdata-analysis-report-writersql-reviewer如果用户只提供业务问题，没有任何数据字段或样例，先列出需要的数据，而不是假装已经完成 EDA。
最少输入：
可选输入：
推荐使用 数据分析上下文模板。
最有价值的上下文是：字段列表、数据粒度、时间字段、对象 ID、分析目标和已知异常。缺少真实数据样例时，只能设计 EDA 检查清单，不能声称已经发现具体分布或异常。
## EDA 结果
### 1. 数据概览
| 项目 | 结果 |
| --- | --- |
| 数据对象 | |
| 数据粒度 | |
| 行数 | |
| 字段数 | |
| 时间范围 | |
| 主键/唯一键候选 | |
### 2. 字段画像
| 字段 | 类型 | 含义推测 | 缺失率 | 主要问题 |
| --- | --- | --- | --- | --- |
### 3. 数据质量问题
| 风险等级 | 问题 | 影响 | 建议 |
| --- | --- | --- | --- |
### 4. 分布与异常
### 5. 初步关系与模式
### 6. 可继续分析的方向
### 7. 待确认问题
输出必须：
请用 exploratory-data-analysis 分析下面这张用户行为表：
粒度：一行一条用户事件
字段：user_id, event_time, event_name, page, channel, device, session_id
目标：判断是否能用于用户转化路径分析