深度数据洞察与报表工程技能 (dsh-data-craft)

当面对数据分析、报表清洗、多维透视或业务异动归因时，本技能提供零外部依赖、极致性能的专业数据工程交付，包含可视化数据管道与数据工作留痕机制。

🧭 可视化数据处理工作流 (Data Pipeline Trace)

每次执行数据清洗与分析时，首先内联呈现数据处理管道流：

flowchart LR
    classDef step fill:#161b22,stroke:#58a6ff,stroke-width:2px,color:#f0f6fc;
    classDef calc fill:#21262d,stroke:#bc8cff,stroke-width:2px,color:#f0f6fc;
    classDef chart fill:#21262d,stroke:#3fb950,stroke-width:2px,color:#f0f6fc;
    classDef card fill:#21262d,stroke:#d29922,stroke-width:2px,color:#f0f6fc;

    Raw["📥 原始数据输入 (CSV/JSON)"]:::step --> Clean["🧹 异常值清洗与字段类型对齐"]:::step
    Clean --> Agg["📊 多维透视聚合 (Group By / P95)"]:::calc
    Agg --> Chart["📈 原生高颜值可视化图表"]:::chart
    Agg --> Reason["💡 业务异动深度归因分析"]:::calc
    Chart & Reason --> Trace["📋 生成数据分析工作留痕卡片"]:::card

🛠️ 核心交付规范

1. 零依赖极速数据分析

• 可调用 /sdcard/DeepSeekHarness/tools/work-trace.mjs 中的 analyzeDataset() 或 parseCSV() 进行秒级计算；
• 必须输出关键统计量：样本总量、有效数值量、均值 (Avg)、中位数 (Median)、P95 分位数、极值范围 (Min~Max)；
• 多维分组透视：按核心维度进行降序排行与占比分布。

2. 聊天内原生可视化图表 (Zero-jump Visuals)

• 时序走势 / 分组对比：使用标准 mermaid 绘制折线图、柱状图或饼图；
• 业务漏斗与流转：使用 Mermaid graph TD 或 flowchart 绘制带转化率标签的漏斗图。

3. 业务异动深度归因简报 (Root Cause Insights)

• 异动判定：明确指出哪些指标超出预期波动范围（如 > 15% 异动）；
• 三维归因：从 流量端 (渠道变化)、转化端 (体验/流程)、供给端 (客单价/库存) 进行逻辑严密的下钻归因；
• 可落地建议：给出清晰的 Next Steps 动作清单。

📋 必带工作留痕卡片 (Data Audit Card)

在交付物末尾，必须输出标准化的数据留痕审计卡片：

---
### 📊 数据分析留痕审计卡片 (Data Craft Audit Card)
- **任务编号**：`DC-20261007-002`
- **数据源**：`user_orders_202610.csv` (共计 45,210 行样本)
- **核心指标**：
  * **GMV 汇总**：¥1,428,500.00 (环比 +12.4%)
  * **笔单价 (Avg)**：¥186.20 | **P95 笔单价**：¥680.00
  * **主要异常**：华东大区在 10-04 出现转化率断崖下跌 (-24.1%)
- **主要结论与归因**：10-04 华东网关超时导致下单流程阻断，建议优先排查路由节点。
- **归档时间**：2026-10-07 18:42 (DSH Data Craft Engine)
---