菜单
Before execute_e2b_code for attribution, drill-down, or statistical tests, read this SKILL.md then drilldown.md and/or statistical/SKILL.md plus needed references. Does not fetch data.
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/infometa/workbuddyskills --skill databrain-analysis命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
快速生成公司一页纸概览（Tearsheet），涵盖业务描述、关键财务、估值、股东结构和近期催化。 触发词：公司速览、tearsheet、公司概况、一页纸、公司简介、company overview、快速了解、公司画像
构建DCF现金流折现模型和三表财务模型（利润表、资产负债表、现金流量表联动）。 触发词：DCF、现金流折现、财务建模、三表模型、估值模型、WACC、自由现金流、financial model、valuation model
盈利分析技能，支持两种模式： - Preview 模式：业绩发布前的前瞻分析、情景假设、关键观测指标 - Analysis 模式：业绩发布后的深度解读、Beat/Miss 分析、估计修正 触发词：earnings analysis、earnings preview、业绩分析、业绩前瞻、财报分析、季报解读、pre-earnings、post-earnings、Q1/Q2/Q3/Q4 results
基于 SOC 职业分类
正在显示 SKILL.md
| name | databrain-analysis |
| display_name_en | DataBrain Sandbox Analysis |
| display_name_zh | DataBrain 沙箱分析 |
| description | Before execute_e2b_code for attribution, drill-down, or statistical tests, read this SKILL.md then drilldown.md and/or statistical/SKILL.md plus needed references. Does not fetch data. |
| when_to_use | User asks for drivers/归因/下钻/contribution, formal tests (t-test, ANOVA, regression), or sandbox Python analysis on data already fetched. Not for final Markdown layout (use databrain-summarize). |
在 E2B sandbox 里做归因下钻或统计推断。不拉数；先经 databrain-dashboard-service / databrain-intelligence / opinion skills 取数，再分析。
用 read_file 读引用文件，再 open_e2b_code_sandbox / upload_to_e2b_code_sandbox / execute_e2b_code。凭记忆写分析代码不算完成。
| 任务类型 | 何时 | 必读 |
|---|---|---|
| 归因 / 下钻 / 驱动因素 | 贡献度、谁导致变化、多维拆解 | 本文件 + drilldown.md |
| 统计检验 / 建模 | A/B、显著性、回归、时序 | 本文件 + statistical/SKILL.md + 按需 statistical/references/<name>.md |
| 两者都要 | 先归因定位再对子集做检验 | 先 drilldown，再 statistical |
未完成闸门：未读对应 md 已 execute_e2b_code 长段分析脚本。
run_skill_script 写入 /outputs/... 或工具说明中的路径）→ upload_to_e2b_code_sandbox(local_path=...) → sandbox 内 pd.read_csv(...)。data_id：若工具结果含 data_id 且附完整 CSV 路径，上传该文件；勿编造文件名。/large_tool_results/ spill：当工具返回 Tool result too large 且路径为 /large_tool_results/toolu_xxx 时，先按 soul.md §7 尝试 收窄重查；若分析任务需要保留宽表/全量行且收窄会丢维度，则 upload_to_e2b_code_sandbox(local_path=/large_tool_results/...)（或 execute_e2b_code 引用该路径并由宿主自动 staging）后在 sandbox 内解析。不要用 read_file 整文件塞进上下文；不要在无 databrain-analysis 闸门时为简单问答默认走 sandbox。pandas scipy statsmodels，先 execute_e2b_code language=bash：pip install pandas scipy statsmodels（勿用 !pip）。execute_e2b_code：短脚本 — 安装依赖 → 读表 → print() 表与结论；禁止 plt.savefig / 出图（图表由 databrain-chart-render 的 scripts/build_chart.py：<dbd> / echarts_option）。ATTRIBUTION_TABLE 风格列须 print；终稿由 databrain-summarize 合成（含 report.md 若 §0.2）。close_e2b_code_sandbox（可选）。soul.md）。| 文件 | 内容 |
|---|---|
drilldown.md | cumulative_joint、30% 规则、directional/L1、归因结论 |
statistical/SKILL.md | 选型表、workflow |
statistical/references/ | data_cleaning, stat-t-test, experimental_design, … |
../databrain-summarize/report.md | 终稿如何呈现检验/归因（summarize 阶段） |
无 run_skill_script（分析逻辑在 sandbox 内手写 Python，可参考 references 中的代码模式）。