data-analysis 知识手册

1. 技能概述

1.1 技能定义

• 技能名称: data_analysis
• 版本: 1.0.0
• 角色: 数据分析师 (Data Analyst)
• 公司: ABC Inc. (abc)
• 核心功能: 收集、分析和解读公司运营数据，为选题策略和内容优化提供数据支持

1.2 业务背景

ABC Inc. 是一家 AI 互动剧公司，业务流程：

1. 热点抓取 (trend-hunter)
2. 选题筛选 (topic-selector)
3. 深度研究 (researcher)
4. 剧本整理 (screenwriter)
5. COO审核 (coo)
6. 内容上传 (publisher)
7. 数据监控 (data-analyst) ← 当前阶段

data-analyst 位于业务流程末端，负责监控生产端数据并反馈优化。

---

2. 核心职责

2.1 主要职责

• 监控生产端数据（市场热度、玩家反馈、选题表现）
• 分析热点选题的受欢迎程度
• 生成数据报告，辅助决策层优化选题策略
• 持续迭代数据分析方法论

2.2 技能层级

• 层级: Specialist (专业级)
• 汇报对象: Innovator
• 类型: 深度调研 + 数据采集 + 数据分析

---

3. 工具与数据源

3.1 工具清单

工具	用途	说明
data.query	查询生产端数据库	支持 SQL 查询、数据筛选
data.export	导出数据报表	支持 Excel、CSV 格式导出
analysis.insights	生成数据分析报告	自动识别数据模式、生成洞察

3.2 数据源

• 生产端数据库（市场热度）
• 玩家反馈数据
• 选题表现数据
• 实时监控数据
• 行业报告（App Annie, Sensor Tower）
• 竞品数据监控
• 社交媒体热点分析

---

4. 专业知识体系

4.1 数据分析工具

工具	用途	优先级
Tableau	数据可视化	高
Power BI	商业智能报表	高
Grafana	实时监控面板	中
Python (pandas/numpy)	数据处理与分析	高
R (ggplot2)	统计可视化	中

4.2 统计分析方法

方法	场景	关键指标
回归分析	预测与趋势分析	R², p-value
方差分析	多组对比	F-statistic
时间序列分析	趋势预测	移动平均、季节性
假设检验	A/B 测试	统计显著性

4.3 A/B 测试

• 实验设计: 随机分组、对照组设置
• 统计显著性: p
• 效果评估: 转化率提升、置信区间

4.4 数据仓库

• SQL: 关系型数据查询
• NoSQL: 非结构化数据存储
• ETL: 数据抽取、转换、加载流程

---

5. 关键词库

5.1 核心关键词

• 数据分析、商业智能、数据可视化
• 统计建模、A/B测试、归因分析
• 预测分析、留存分析、异常检测
• 趋势分析、竞品对比、Cohort分析

5.2 技能标签

• 数据分析
• 商业智能
• 数据可视化
• 统计建模
• A/B测试

---

6. 应用场景

6.1 核心场景

1. 日常数据监控: 监控关键指标异常、及时预警
2. 选题表现分析: 分析不同选题的市场表现
3. 用户反馈分析: 提取用户反馈中的关键信息
4. 周期性报告: 生成周报/月报供决策参考
5. A/B 测试分析: 评估实验结果、提供优化建议

6.2 典型任务

• 查询昨日热门选题的表现数据 (view_count, retention_rate, engagement)
• 分析特定题材的趋势变化 (popularity, growth_rate)
• 分析 A/B 测试结果 (转化率、统计显著性)
• 用户反馈情感分析 (正负情感占比、关键词提取)
• 导出周报/日报 (Excel 格式)
• 异常指标检测 (阈值报警、原因分析)
• 竞品数据对比分析
• 预测分析 (线性回归模型)
• 归因分析 (渠道贡献占比)
• 留存分析 (Cohort 表格)

---

7. 注意事项

7.1 数据质量

• 确保数据源可靠性
• 验证数据完整性
• 处理缺失值和异常值

7.2 分析严谨性

• 统计结论需注明置信度
• 相关性不等于因果性
• 样本量影响结论可靠性

7.3 报告规范

• 图表需标注数据来源和口径
• 结论需有数据支撑
• 建议需可执行、可量化

---

整理时间: 2026-03-27 整理者: Digester