name: data-storytelling description: 将分析洞察转化为引人入胜的商业故事的叙事生成技能 allowed-tools:
- Read
- Write
- Glob
- Grep
- Bash
metadata:
specialization: 决策智能
domain: 商业
category: 可视化
priority: medium
shared-candidate: true
tools-libraries:
- openai/anthropic APIs
- jinja2
- markdown
数据叙事
概述
数据叙事技能将分析洞察转化为引人入胜、可操作的商业叙事。它通过生成针对不同受众的清晰、有语境且具有说服力的沟通内容,弥合了复杂分析与高管决策之间的差距。
能力
- 洞察优先级排序与选择
- 叙事结构生成
- 图表注释自动化
- 关键要点提取
- 执行摘要生成
- 建议框架构建
- 行动项识别
- 适应受众的语言调整
使用流程
- 洞察到行动流程
- 高管仪表板开发
- 决策文档与学习
使用方法
洞察输入
# 需要叙述的分析洞察
insights = {
"context": {
"analysis_type": "季度绩效",
"period": "2024年第三季度",
"audience": "高管领导层",
"objective": "投资决策"
},
"key_findings": [
{
"metric": "收入",
"value": 12500000,
"change": 0.15,
"benchmark": "高于目标",
"significance": "高",
"drivers": ["新产品发布", "市场扩张"]
},
{
"metric": "客户获取成本",
"value": 185,
"change": 0.22,
"benchmark": "高于目标",
"significance": "中等",
"drivers": ["竞争加剧", "渠道组合变化"]
}
],
"supporting_data": {
"visualizations": ["revenue_trend.png", "cac_breakdown.png"],
"tables": ["segment_performance.csv"]
}
}
叙事配置
# 叙事结构配置
narrative_config = {
"structure": "情境-复杂化-解决方案",
"tone": "专业",
"length": "执行摘要", # 或 "详细报告"
"format": "markdown",
"sections": [
"标题",
"关键要点",
"背景",
"分析",
"建议",
"后续步骤"
],
"emphasis": "可操作建议"
}
受众适应
# 受众特定设置
audience_profiles = {
"executive_leadership": {
"detail_level": "高层级",
"jargon": "最少",
"focus": "战略影响",
"format_preference": "要点列表",
"time_available": "2分钟"
},
"technical_team": {
"detail_level": "详细",
"jargon": "可接受",
"focus": "方法与数据",
"format_preference": "完整叙事",
"time_available": "15分钟"
},
"board_of_directors": {
"detail_level": "摘要",
"jargon": "无",
"focus": "业务影响",
"format_preference": "视觉为主",
"time_available": "5分钟"
}
}
叙事结构
| 结构 | 最佳适用场景 | 流程 |
|---|---|---|
| SCR (情境-复杂化-解决方案) | 问题解决 | 背景 -> 挑战 -> 解决方案 |
| 金字塔 | 高管汇报 | 结论 -> 支持点 -> 细节 |
| 前-后-桥 | 变革提案 | 当前状态 -> 未来状态 -> 实现路径 |
| STAR | 案例研究 | 情境 -> 任务 -> 行动 -> 结果 |
| 是什么-所以呢-现在呢 | 快速洞察 | 发现 -> 影响 -> 行动 |
输入模式
{
"insights": {
"context": "object",
"key_findings": ["object"],
"supporting_data": "object"
},
"narrative_config": {
"structure": "string",
"tone": "string",
"length": "string",
"sections": ["string"]
},
"audience": {
"profile": "string",
"detail_level": "string",
"time_available": "string"
}
}
输出模式
{
"narrative": {
"headline": "string",
"executive_summary": "string",
"sections": {
"section_name": "string (markdown)"
},
"key_takeaways": ["string"],
"recommendations": ["string"],
"next_steps": [
{
"action": "string",
"owner": "string",
"timeline": "string"
}
]
},
"annotations": {
"visualization_id": "string annotation"
},
"metadata": {
"word_count": "number",
"reading_time": "string",
"complexity_score": "number"
}
}
最佳实践
- 以最重要的洞察开头(倒金字塔结构)
- 使用具体数字,而非模糊描述
- 将数据与业务成果关联
- 包含明确的行动号召
- 承认局限性和不确定性
- 使用主动语态和强动词
- 与代表性受众成员测试叙事
注释指南
对于图表注释:
- 突出关键洞察,而非仅描述数据
- 谨慎使用箭头和标注
- 提供背景(比较、基准)
- 包含“所以呢”影响
集成点
- 接收所有分析技能的洞察
- 与决策可视化连接以获取注释图表
- 输入到决策日志进行文档记录
- 支持洞察翻译代理进行沟通