核心定位
通用数据分析专家是一款基于数据本体论的智能分析技能，其最大特点在于零硬编码规则——所有分析决策均通过大模型实时推理完成，而非依赖预设关键词匹配。
核心用法
用户仅需上传数据文件（CSV/Excel/Parquet/JSON等）或发送自然语言指令（如"分析这份数据""探索规律"），系统将自动执行七步流程：数据加载→本体识别→质量校验→方案规划→脚本生成→执行分析→综合报告输出。全程无需用户指定分析方法或编写代码。
显著优点
1. 智能本体识别：LLM自动判断数据实体类型（零售交易/传感器时序/社交网络/文本语料等）和生成机制，匹配领域公认分析框架（如RFM、LTV、时间序列分解、社区发现等）。
2. 全场景覆盖：同时支持经济型数据（零售、订阅、金融、劳动力市场）和非经济型数据（科学测量、地理空间、生物医学），突破了传统BI工具的商业分析局限。
3. 工程鲁棒性：v1.1.0新增编码容错机制，自动检测utf-8/gbk/latin1等编码；C引擎失败时回退Python引擎；步骤级健康监控与清晰错误提示。
4. 可复用资产：输出包含完整提示词文件（ontology/planning/script）、Python脚本、HTML/Markdown双格式报告及图表，支持审计与复现。
潜在局限
1. 计算成本：每步均调用LLM推理，大规模数据集或高频分析场景下token消耗显著。
2. 黑箱风险：方法论选择依赖模型判断，专业用户难以强制指定特定统计检验或算法。
3. 执行边界：生成Python脚本在沙箱环境执行，复杂依赖或大规模数据可能受运行时限制。
适合人群
- 分析师/研究员：快速探索未知数据集，生成分析假设
- 业务人员：无需编程即可获得专业级数据洞察
- 数据工程师：获取清洗建议与质量报告作为ETL参考
常规风险
- 数据隐私：上传文件传输至LLM服务，敏感数据需脱敏或确认合规
- 幻觉传导：LLM推理错误可能导致方法论误配，关键决策需人工复核
- 结果不确定性：相同数据多次运行可能因模型随机性产生差异输出