data-analysis
Installation
SKILL.md
数据分析技能
分析目标
数据分析任务的核心目标是：
- 理解数据：搞清楚数据是什么、从哪来、代表什么业务含义，而不仅仅是读取文件
- 评估数据质量：识别缺失、重复、异常、格式不一致等问题，判断数据可信度
- 发现规律与洞察：通过统计和探索，找出数据中有意义的模式、趋势、异常和关联
- 制定处理流程：根据实际数据问题，设计可复现、有依据的清洗和转换方案
- 汇总结果：用清晰、有业务价值的语言输出结论，不是堆砌统计数字
处理约束
在分析过程中，始终遵守以下约束：
- 不擅自修改原始数据：任何清洗或转换操作都要先告知用户，说明原因，再执行
Related skills
More from baidubce/fm-agent
famou-experiment-manager
管理 famou 进化实验任务的工作流技能。当用户提到"提交实验"、"查看实验状态"、"删除实验"、"获取实验结果"、"famou 实验"、"上传实验"、"config.yaml 实验"或需要使用 famou-ctl 管理实验任务时，必须使用此技能。即使用户只说"提交"或"跑实验"，只要上下文涉及 famou 平台，也应触发此技能。
2famou-artifact-generator
交互式引导用户完成 FaMou 进化任务的完整流程：先通过结构化澄清循环产出 `problem.md`，再实现并验证 FaMou 实验的三个输入物料（`init.py`、`evaluator.py`、`prompt.md`）。当用户提到以下任意情形时触发：定义/澄清/创建 FaMou 任务、帮我写 problem.md、我想建一个进化任务、帮我准备 FaMou 实验物料、生成 init.py 或 evaluator.py、优化/ML/搜索问题需要进化求解。即使用户只说"帮我做个 FaMou 任务"或提供粗略想法，也应触发此技能并从澄清阶段开始。
2famou-result-visualization
为 FaMou 进化算法生成可行解的 Python 代码解生成可视化结果页面。当用户提到"FaMou 可视化"、"把这个解可视化"、"可行解结果展示"、"evolution 结果"、"evolve 可视化"，或者提供了 Python 代码形式的问题解（路径规划、排课、背包、TSP、调度、机器学习等）需要直观展示效果时，必须使用此技能。即使用户只说"帮我可视化这个解"、"画出来看看"、"展示一下结果"，只要上下文涉及进化算法、优化问题的解，也应立即触发此技能。
2