Skip to content
cccskills
FreePublished on GitHub

bi-dashboard-generation

将 BI 数据分析结果构建为可筛选的交互式 HTML 看板。触发条件:① 用户显式要求「给我看板」时无条件触发;② 取数结果满足以下任一时自动触发——结果集行数>10行、存在可筛选维度(产品线/地域/时间粒度等)、涉及多张表数据、时序跨度长。

The English summary is being prepared. Showing the original description.

See how to install

Files included (3)

  • SKILL.md4.0 KB
  • references/theme.md6.6 KB
  • resources/demo.html13.9 KB

SKILL.md (original)

Review the instructions the agent will receive before you install.

bi-dashboard-generation

根据分析产出的数据,构建交互式 HTML 看板。Agent 拥有完全的设计自由度——自主决定布局结构、可视化类型、筛选器位置——只需遵循 references/theme.md 中的主题规范确保视觉一致性。

交付物为单个可离线打开的 HTML 文件。

核心原则

  • 摘要优先:默认视图在读者交互前就能回答核心问题
  • 图表主导:用最简单的图表回答读者的问题,表格用于查阅而非主要叙事
  • 灵活筛选:筛选器可以出现在任何合适的位置(顶部、侧边、卡片内、表格内),按需添加

前置检查

  • 分析主题明确,核心问题已定义
  • 数据文件(CSV)已生成且可访问
  • 明确看板的受众和主要用途(状态监控 / 运营回顾 / 分析探索)

参考 resources/demo.html 了解完整看板的产出样式。

执行步骤

1:定义看板简报

  1. 受众与目标:谁看这个看板?需要监控、理解还是行动于什么?
  2. 核心问题:默认视图应回答什么问题?
  3. 指标范围:需要展示哪些指标?考虑覆盖面:
    • 规模(用户量、访问量)、价值(收入、转化率)、质量(成功率、时延)
    • 变动(趋势、环比)、构成(占比、分布)、漏斗(步骤转化)
  4. 筛选维度:读者可能按哪些维度探索?
  5. 看板标题

2:数据准备

  1. 列出所有需要展示的数据文件及其完整路径
  2. 逐文件读取,确认字段、行数、维度
  3. 保留文件路径,后续步骤用于数据来源标注

3:设计信息层级与布局

基于实际数据内容,从摘要到细节分层,具体布局完全自由:

  • 英雄指标:最核心的 KPI,直接回答"现在怎么样"
  • 趋势/变动:核心指标的时间走势
  • 诊断/拆解:按维度下钻,回答"为什么"
  • 明细:详细数据,支持查阅

筛选器设计:

  • 只在能实质更新视图时才添加
  • 位置不限——可以在顶部全局、在卡片内局部、甚至嵌入表格
  • 少量高价值筛选器优于密集面板

4:选择可视化类型

根据数据要回答的问题选择最合适的图表:

问题类型推荐可视化
当前状态KPI 卡片
趋势变化折线图
各部分占比饼图/环形图
排名对比条形图
转化流失漏斗图
逐行细节表格
两变量关系散点图

原则:用最简单的图表回答问题;一份数据只用一种展示形式。

5:构建 HTML 看板

直接输出完整的 HTML 文件,遵循 references/theme.md 中的主题规范:

  1. 引入基础资源(Tailwind CSS、ECharts、Bootstrap Icons)
  2. 将 CSV 数据转为 JSON 变量嵌入 HTML,供 ECharts 渲染使用;每份数据在对应卡片底部标注来源链接:
    <p class="text-xs text-gray-400 mt-2">数据来源:<a href="path/to/filename.csv" class="hover:underline text-blue-400" target="_blank">filename.csv</a></p>
    
  3. 使用主题规范中的组件模式构建页面
  4. 编写筛选器联动的 JS 逻辑
  5. 保存为单个 HTML 文件

6:自检

  • 默认视图在交互前回答核心问题
  • 图表类型与数据特征匹配
  • 筛选器正常工作,筛选后无数据时有空状态提示
  • 所有数字来自数据文件,不得编造
  • 每个展示区域底部有数据来源链接,且为可点击的 <a href> 指向实际文件路径
  • HTML 可离线打开,无外部运行时依赖(CDN 资源除外)

Reviews

No reviews yet. Tell others what you thought.

Comments

No login needed. Share how it worked for you, ask a question, or note where it did not run.

No comments yet. Be the first to write one.

Comments are published right away. Do not include personal information such as email addresses or phone numbers. Up to 2 URLs.

0 / 1,000 characters

This form is protected by reCAPTCHA, and the Google Privacy Policy and Terms of Service apply.

More skills from this repository

将用户的数据分析需求转化为结构化的分析计划并与用户确认。用户提出 BI 业务分析、数据探索、统计建模等需要规划的分析任务时使用。简单数据查询、公式明确的定量计算等流程简单、无需规划的任务不使用。

The English summary is being prepared. Showing the original description.

agentscope-ai/QwenPaw-Data166Updated Oct 20, 2026

通过量化历史数据的自然波动幅度,自适应计算判定阈值。当需要从数据本身确定阈值(如波动阈值、影响度阈值等)、而非使用固定值时调用。仅适用于日/周粒度阈值确定。

The English summary is being prepared. Showing the original description.

agentscope-ai/QwenPaw-Data166Updated Oct 20, 2026

基于阈值检测时间序列中的显著异常波动点。当需要找出指标异常波动日期、识别数据异动时调用。

The English summary is being prepared. Showing the original description.

agentscope-ai/QwenPaw-Data166Updated Oct 20, 2026

计算各维度(组)值对指标变动的贡献度,支持可加型量值指标和加权平均型/率值指标。当需要计算贡献度、解释指标"为什么涨/跌"时调用。

The English summary is being prepared. Showing the original description.

agentscope-ai/QwenPaw-Data166Updated Oct 20, 2026

从运营周报、活动文档、对话输入或文档工具 API 中提取业务事件,与指标异常时间窗口对齐,生成有证据支撑的因果归因假设并排序。当已知指标存在异常波动、需要从外部文档证据中解释"为什么"时调用。

The English summary is being prepared. Showing the original description.

agentscope-ai/QwenPaw-Data166Updated Oct 20, 2026

对用户、产品等业务对象做分群:用波士顿矩阵法做象限分群,或用分层聚类、K-means、DBSCAN 等聚类技术分群。当需要做客群/产品分群、象限策略、画像或密度型子结构发现时调用。触发条件:当对话中出现“分群”、“分类”、“聚类”、“不同类型”、“不同场景”等体现分群分析词语时触发。

The English summary is being prepared. Showing the original description.

agentscope-ai/QwenPaw-Data166Updated Oct 20, 2026

See all skills by agentscope-ai

Report a problem with this skill