跳到主要内容

数据分析

真实工作流​

这个场景通常发生在“已有数据，但还没有解释”的时候。用户不是要一个泛泛的分析，而是要回答一个具体业务问题。

维度真实情况
触发点周会、经营会、异常指标复盘、老板临时追问某个业务波动
现有材料CSV/Excel 数据、指标口径、目标值、历史对比周期、业务背景说明
卡点数据清洗、指标口径、图表选择和异常归因都挤在一起，时间很紧
DesireCore 介入数据分析师先做数据概览和口径确认，再按问题生成图表、对比和初步解释
验收结果用户拿到能支撑讨论的指标表、图表和结论假设，再决定哪些进入汇报

推荐智能体​

数据分析师 -- 适合处理数据清洗、统计分析、趋势对比、异常检测和可视化报表，支持 CSV、Excel、JSON 等常见数据格式。

前期教学：让智能体掌握你的业务指标​

每家公司对 GMV、转化率等指标的计算口径都不同。建议先教清楚你的定义，否则同一份数据可能得到不同结论。

教规则​

你: 教你我们公司数据分析的几个核心定义：
    1. GMV 口径：我们用"净 GMV"（扣除退款后的金额），不是总 GMV（强制）
    2. 转化率：下单 UV / 访问 UV，不是支付 UV / 访问 UV（强制）
    3. 异常预警：日环比波动超过 20% 的指标要标红预警（强制）
    4. 数据源：销售数据从"业务中台"导出，用户数据从"数据仓库"导出（偏好）

数据分析师: 📝 学到了新内容
            类型：规则（业务指标定义）
            层级：强制 × 3 项，偏好 × 1 项

            我的理解：
            分析时 GMV 一律用净值（扣退款），转化率分母用访问 UV、
            分子用下单 UV（非支付 UV）。日报中环比波动 >20% 的
            指标自动标红。两个数据源分别对应不同数据类型。

            [✓ 正确]  [✎ 修改]  [✗ 撤销]

你: [✓ 正确] 再给你看一份我们的周报模板。
    [上传 电商业务周报模板.xlsx]

数据分析师: 📝 学到了新内容
            类型：示例（周报模板）
            包含趋势图 + TOP 10 商品排名 + 异常指标归因分析三大板块。

            [✓ 正确]  [✎ 修改]  [✗ 撤销]

你: [✓ 正确]

教学完成后，数据分析师已掌握你公司的指标口径和报告格式。之后提供数据时，它会按这套规则生成报告初稿。

完整对话示例​

你: 帮我分析这份 Q4 销售数据，我想了解各区域的表现和趋势。
    [上传 sales_q4.csv]

数据分析师: 正在分析你上传的销售数据...

        数据概览
        - 数据行数：15,234 条
        - 时间范围：2024-10-01 至 2024-12-31
        - 涉及产品：128 个 SKU
        - 销售区域：华东、华南、华北、西部

        关键指标
        ┌──────────────┬───────────┬──────────┬──────────┐
        │ 指标         │ Q4 实际    │ Q3 对比  │ 同比增长  │
        ├──────────────┼───────────┼──────────┼──────────┤
        │ 总销售额     │ 2,580 万  │ +18.5%   │ +32.1%   │
        │ 订单量       │ 15,234    │ +12.3%   │ +28.4%   │
        │ 客单价       │ 1,694 元  │ +5.5%    │ +2.9%    │
        └──────────────┴───────────┴──────────┴──────────┘

        区域表现排名
        1. 华东区：980 万（38%）-- 超额完成目标
        2. 华南区：720 万（28%）-- 达成目标
        3. 华北区：580 万（22%）-- 略低于目标 5%
        4. 西部区：300 万（12%）-- 低于目标 15%

        异常发现
        12 月 25 日销售额异常低（仅 8 万），建议核实数据完整性。

        需要我进一步分析某个区域或产品线吗？

你: 西部区为什么低于目标这么多？能深入分析一下吗？

数据分析师: 西部区深入分析结果如下：
        - 主力产品销量下降 22%，可能受竞品促销活动影响
        - 11 月新客户获取量环比下降 35%
        - 但客单价逆势增长 8%，说明现有客户忠诚度较高
        建议：加大西部区的获客投入，同时维护好存量客户...

        📋 回执摘要
        引用的规则：净 GMV 口径 · 转化率定义（下单UV） · 异常阈值 20%
        引用的模板：电商业务周报模板
        均来自你的教学（2 周前）✓

关键步骤​

  1. 明确业务问题 -- 先说清要回答什么问题，例如“哪个区域拖累了销售目标”，而不是只说“分析数据”
  2. 确认数据口径 -- 明确时间范围、指标定义、退款/取消订单处理方式和目标值来源
  3. 做数据体检 -- 先检查列名、缺失值、重复值、异常值和类别命名是否一致
  4. 探索和对比 -- 按时间、区域、渠道、产品、人群等维度做对比，找出主要差异
  5. 形成可验证结论 -- 把结论写成“现象 + 数据证据 + 可能原因 + 下一步验证”，避免只给主观判断

最终成果​

一份包含关键指标、数据质量说明、对比维度、趋势图表、异常解释和下一步验证建议的分析报告。

最佳实践
  • 上传数据前确保列名清晰（如"销售额"而非"col_1"），智能体能更准确地理解数据含义
  • 分析需求越具体，结果越可用。"分析销售趋势"不如"对比 Q3 和 Q4 各区域的销售增长率，找出增长最快和最慢的区域"
  • 如果数据量很大，可以先让智能体做数据概览，再针对感兴趣的方向深入分析
  • 批量分析多部门数据时，先确认所有表格使用同一套指标口径和时间范围，再让智能体并行处理
  • 不要跳过数据体检。很多“业务异常”其实来自空值、重复订单、口径变更或导出范围不一致