业务分析报告生成器Skill business-analytics-reporter

---

name: business-analytics-reporter description: 此技能应用于分析来自CSV文件的业务销售和收入数据，以识别薄弱环节、生成统计洞察并提供战略性改进建议。当用户请求业务绩效报告、要求分析销售数据、希望识别薄弱领域或需要业务改进策略建议时使用。

业务分析报告生成器

概述

生成全面的业务绩效报告，分析销售和收入数据，识别业务薄弱环节，解读统计数据所指示的含义，并提供可操作的改进策略。该技能使用数据驱动分析来检测薄弱领域，并基于业务框架推荐具体策略。

何时使用此技能

当用户请求以下内容时调用此技能：

• “分析我的业务数据，告诉我我们在哪里不足”
• “生成一份关于哪些领域需要改进的报告”
• “这些销售数字告诉我们关于业务绩效的什么信息？”
• “创建一份包含改进策略的业务分析报告”
• “在我们的收入数据中识别薄弱环节”
• “我们应该使用什么策略来改进我们的业务指标？”

该技能期望包含业务数据（销售、收入、交易）的CSV文件，列如日期、金额、类别或产品。

核心工作流程

步骤1：数据加载与探索

首先了解数据结构以及用户想要分析的内容。

如有需要，询问澄清问题：

• 分析应关注哪些具体指标或领域？
• 是否有特定的时间段或感兴趣的类别？
• 报告是否应包含可视化或专注于书面分析？

加载并探索数据：

import pandas as pd

# 加载CSV文件
df = pd.read_csv('business_data.csv')

# 显示基本信息
print(f"数据形状: {df.shape}")
print(f"列名: {df.columns.tolist()}")
print(f"日期范围: {df['date'].min()} 至 {df['date'].max()}")
print(df.head())

步骤2：运行自动化分析

使用捆绑的分析脚本生成全面的洞察：

python scripts/analyze_business_data.py path/to/business_data.csv output_report.json

脚本将：

1. 自动检测数据结构（收入列、日期列、类别）
2. 计算统计指标（平均值、中位数、增长率、波动率）
3. 识别趋势和模式
4. 检测薄弱领域和表现不佳的细分市场
5. 基于发现生成改进策略
6. 输出结构化的JSON报告

输出结构：

{
  "metadata": {...},
  "findings": {
    "basic_statistics": {...},
    "trend_analysis": {...},
    "category_analysis": {...},
    "variability": {...}
  },
  "weak_areas": [...],
  "improvement_strategies": [...]
}

步骤3：解读分析结果

读取生成的JSON报告，并用通俗语言为用户解读发现。

关注点：

1. 当前状态：数据显示的业务绩效情况
2. 薄弱领域：识别出的具体问题及其严重程度
3. 根本原因：这些问题存在的原因（使用references/中的业务框架）
4. 影响：这些薄弱点对业务意味着什么

解读示例：

基于对您2024年1月至12月销售数据的分析：

当前状态：
- 总收入：120万美元，月均收入10万美元
- 平均增长率：-3.5%，表明绩效下滑
- 收入稳定性：高波动性（变异系数：58%），表明绩效不稳定

识别出的薄弱领域：
1. 收入增长（高严重性）：平均增长率为负3.5%
2. 绩效一致性（中等严重性）：45%的期间表现下滑
3. 类别绩效（中等严重性）：识别出4个表现不佳的类别

步骤4：生成详细建议

参考业务框架以提供战略性建议：

加载业务框架以获取上下文： 参考 references/business_frameworks.md 获取：

• 收入增长策略（市场渗透、产品开发等）
• 运营卓越框架
• 以客户为中心的策略
• 定价策略框架
• 常见薄弱领域解决方案

建议结构如下：

针对每个识别出的薄弱领域，提供：

1. 战略倡议名称：清晰、可操作的方案名称
2. 目标：此策略旨在实现什么
3. 关键行动：3-5个具体、优先的步骤
4. 预期影响：高/中/低
5. 时间线：现实的实施时间框架
6. 成功指标：如何衡量改进

建议示例：

策略：收入加速计划
领域：收入增长
目标：扭转负增长趋势，实现10%以上的月增长率

关键行动：
1. 实施积极的客户获取活动
2. 审查并优化定价策略
3. 启动向上销售和交叉销售计划
4. 拓展到新的细分市场或地区
5. 加速产品开发和创新

预期影响：高
时间线：3-6个月
成功指标：月收入增长率、新客户获取、ARPU增加

步骤5：创建可视化（可选）

如果请求，使用Plotly创建交互式可视化以说明发现：

参考可视化指南： 参考 references/visualization_guide.md 获取：

• 针对不同分析的推荐图表类型
• 创建图表的代码示例
• 业务仪表板最佳实践

要创建的常见可视化：

1. 收入趋势图：显示随时间变化的收入线图，叠加增长率
2. 类别绩效：按收入贡献排序的条形图
3. 波动性分析：箱线图或标准差可视化
4. 薄弱领域热图：严重性和影响的视觉表示

收入趋势代码示例：

import plotly.graph_objects as go
from plotly.subplots import make_subplots

fig = make_subplots(specs=[[{"secondary_y": True}]])

# 添加收入线
fig.add_trace(
    go.Scatter(x=df['date'], y=df['revenue'], name="收入",
               line=dict(color='blue', width=3)),
    secondary_y=False
)

# 添加增长率线
fig.add_trace(
    go.Scatter(x=df['date'], y=df['growth_rate'], name="增长率",
               line=dict(color='green', dash='dash')),
    secondary_y=True
)

fig.update_layout(title_text="收入绩效与增长率")
fig.show()

步骤6：生成最终报告

将发现汇编成全面的报告格式。

选项A：生成HTML报告

使用 assets/report_template.html 中的报告模板：

# 读取模板
with open('assets/report_template.html', 'r') as f:
    template = f.read()

# 加载分析结果
with open('output_report.json', 'r') as f:
    analysis = json.load(f)

# 用分析中的实际数据填充模板
# 用分析中的真实值替换占位符
# 将Plotly图表添加为JavaScript
# 保存为最终HTML报告

with open('business_report.html', 'w') as f:
    f.write(populated_template)

HTML模板包括：

• 包含关键指标的执行摘要
• 趋势和类别的交互式图表
• 带有严重性指示器的样式化薄弱领域卡片
• 包含行动项的战略建议
• 专业样式和可打印格式

选项B：生成Markdown报告

创建结构化的Markdown文档：

# 业务绩效分析报告

**生成日期：** [日期]
**数据期间：** [期间]

## 执行摘要

[发现的简要概述]

## 关键指标

- 总收入：$X
- 平均增长率：X%
- 收入稳定性：[评估]
- 识别出的薄弱领域：X

## 绩效趋势

[插入图表或描述趋势]

## 薄弱领域

### 1. [薄弱领域名称] (严重性)
**发现：** [描述]
**影响：** [业务影响]

### 2. [下一个薄弱领域...]

## 战略建议

### 策略1: [名称]
**目标：** [目标]
**行动：**
- [行动1]
- [行动2]
...

**预期影响：** 高/中/低
**时间线：** X个月

关键分析指标

分析脚本自动计算以下指标：

增长分析

• 平均增长率：期间收入变化百分比
• 下降期间计数：负增长的期间数量
• 趋势方向：整体轨迹（增长、下降、稳定）

稳定性分析

• 变异系数 (CV)：衡量收入波动性
  • CV < 25%：稳定绩效
  • CV 25-50%：中等波动性
  • CV > 50%：高波动性（标记为薄弱领域）

类别绩效

• 收入贡献：按类别的百分比细分
• 表现不佳的类别：平均绩效排名后25%的类别
• 最佳/最差表现者：表现最佳和最差的类别

统计指标

• 所有数值列的平均值、中位数、标准差
• 最小值/最大值和范围
• 总计

业务框架参考

生成建议时，利用 references/business_frameworks.md 中记录的框架：

1. 收入增长策略：市场渗透、产品开发、市场开发、多元化
2. 运营卓越：流程优化、资源分配、质量管理
3. 以客户为中心的策略：保留计划、客户生命周期价值优化、细分
4. 定价策略：基于价值、动态、竞争性定价
5. 数据驱动决策：分析成熟度模型、KPI框架

将识别出的薄弱领域与适当的战略框架匹配，以提供上下文相关的建议。

有效报告技巧

1. 从大局出发：以整体绩效和关键发现开头
2. 按严重性排序：首先关注高严重性问题
3. 具体明确：提供具体的数字和百分比，而不是模糊的评估
4. 以行动为导向：每个薄弱领域都应有可操作的建议
5. 考虑上下文：考虑行业基准和业务背景
6. 视觉沟通：使用图表使趋势一目了然
7. 适合高管阅读：结构清晰，标题和摘要易于快速浏览

常见薄弱领域与检测

分析自动检测这些常见的业务问题：

薄弱领域	检测标准	典型根本原因
收入增长	平均增长率为负	市场饱和、竞争加剧、定位不佳
绩效一致性	>40%的期间表现下降	缺乏经常性收入、季节性依赖
收入稳定性	CV > 50%	客户集中、需求波动
类别绩效	排名后25%的类别	产品市场契合度差、定价问题、认知度低

使用示例

用户请求： “分析我的第四季度销售数据，告诉我我们的薄弱环节以及如何改进”

工作流程：

1. 加载CSV：df = pd.read_csv('q4_sales.csv')
2. 运行分析：python scripts/analyze_business_data.py q4_sales.csv q4_report.json
3. 读取结果：with open('q4_report.json') as f: report = json.load(f)
4. 用自然语言为用户解读发现
5. 使用Plotly创建可视化（参考 references/visualization_guide.md）
6. 使用 assets/report_template.html 生成HTML报告
7. 使用 references/business_frameworks.md 提供战略建议

预期输出：

• 当前业务绩效的清晰解释
• 3-5个识别出的薄弱领域及其严重程度
• 4-6个包含具体行动计划战略倡议
• 交互式可视化（如果请求）
• 专业的HTML或Markdown报告

资源

scripts/

• analyze_business_data.py：自动化分析引擎，检测数据结构、计算指标、识别薄弱领域并生成改进策略

references/

• business_frameworks.md：业务战略框架、常见薄弱领域和解决方案模板的综合指南
• visualization_guide.md：图表类型推荐、Plotly代码示例和仪表板设计最佳实践

assets/

• report_template.html：专业的HTML模板，包含交互式可视化、样式化的薄弱领域和策略卡片以及可打印格式