name: 商业分析报告生成器 description: 该技能用于分析CSV文件中的商业销售与营收数据，识别薄弱环节，生成统计洞察，并提供战略性改进建议。适用于用户请求商业绩效报告、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的场景。

商业分析报告生成器

概述

生成全面的商业绩效报告，分析销售与营收数据，识别业务薄弱环节，解读统计数据含义，并提供可操作的改进策略。该技能采用数据驱动分析来检测薄弱领域，并基于商业框架推荐具体策略。

何时使用此技能

当用户请求以下内容时调用此技能：

“分析我的商业数据，告诉我哪里存在不足”
“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表现的什么信息？”
“创建一份包含改进策略的商业分析报告”
“识别我们营收数据中的薄弱环节”
“我们应该使用哪些策略来改善业务指标？”

该技能期望接收包含商业数据（销售、营收、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

首先理解数据结构及用户想要分析的内容。

如有需要，询问澄清问题：

分析应重点关注哪些具体指标或领域？
是否有特定的时间段或类别感兴趣？
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洞察：

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

该脚本将：

自动检测数据结构（营收列、日期列、类别）
计算统计指标（均值、中位数、增长率、波动率）
识别趋势与模式
检测薄弱领域与表现不佳的细分市场
基于发现生成改进策略
输出结构化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。

重点关注：

当前状态：数据显示的业务表现情况
薄弱领域：识别出的具体问题及其严重程度
根本原因：这些问题为何存在（使用references/中的商业框架）
影响：这些薄弱环节对业务意味着什么

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：
- 总营收：120万美元，月均营收10万美元
- 平均增长率：-3.5%，表明业绩下滑
- 营收稳定性：高波动性（变异系数：58%），表明表现不稳定

识别出的薄弱领域：
1. 营收增长（高严重性）：平均增长率为-3.5%
2. 表现一致性（中等严重性）：45%的期间表现下滑
3. 类别表现（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

参考商业框架以提供战略性建议：

加载商业框架以获取背景信息： 参考 references/business_frameworks.md 获取：

营收增长策略（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：

战略计划名称：清晰、可执行的计划名称
目标：该策略旨在实现什么
关键行动：3-5个具体、优先排序的步骤
预期影响：高/中/低
时间线：现实的实施时间框架
成功指标：如何衡量改进效果

建议示例：

策略：营收加速计划
领域：营收增长
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. 拓展至新的市场细分或地理区域
5. 加速产品开发与创新

预期影响：高
时间线：3-6个月
成功指标：月营收增长率、新客户获取量、ARPU提升

步骤5：创建可视化（可选）

如被请求，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
商业仪表板最佳实践

常见可视化图表：

营收趋势图：显示随时间变化的营收线图，叠加增长率
类别表现：按营收贡献排序的条形图
波动性分析：箱线图或标准差可视化
薄弱领域热力图：严重性与影响的视觉呈现

营收趋势图代码示例：

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

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

# 添加营收线
fig.add_trace(
    go.Scatter(x=df['date'], y=df['revenue'], name="营收",
               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="营收表现与增长率")
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模板包含：

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

选项B：生成Markdown报告

创建结构化Markdown文档：

# 商业绩效分析报告

**生成日期：** [日期]
**数据期间：** [期间]

## 执行摘要

[发现简要概述]

## 关键指标

- 总营收：$X
- 平均增长率：X%
- 营收稳定性：[评估]
- 识别出的薄弱领域：X

## 表现趋势

[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：期间营收变化百分比
下滑期间计数：负增长期间的数量
趋势方向：整体轨迹（增长、下滑、稳定）

稳定性分析

变异系数（CV）：衡量营收波动性
- CV < 25%：表现稳定
- CV 25-50%：中等波动性
- CV > 50%：高波动性（标记为薄弱领域）

类别表现

营收贡献：按类别的百分比细分
表现不佳类别：平均表现处于底部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

所有数值列的均值、中位数、标准差
最小值/最大值及范围
总计汇总

商业框架参考

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

营收增长策略：市场渗透、产品开发、市场开发、多元化
运营卓越：流程优化、资源分配、质量管理
以客户为中心的策略：留存计划、客户生命周期价值优化、细分
定价策略：基于价值、动态、竞争性定价
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，以提供情境相关的建议。

有效报告技巧

从大局出发：以整体表现和关键发现开头
按严重性排序：首先关注高严重性问题
具体明确：提供具体数字和百分比，而非模糊评估
行动导向：每个薄弱领域都应有可操作的建议
情境重要：考虑行业基准和业务背景
视觉传达：使用图表使趋势一目了然
适合高管阅读：结构清晰，标题和摘要便于快速浏览

常见薄弱领域与检测

分析自动检测以下常见商业问题：

薄弱领域	检测标准	典型根本原因
营收增长	平均增长率为负	市场饱和、竞争加剧、定位不佳
表现一致性	>40%的期间下滑	缺乏经常性收入、季节性依赖
营收稳定性	CV > 50%	客户集中、需求波动
类别表现	处于底部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，告诉我哪里薄弱以及如何改进”

工作流程：

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

预期输出：

当前商业表现的清晰解释
3-5个带严重性级别的识别薄弱领域
4-6个带具体行动计划战略计划
交互式可视化（如被请求）
专业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：商业战略框架、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HTML模板，包含交互式可视化、用于薄弱领域和策略的样式化卡片以及可打印格式