计算变量间的 Pearson/Spearman 相关矩阵、偏相关分析，自动识别因混淆变量导致的伪相关，适用于数据科学、量化金融等领域，帮助研究者剔除虚假关联。关键词：相关性分析、Pearson、Spearman、偏相关、伪相关、混淆变量、相关系数、统计分析。

这是一个世界级的高级数据科学家技能集，专注于构建生产级的AI/ML/数据系统。它集成了统计建模、因果推断、A/B测试、特征工程、模型评估与部署等核心能力，并遵循MLOps和DataOps最佳实践。适用于需要设计复杂实验、开发高精度预测模型、进行深度因果分析以及推动企业数据驱动决策的场景。关键词：数据科学，机器学习，统计建模，A/B测试，特征工程，模型部署，MLOps，Python，SQL，大数据分析，人工智能系统。

本技能提供SQL查询优化、索引策略和EXPLAIN分析的全面指南，帮助数据工程师和开发者提升数据库性能，消除慢查询。适用于数据库管理、后端开发和数据工程场景。关键词：SQL优化、数据库性能、索引策略、查询计划、EXPLAIN分析、慢查询调试。

索引技能是一个命令行工具，用于将数据索引到Elasticsearch中，作为esload命令的别名，适用于数据加载、搜索优化和数据管道集成。关键词：数据索引、Elasticsearch、数据工程、ETL、搜索、数据加载。

本skill提供数据库架构设计的详细指导，包括规范化策略、表设计模式、约束策略、数据类型选择、架构演进和性能优化等，旨在帮助设计出可扩展、高效的数据库架构。

这个技能专注于使用ClickHouse列式数据库进行高性能数据分析和数据工程，涵盖表设计、查询优化、物化视图、批量插入和实时聚合等模式。它适用于大规模数据处理、实时OLAP分析，特别是在股票量化交易中用于数据处理、回测和风险评估，关键词包括ClickHouse、数据分析、数据工程、查询优化、物化视图、量化金融、OLAP、实时分析、大数据处理。

KPI聚合器是一款专为风险投资机构设计的工具，用于从投资组合公司自动收集、标准化和聚合关键绩效指标。它解决了不同公司报告格式和指标定义不一致的问题，提供标准化的投资组合分析、趋势跟踪和报告生成功能。关键词：KPI聚合、风险投资、投资组合分析、指标标准化、数据收集、趋势分析、VC报告、绩效指标、商业智能、财务分析。

多项式混沌展开是一种用于高效传播计算模型中不确定性的数学方法。该方法通过正交多项式基函数对随机输入变量进行展开，能够快速计算输出响应的统计特性（如均值、方差）和全局敏感性分析（如Sobol指数）。适用于工程仿真、金融风险评估、科学计算等领域的不确定性量化分析。关键词：不确定性量化，多项式混沌，敏感性分析，随机建模，数值仿真，风险分析，正交多项式，稀疏PCE

Statsmodels是一个用于统计建模和计量经济学的Python库，支持线性回归、广义线性模型、时间序列分析等多种统计方法，提供详细的诊断、残差分析和推理功能，适用于数据科学、预测建模和数据分析。关键词：统计建模，Python，数据分析，预测模型，计量经济学。

这个技能专注于时间序列数据分析，帮助识别模式、趋势、季节性和异常点，并使用统计和机器学习方法进行预测。关键词：时间序列分析、趋势预测、季节性分解、异常检测、ARIMA模型、机器学习预测、量化交易、数据分析、预测建模。

这个技能用于将Parquet格式的数据文件转换为CSV格式，实现数据格式转换和导出功能。适用于数据工程、ETL处理和数据兼容性场景。关键词：Parquet, CSV, 数据转换, Spark, 数据导出, 格式转换, 数据工程。

AI桑基图（流向图）生成技能，支持上传数据或粘贴表格，自动生成流向可视化图表，清晰展示数据在环节间的流动关系。适用于用户流转、资金流向、转化路径等场景。关键词：桑基图、流向图、sankey、数据流向、流量图、关系图。