数据分析报告和普通表格处理的区别在于：报告必须围绕业务问题。CSV 或 Excel 只是原材料，真正的产物是"可行动的判断"。
用到的 Skill
优先到 skills.lc 搜索 data analysis、csv、visualization、python。当前环境可对应使用 spreadsheets:Spreadsheets 处理表格，使用 Shell 执行分析脚本，使用 documents 写报告，使用 presentations 做汇报页。
执行链路
先定义问题：比如"过去三个月转化率下降的原因是什么"，而不是"分析这个表"。问题决定指标、分组、图表和解释方式。
再建立数据字典：每一列代表什么，单位是什么，是否可为空，和业务流程的哪个环节对应。没有数据字典，后面的分析容易变成猜谜。
然后做探索性分析：总体趋势、分组对比、异常点、漏斗、留存或相关性。OpenClaw 可以生成脚本和图表，但需要把每一步变成可复查的输出。
最后写报告：背景、数据范围、关键发现、证据图表、建议动作、风险和下一步验证。
人工确认点
不要把相关性写成因果；不要忽略样本量；不要隐藏过滤条件；不要只报好看的图。
实操练习
准备一个 orders.csv，让 OpenClaw 输出 analysis.ipynb、charts/、report.md 和 executive-summary.md。
数据分析的价值不在图表数量，而在能不能让团队下一步动作更清楚。
