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-Data169Updated Oct 20, 2026
FreePublished on GitHub
bi-new-dimension-analysis
识别新增维度值并评估其在北极星指标上的表现。当归因维度出现新增值（如新渠道、新品类、新功能）需要评估效果时调用。
The English summary is being prepared. Showing the original description.
See how to installFiles included (1)
- SKILL.md3.5 KB
SKILL.md (original)
Review the instructions the agent will receive before you install.
bi-new-dimension-analysis
识别归因维度中当期首次出现的新增维度值（如新渠道、新品类、新功能），评估其在北极星指标上的表现，判断其对业务的贡献和效果。通常适用于周度或月度对比。
执行步骤
1：数据准备
当期和往期的维度指标数据（CSV），至少包含以下列：
| 列 | 说明 | 示例 |
|---|---|---|
| 时间列 | 周期标识 | 日期 |
| 维度列 | 维度名称 | 渠道 |
| 指标列 | 北极星指标值 | 访问用户数 |
| 父维度列 | 父维度名称（可选，层级维度时需要） | 对话模式 |
示例（维度列=渠道，北极星指标列=访问用户数，1 月为往期，2 月为当期，"抖音渠道"为新增维度值）：
日期,渠道,访问用户数
2025-01-01,自然流量,10000
2025-01-01,付费投放,8000
2025-02-01,自然流量,11000
2025-02-01,付费投放,7500
2025-02-01,抖音渠道,3000
若上游步骤已产出可用数据文件则直接使用，否则自行取数。
2：识别新增维度值
识别新增且趋于平稳的维度值：
- 对比当期和往期的维度值集合，找出当期存在但往期不存在的维度值
- 对每个新增维度值，计算其首次出现后在当期内每天的日环比变化幅度，判断是否平稳：
- 每日变化幅度均 < 10%：趋于平稳，纳入后续分析
- 存在日变化幅度 ≥ 10%：仍在波动，暂不分析
3：对比指标表现
根据新增维度的层级，选择不同的对比基准和对比指标：
0 级维度（无父维度）：对比基准为整体均值和整体 Top1 维度值
| 对比指标 | 计算方式 |
|---|---|
| 绝对值 | 新增维度的北极星指标值 |
| 整体占比 | 新增维度值 / 整体指标值 |
| 均值偏离度 | (新增维度值 - 整体均值) / 整体均值 |
| Top-1 偏离度 | (新增维度值 - 整体 Top-1 值) / 整体 Top-1 值 |
子维度（有父维度）：对比基准为父维度内均值和父维度内 Top-1 维度值
| 对比指标 | 计算方式 |
|---|---|
| 绝对值 | 新增维度的北极星指标值 |
| 均值偏离度 | (新增维度值 - 父维度内均值) / 父维度内均值 |
| Top-1 偏离度 | (新增维度值 - 父维度内 Top-1 值) / 父维度内 Top-1 值 |
| 组内排名 | 在相同父维度下的排名位置 |
4：汇总结果
将各归因维度的新增维度分析结果汇总输出。示例：
0 级维度：
维度值 北极星指标值 整体占比 均值偏离度 Top1偏离度
新渠道A 15000 8.0% +25.0% -10.0%
子维度：
维度值 父维度 北极星指标值 均值偏离度 Top1偏离度 组内排名
新品类B 父类X 8000 -15.0% -30.0% 5/8
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.
More skills from this repository
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-Data169Updated 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-Data169Updated 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-Data169Updated 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-Data169Updated Oct 20, 2026
bi-clustering
Free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-Data169Updated Oct 20, 2026