| name | ai-pm-data |
| description | 数据分析技能。提供数据指标设计、数据洞察分析、仪表盘生成三大能力。从数据中发现产品需求和优化机会。 当用户说「分析数据」「上传Excel」「数据洞察」「数据可视化」「做仪表盘」「数据看板」 「指标设计」「埋点方案」「从数据里找需求」「数据报表」时,立即使用此技能。 |
| argument-hint | [数据文件路径 | 命令: insight/metrics/dashboard] |
| allowed-tools | Read Write Edit Bash(mkdir) Bash(ls) Bash(python3) |
ai-pm-data — 数据分析技能
命令路由
根据 $ARGUMENTS 路由:
| 输入 | 执行 |
|---|
metrics | 数据指标设计 |
insight {文件路径} | 数据洞察分析 |
dashboard | 项目仪表盘 |
| 直接传入文件路径 | 自动执行 insight |
| 无参数 | 显示帮助 |
1. metrics — 数据指标设计
基于 PRD 设计指标体系、埋点方案。
用法:
/ai-pm data metrics # 读取当前项目 PRD
/ai-pm data metrics abtest # 追加 A/B 测试设计
流程:
读取 05-prd/05-PRD-v1.0.md
↓
提取可量化目标
↓
设计指标体系(北极星 → 一级 → 二级 → 过程指标)
↓
设计埋点方案(事件名、属性、触发时机)
↓
输出 09-analytics-requirement.md
输出: {项目目录}/09-analytics-requirement.md
2. insight — 数据洞察分析
上传数据文件(Excel/CSV),通过 EDA 发现业务洞察。
用法:
/ai-pm data insight ./data.xlsx
/ai-pm data insight ./data.csv --focus=conversion
分析步骤:
- 数据探索 — 加载文件,检查结构、字段、缺失值
- 关键指标 — 描述统计、分布特征
- 异常检测 — 识别异常值、数据质量问题
- 趋势分析 — 时间序列、周期性规律
- 产品洞察 — 提炼可操作的产品改进建议
强制规范 — Excel 读取:
import openpyxl
wb = openpyxl.load_workbook(file_path, data_only=True)
执行方式: 用 python3 直接执行分析脚本,脚本写入结果文件后退出。
输出:
{项目目录}/10-data-insight-report.md — 洞察报告(含 Top 3 洞察摘要)
{项目目录}/11-data-driven-requirements.md — 数据驱动需求
{项目目录}/12-data-insight-dashboard/index.html — 可视化仪表盘
3. dashboard — 项目仪表盘
生成当前项目的全景视图 HTML,展示进度和关键指标。
用法:
/ai-pm data dashboard
输出: {项目目录}/12-data-insight-dashboard/index.html
HTML 仪表盘规范
数据仪表盘为展示型产物,默认使用 AI 情境定制:客户端流式生成时自动注入项目自带 ai-pm-frontend-design,并在用户本机存在时追加 impeccable:frontend-design 作为增强。必须读取本地设计内核的 references/dashboard-design.md 和 references/quality-gate.md,先判断仪表盘服务的决策类型,再选择图表、信息层级和视觉表达。若项目已加载公司规范(templates/ui-specs/.active-spec),则优先使用公司规范。
Chart.js 规范:
{
type: 'bar',
data: { ... },
options: {
indexAxis: 'y',
scales: {
x: { ... },
y: { ... }
}
}
}
卡片样式:
.card {
background: white;
border-radius: 12px;
padding: 24px;
box-shadow: 0 2px 8px rgba(0,0,0,0.08);
}
布局: CSS Grid,响应式,最大宽度 1200px,左右 padding 24px。
分析维度参考
- 用户行为:活跃度、留存率、转化漏斗
- 用户分层:RFM 模型、生命周期阶段、价值分层
- 时间模式:日/周/月趋势、时段分布、季节性
- 异常检测:突变点、离群值、数据质量问题
Anti-Pattern
- Excel 文件不用
data_only=True → 读到公式字符串
indexAxis:'y' 放在 scales 里 → 图表渲染错误
- 仪表盘设计方向不明确,沦为通用 AI 审美(蓝白配色 + 圆角卡片)
- 分析结论不落到具体产品建议(只描述数据,不给洞察)