如何写一个数据分析 Skill

前言

在大模型应用开发中，很多人会直接把数据分析需求丢给大模型，让模型自由写SQL、处理表格、输出结论。但这种方式有明显短板：输出不稳定、格式混乱、容易编造数据、无法复用分析逻辑。

数据分析Skill，本质是一套封装好的、可被大模型调用的标准化数据分析能力：包含业务定义、数据输入规范、分析流程、计算规则、输出模板、异常校验。它不是一段简单的提示词，而是结构化的分析单元。

本文从定位、结构设计、开发步骤、避坑要点、完整示例几个维度，讲解如何从零编写一个合格的数据分析Skill。

一、先搞清楚：数据分析Skill到底是什么

Skill可以理解为给大模型增加的专业分析插件。

• 普通Prompt：告诉模型"帮我分析销售数据"，模型自由发挥；
• 数据分析Skill：规定分析目标、可用字段、计算口径、分析步骤、必须产出、禁止行为，模型严格按照既定流程执行分析。

它的核心价值三点：

1. 口径统一：指标定义固化，不会每次算出不一样的结果；
2. 输出标准化，报表结构固定，方便下游对接；
3. 边界可控，限制模型不要随意臆造数据、不要越界做不在范围内的分析。

一句话总结：Skill = 业务需求 + 数据字典 + 分析流水线 + 输出模板 + 校验规则。

二、写Skill前必须完成4项前置准备

在动笔写Skill文本之前，不要直接堆砌指令，先收集清楚基础信息。

1. 明确分析目标与使用场景

先回答3个问题：

1）这个Skill用来解决什么业务问题？（比如月度销售归因、用户流失分析、渠道ROI测算）

2）谁来使用？运营、产品、财务还是数据分析师？

3）输入形式是什么？原始表格、SQL查询结果、JSON数据集还是用户上传文件？

反面案例：目标模糊------"分析用户数据，找出问题"

正面案例：基于每日用户活跃数据表，分析近30日留存下滑原因，定位流失时间段与渠道。

2. 整理完整数据字典

列出所有可用字段，写明字段含义、数据类型、业务口径。

没有数据字典的数据分析Skill基本不可用，模型会误解字段含义。

示例：

• dt：日期，日期格式YYYY‑MM‑DD
• user_id：用户唯一ID
• channel：注册渠道
• register_cnt：当日新增注册人数
• retain_7d：7日留存用户数

同时注明不可使用字段，避免模型调用不存在的数据。

3. 确定指标计算公式与业务口径

所有聚合指标必须写死规则，不能交由模型自行理解。

举例：7日留存率=第N日新增用户中第N+7日仍活跃的用户数 / 第N日新增注册人数

重点：财务、运营类指标口径分歧最多，Skill中必须白纸黑字定义清楚。

4. 划定能力边界

写明本Skill能做什么、不能做什么 。

例如：

✅ 可以：计算留存率、对比不同渠道留存、找出降幅最大日期

❌ 不可以：预测未来用户量、猜测流失外部原因、编造没有的数据

三、数据分析Skill标准结构（直接套用模板）

一套成熟的数据分析Skill分为6大模块，按顺序撰写。

1. Skill名称与简介：一句话说明能力
2. 业务目标：详细描述解决的问题
3. 输入规范与数据字典：接收的数据格式、字段说明
4. 分析执行流水线（核心）：分步执行逻辑，强制顺序执行
5. 输出格式模板：固定结果结构
6. 约束规则与禁止项：风险控制、异常处理

结构模板

【Skill名称】
【简介】
【业务目标】
【输入要求&数据字典】
【分析执行步骤（必须按顺序执行）】
步骤1：数据清洗与合法性校验
步骤2：基础指标计算
步骤3：多维度对比分析
步骤4：异常点定位
步骤5：结论归纳，不做无依据猜测
【输出模板，严格遵守格式，禁止自由改写】
【强制约束&禁止行为】

四、实战：完整编写一个数据分析Skill示例

需求：渠道新增与7日留存分析Skill

【Skill名称】渠道新增与7日留存数据分析Skill
【简介】接收每日渠道注册与留存明细，自动完成指标计算、多渠道对比、异常波动识别，输出标准化分析报告
【业务目标】
基于日维度渠道数据，统计各渠道新增量、7日留存率，对比渠道质量，识别留存大幅下跌的渠道与日期，给出客观数据结论，不做主观推测。

【输入要求&数据字典】
输入：多行明细数据，包含以下字段
dt：日期 YYYY-MM-DD
channel：渠道名称
register_cnt：当日新增注册人数
retain_7d：新增用户中7日活跃人数
禁止使用输入以外的字段。

【分析执行步骤（必须依次执行，不能跳过）】
步骤1 数据校验
1.1 检查是否存在空值、负数；注册人数、留存人数不能小于0
1.2 发现异常数据，在报告中标注异常行，不自动剔除，保留原始记录
步骤2 指标计算
7日留存率 = retain_7d / register_cnt，保留2位小数，以百分比展示
步骤3 多维度聚合
3.1 按渠道汇总总新增、平均7日留存率
3.2 按时间顺序列出每日各渠道留存率变化
步骤4 异常检测
筛选留存率相比前一日下降≥10%的记录，标记为异常波动点
步骤5 总结归纳
只基于计算结果描述现象，禁止脑补外部原因（如市场投放、版本更新等没有数据支撑的猜想）

【输出模板，严格按照下面结构输出，不要增加额外小标题】
1.数据概况
总新增用户：xxx条
数据时间范围：xxx ~ xxx
异常数据行数：xxx
2.渠道指标汇总表
渠道｜总新增｜平均7日留存率
3.留存异常波动清单
日期｜渠道｜当日留存率｜前一日留存率｜降幅
4.分析结论
客观描述数据现象，不做无依据推测。

【强制约束&禁止行为】
1.禁止修改计算公式，禁止自定义指标
2.禁止编造输入中不存在的数据
3.禁止输出模板以外的自由段落，不要增加多余营销化文字
4.如果输入数据不足，直接说明数据缺陷，不要强行得出结论

把以上内容交给大模型，模型就会严格按照流水线完成数据分析，输出格式稳定可控。

五、编写Skill的常见坑与优化技巧

坑1：只写需求，缺少执行步骤

很多人只写一句"分析渠道留存"，没有分步流程。大模型会随机选择分析角度，每次答案不一样。

优化：强制分步执行，规定先校验、再计算、再对比、最后总结。

坑2：指标没有计算公式，依赖模型理解

"统计留存"是模糊指令，不同人对留存定义完全不同。所有衍生指标必须附带公式。

坑3：输出没有模板，结果杂乱无章

没有模板时，模型有时输出大段文字，有时输出表格，很难对接下游程序。

最佳实践：固定Markdown表格+分段标题模板，强制模型遵守。

坑4：缺少异常处理规则

原始数据经常有空值、负数、缺失日期。如果不定义校验逻辑，模型会忽略脏数据直接计算，结论失真。

建议在第一步统一加入数据合法性检查。

坑5：边界模糊，模型越界发挥

数据分析Skill只负责解读已有数据，不适合做预测、归因猜想。一定要增加约束：禁止猜测未知原因。

六、Skill迭代优化流程

Skill不是写完就定型，需要持续迭代，迭代分为三步：

1. 测试用例验证：准备正常数据、脏数据、缺失数据多组输入，多次调用Skill，观察输出是否符合预期；
2. 定位漏洞：模型出现口径错误、格式错乱、胡乱猜测时，回到Skill补充约束与步骤；
3. 精简冗余文本：不要堆砌大量无关描述，保持指令清晰，避免互相冲突。

小技巧：不要无限加长Skill文本。过长的规则会互相干扰，优先保证流程清晰、口径明确。

七、什么时候适合做数据分析Skill，什么时候直接用Prompt

✅适合封装为Skill

1. 需要反复执行的固定报表分析（日报、周报、渠道复盘）
2. 指标口径严格统一，不允许自由解读
3. 需要结构化输出，供给下游系统采集结果
4. 多人共用一套分析标准，避免理解分歧

❌不需要做成Skill

1. 一次性临时探索分析，需求灵活多变
2. 用户需要自由发散，多角度洞察，无固定报表格式

结语

优秀的数据分析Skill的核心不在于提示词多么华丽，而在于标准化 ：标准化输入、标准化计算、标准化流程、标准化输出。

一个好的Skill相当于把分析师固定的分析思路沉淀成可复用的能力，让大模型不再天马行空地分析，稳定产出可信、规整的数据报告。

如果你正在搭建大模型数据分析应用，不妨从一个简单的报表Skill开始，逐步沉淀业务分析逻辑，而不是单纯依赖模型临场发挥。