核心用法
Data 技能提供端到端的数据工作流支持，涵盖五大核心模块：查询与提取（SQL生成、API调用、多源整合）、清洗与转换（空值处理、去重、标准化、表连接）、分析与统计（探索性分析、假设检验、洞察挖掘）、可视化与报告（图表生成、仪表盘、多格式导出）以及质量与验证（数据检查、异常检测、漂移监控）。
用户可通过五种模式灵活交互：Analyst 模式专注于SQL查询与数据探索；Engineer 模式侧重数据管道与ETL流程；Business 模式提供KPI仪表盘与业务语言摘要；Researcher 模式强调统计严谨性与可复现性；Developer 模式支持JSON模式生成与API数据处理。
显著优点
1. 全流程覆盖：单一技能整合数据科学完整链路，减少工具切换成本
2. 智能预览机制：关键转换操作前强制展示样本变更，降低误操作风险
3. 多角色适配：五种用户模式精准匹配不同技术背景与业务场景
4. 可复现性保障：自动嵌入随机种子、版本号与时间戳，满足审计与科研需求
5. 显式缺失值处理：强制要求记录处理策略（删除/插补/标记），避免隐蔽数据质量问题
潜在局限
- 执行依赖环境：SQL查询与API调用需配置数据库连接或网络权限，首次使用存在 setup 成本
- 统计方法黑箱：非专业用户可能忽视假设检验前提，导致结论误用
- 可视化风格受限：图表美观度依赖底层库，高度定制化需额外代码介入
- 大规模数据性能：TB级数据处理可能受限于运行环境的内存与计算资源
适合人群
数据分析师、BI工程师、数据工程师、业务运营人员、科研人员、后端开发者。特别适合需要快速原型验证、定期自动化报告、跨部门数据协作的场景。
常规风险
1. 数据泄露风险：连接生产数据库时需确认脱敏策略与访问权限最小化
2. 分析结论偏差：未经验证的统计假设可能导致错误决策，建议关键结论人工复核
3. 管道中断：自动化报告依赖外部数据源稳定性，需配置异常告警与降级方案
4. 版本漂移：数据源schema变更可能破坏既有查询，建议配合质量监控模块使用