Data Analyze Refined Skill

适用场景：把任意 Excel/CSV 做成“市场部可用”的一键分析包——自动识别核心维度/指标，产出 CSV + 带目录回链的 Excel 汇总、PNG/SVG 图表、HTML 信息图、市场策略化的 Word 报告。默认输出在数据同级的 outputs/。跨行业通用，优先从字段中判断品牌/产品/客户/渠道/区域/机构等维度再决定分析重点，不要求用户先定义完整分析题。

核心原则

• 市场视角优先：用业务语言解释现状、机会、策略、风险，避免学术表达与模型化术语。
• 自动判别方向：字段缺失时做可替代的洞察，不因“数据不全”而停工。
• 图表服从洞察：图表数量与类型由洞察决定，不固定数量，不为画图而画图。
• 先结论后展开：先给管理层可读结论，再展开证据与明细。

快速使用

# 默认输出到数据同级 outputs/
node src/index.js /path/to/data.xlsx --sheet "导出数据表" --core-dimension "申报企业名称" --value-column "协议采购量" --charts-mode on

# 自定义输出目录
node src/index.js /path/to/data.xlsx --sheet "工作表" --output-dir "/path/to/outputs"

# 图表策略：auto/on/off（默认 auto）；截图需要时加 --enable-screenshot

环境依赖：

• Python 3.8+ 且 pip install -r requirements.txt（pandas/numpy/matplotlib/seaborn/openpyxl/python-docx 等）
• Node 18+ 可选，仅用于 node 入口；先 npm install（已移除错误依赖）。若 npm 报错可直接用 python3 src/main.py ...。

必选/优先参数：

• --sheet：Excel 工作表名（CSV 可省略）
• --core-dimension：核心实体列（优先品牌/企业；若不指定自动推断）
• --value-column：核心指标列（优先采购量/数量/总量类）
• --target-brand：可选，目标品牌/申报企业，用于白区/机会（缺省时可取头部品牌或公司名）

自动分析路由（行业无关）

工作流（自动判别 → 市场洞察）

1. 读取与预处理
   • 去除列名空白，统一别名：品牌/企业/厂家/供应商 -> 品牌名称；地区/地市/区域 -> 城市（层级字段可按分隔符取市级）；目录/品类/类目 -> 产品大类。
   • 关键数值列尝试转为数值：数量/销量/订单量/GMV/金额/合同量/需求量/消耗量。
2. 自动判别核心维度/指标
   • 核心维度优先顺序：品牌/申报企业/厂家 → 医院/渠道/客户 → 城市/区域 → 其他非唯一度低的分类列。
   • 核心指标优先顺序：--value-column > 数量/销量/订单量/GMV/金额/合同量/需求量 > 首个数值列。
3. 降噪规则
   • 分类 TopN 仅用于唯一值 2~50 且非 90% 全唯一的列；全一致/全唯一列跳过。
   • 相关性需 ≥0.3 且存在 ≥2 个数值列；否则不输出。
   • 无时间列/价格列时明确说明不做趋势/价量分析，用结构/覆盖/机会替代。
4. 分析视角
   • 字段画像、数值统计、分类分布、集中度（Top1/3/5、覆盖 80/90 所需实体数、离群阈值）。
   • 份额与交叉：品牌/企业、城市、渠道、品类/SKU；品牌×城市、品牌×渠道、城市×品类、品牌内产品Top。
   • 覆盖与客户：覆盖客户数/单客均量（核心维度），客户TOP，目标品牌的客户白区（低份额×高容量）。
   • 机会：目标品牌白区（城市总量×目标品牌份额），并生成机会优先级（影响×可行性×投入效率）；如有时间/ä»·æ ¼/结构则补充价格带、结构占比、时间趋势。
5. 输出生成
   • CSV：核心维度/城市/目录/大类/覆盖、城市品牌分布、城市Top3、城市白区、机会优先级（城市/医院或客户）、产品分布、品牌产品分布、城市产品分布、品牌产品Top、客户TOP、客户白区等（字段概览/数值统计仅供参考）。
   • Excel：outputs/excel/数据分析汇总.xlsx（目录页+返回目录，含上述业务表；默认不放字段概览/数值统计）。
   • 图表：按 charts-mode 生成 PNG+SVG 至 outputs/figures/{png,svg}（核心维度份额、城市、目录、大类、覆盖等，自动判断是否有意义；图表数量由洞察点数决定）。
   • HTML：outputs/html/market_analysis_infographic.html（核心结论/机会摘要+嵌入核心图表），outputs/html/charts_gallery.html（图表汇总）。
   • Word 报告：outputs/reports/<数据名>_分析报告.docx，站在市场部视角给核心结论、白区/机会、策略、行动计划（无字段时也要明确缺口）。

最小可交付（数据稀疏时仍要产出）

• 至少输出：1页结论 + >=1张有效图 + >=1个机会清单CSV。
• 若无时间列：移除趋势，强化结构/覆盖/机会。
• 若无金额列：移除价格带，保留数量份额与集中度。
• 若无地区列：移除区域白区，转为渠道/客户白区。
• 若仅 1 个数值列：不做相关性，只做分布、份额、集中度和TopN。

结论页结构（必须包含）

• 现状解读：市场规模/结构/集中度/覆盖等关键事实。
• 洞察体现：增长来源、结构错配、白区/机会清单、渠道/区域差异。
• 未来策略：扩点/深耕/产品结构/价格带/预算调整等可执行路径。
• 风险分析：数据缺口、结构不匹配风险、渠道依赖、集中度过高风险等。

图表选择规则（按洞察驱动）

• 份额/集中度：条形图、堆叠条形或帕累托。
• 结构/价格带：100% 堆叠条形或分组条形。
• 机会/白区：散点或气泡图（量×份额/覆盖）。
• 趋势（仅有时间列）：折线或面积图。
• 渠道效率/漏斗：漏斗图或转化率条形。

机会优先级规则（新增）

• 影响分：潜在增量规模（总量 × 份额缺口）。
• 可行性分：已有基础（目标品牌量/既有覆盖）或份额缺口替代。
• 投入效率分：投入强度近似（规模越大通常投入越高，分值越低）。
• 综合优先级分：按“影响 × 可行性 × 投入效率”融合排序，输出高优先/中高优先/中优先/观察。

市场部报告要点

• 核心结论：总量、CR3/CR5、龙头品牌与份额、主力目录/城市、覆盖（覆盖医院数/城市数/单院均量）。
• 产品/结构：品类/SKU Top、品牌内主打产品/结构（有产品或结构列时）。
• 机会：目标品牌城市白区、客户白区（低份额×高容量），如有价格/时间/结构字段则补充对应洞察。
• 行动计划：头部清单、长尾/白区试点、产品/结构/价格打法、补充字段建议（时间/渠道/价格等）。

快速参考

常见错误与修正

• 过学术：出现显著性检验/回归模型 → 改为业务指标与对比口径。
• 图表硬凑：没有洞察也画图 → 只保留能支撑结论的图表。
• 数据缺失即停：缺时间/价格就不输出 → 改为结构/覆盖/机会洞察并说明缺口。
• 结论过简：只给一句话 → 按“现状-洞察-策略-风险”补全。

理性化与纠偏

红旗清单（出现即纠正）

• 使用学术/模型术语替代业务语言
• 固定图表数量或模板化结论
• 因字段缺失直接停止输出
• 结论缺少策略或风险

示例（Python）

# 根据字段可用性选择洞察与图表（示意）
fields = {"日期", "城市", "渠道", "产品", "数量", "金额"}
insights = []
charts = []

if "城市" in fields and "数量" in fields:
    insights.append("城市机会与白区")
    charts.append("城市份额条形图/白区散点")
if "渠道" in fields and "金额" in fields:
    insights.append("渠道效率与预算建议")
    charts.append("渠道ROI条形图")
if "日期" in fields:
    insights.append("增长来源与趋势")
    charts.append("时间趋势折线")

report_sections = ["现状解读", "洞察体现", "未来策略", "风险分析"]

资源

• 代码：src/main.py（管线）、src/data_analyzer.py（预处理/分析）、src/chart_generator.py（图表）、src/infographic_generator.py、src/screenshot_generator.py。
• 参考：references/playbook.md（SOP/字段映射/降噪要点）。
• 示例结构：examples/（示例输入与报告形态参考）。