insight-generation

name	insight-generation
description	洞察生成 — 从业务/财务数据中提取洞察，识别模式、异常和机会， 转化为可落地的业务建议。 适用情形：用户要求"生成洞察"、"提炼 insights"、"从数据中找机会"时执行。 核心：数据模式识别 + 置信度评估 + 洞察到建议的转化链路。
argument-hint	[分析主题] [数据范围 YYYY-MM 至 YYYY-MM] [分析类型：收入/成本/运营]
last_reviewed	2026-06
version	1.0.0
risk_level	low

加载上下文

首次使用时： 读取 ../../CLAUDE.md 获取场景级配置（业务背景/历史基准/行业对标数据）。

---

/insight-generation — 洞察生成

Examples

→ 示例：用户说"这个月运营数据出来了，帮我生成几条管理层应该关注的核心洞察"，系统应调用本技能，从多维数据中提炼关键洞察。

→ 示例：用户说"帮我在季度报告里加入几条战略层面的洞察，不只是财务数字"，系统应调用本技能，生成战略级业务洞察。

→ 示例：用户说"新市场进入策略，帮我从财务角度提供几个关键决策支持洞察"，系统应调用本技能，生成决策支持型洞察。

第一步：数据获取与质量评估

数据提取：

□ 数据来源：[BI 系统/ERP/财务系统/CRM]
□ 查询条件：期间 [YYYY-MM 至 YYYY-MM]，维度 [客户/产品/渠道/区域]
□ 记录数：[X] 条
□ 数据字段：[列表]

数据质量检查：

□ 完整度：[X]% — 缺失 [字段/记录] 的原因
□ 一致性（跨系统）：[✅ 一致 / ⚠️ 存在差异]
□ 时效性：数据截止 [YYYY-MM-DD] — [✅ 及时 / ⚠️ 延迟 X 天]
□ 总体质量评估：[✅ 高 / ⚠️ 中 / 🔴 低]

---

第二步：描述性分析

关键指标概览：

| 指标 | 本期值 | 同比 | 环比 | 达成率 |
|------|--------|------|------|--------|
| [指标1] | [X] | [±X]% | [±X]% | [X]% |
| [指标2] | [X] | [±X]% | [±X]% | [X]% |

分布分析：

□ 集中度：
  → Top 3 贡献占比：[X]%（客户/产品/渠道）
  → 是否过度集中：[✅ 否 / ⚠️ 是，集中度 [X]%]

□ 分布形态：
  → [指标] 分布：[正态/偏态/双峰]
  → 区间分布：[X]% 的值落在 [区间]

---

第三步：模式识别

趋势模式：

□ 增长形态：
  → 线性增长：月均增 [X]
  → 季节性波动：Q4 峰值 [X]，Q1 低谷 [X]，波幅 [X]%
  → 阶梯式增长：[日期] 前后台阶 [X]
  → 平台期：[日期] 起增长放缓

□ 主要驱动因素（归因）：
  → 增长 [X]% 中，[因素A] 贡献 [X]%，[因素B] 贡献 [X]%

异常模式：

□ 异常点检测：
  → [日期/客户/产品] 的 [指标] 值为 [X]，偏离趋势 [±X]%（阈值 [X]%）
  → 偏离方向：[高于/低于] 预期
  → 异常类型：[一次性/系统性]

□ 异常根因初步判断：[描述]

相关性分析（如适用）：

□ 指标间相关性：
  → [指标A] 与 [指标B] 相关系数 [X]（强正/强负/弱）
  → [指标C] 滞后 [指标D] [X] 期

---

第四步：洞察提炼

洞察结构化输出：

| # | 洞察描述 | 类型 | 支撑数据 | 置信度 | 业务影响 | 可行动性 |
|---|---------|------|----------|--------|----------|----------|
| 1 | [描述] | [模式/异常/机会] | [X] | [高/中/低] | [高/中/低] | [高/中/低] |
| 2 | [描述] | [模式/异常/机会] | [X] | [高/中/低] | [高/中/低] | [高/中/低] |

洞察类型定义：
  模式（Pattern）：反复出现的规律性现象
  异常（Anomaly）：偏离正常范围的异常点
  机会（Opportunity）：未被充分利用的增长点

Top 3 洞察详细说明：

洞察 1：[标题]
□ 描述：[具体说明]
□ 发现依据：[数据/现象]
□ 成立条件：[在什么前提下成立]
□ 潜在风险：[洞察可能不成立的情况]
□ 置信度：[高/中/低] — 依据 [样本量/一致性/逻辑性]

洞察 2：[标题]
...

洞察 3：[标题]
...

---

第五步：建议转化

洞察 → 建议映射：

| 洞察 | 转化为的行动建议 | 预期效果 | 实施难度 | 优先级 |
|------|----------------|----------|----------|--------|
| [洞察1] | [建议] | [量化效果] | [高/中/低] | [高/中/低] |
| [洞察2] | [建议] | [量化效果] | [高/中/低] | [高/中/低] |

建议可行性评估：

□ 建议 1：[描述]
  → 所需资源：[人力/资金/时间]
  → 实施周期：[X] 周
  → 收益成本比：[X]
  → 主要风险：[描述]
  → 综合可行性：[✅ 可行 / ⚠️ 需进一步评估]

---

第六步：生成洞察报告

═══════════════════════════════════════
洞察生成报告
分析主题：[主题]
数据期间：[YYYY-MM 至 YYYY-MM]
生成时间：[YYYY-MM-DD HH:MM]
═══════════════════════════════════════

【分析概览】
□ 数据质量：[✅ 高 / ⚠️ 中 / 🔴 低]
□ 关键指标：[X] 个
□ 主要发现：[X] 条

【核心洞察】（按影响力排序）

🔵 洞察 1：[标题]
   类型：[模式/异常/机会] | 置信度：[高/中/低] | 影响：[高/中/低]
   描述：[详细说明]
   建议行动：[描述]

🔵 洞察 2：[标题]
   ...

🔵 洞察 3：[标题]
   ...

【次要洞察】
□ [洞察4]：[描述] — 置信度 [中/低]

【建议行动】（按优先级）
1. [优先级最高，建议立即执行]
2. [优先级次之，建议本周执行]
3. [长期改进项]

【待验证假设】
□ [假设1] — 验证方法：[描述]
□ [假设2] — 验证方法：[描述]

═══════════════════════════════════════
置信度：[✅ 高 / ⚠️ 中 / 🔴 低]
洞察总数：[X] 条 | 高影响：[X] 条 | 可行动：[X] 条
═══════════════════════════════════════

---

升级触发条件

• 洞察置信度整体偏低（多为中/低置信度）
• 发现系统性异常（涉及 [X] 个以上的数据点）
• 洞察涉及跨多个业务域的关联影响
• 建议行动涉及跨部门协调或重大资源投入
• 数据质量低（评估为 🔴 低）导致洞察可靠性受限

---

Finance Skills — insight-generation atomic skill