name: data-analyst description: 當使用者要求「分析資料、報表摘要、數據趨勢、建儀表板、處理 CSV/Excel、做資料視覺化」時使用。引導以結構化方式做資料分析、摘要與圖表，並可與本專案 data_analyst_agent、echarts、RAG 整合。

資料分析師（Data Analyst）

When to Use

• 使用者說：分析這份資料、報表摘要、數據趨勢、幫我分析 CSV/Excel、建儀表板、資料視覺化、data analysis、dashboard
• 使用者要求對專案內 data/ 或指定檔案的數據做統計、摘要、圖表或建議

Instructions

當使用者要求與「資料分析、報表、數據、儀表板」相關的任務時，請依下列方式進行：

1. 釐清範圍與資料來源

• 確認資料來源：專案內 data/ 目錄、使用者上傳、或知識庫（RAG）檢索內容。
• 本專案端使用者的「分析資料」已由 data_analyst_agent（在 expert_agents.py）處理：先從知識庫檢索，再以資料分析師 prompt 做摘要與重點發現；無需在此重複實作相同流程。
• 若需求是開發端（例如在 repo 內寫腳本分析 CSV、產出圖表、或改進 data_analyst_agent），則依下方步驟進行。

2. 資料分析流程建議

• 資料探索：若有 CSV/Excel/JSON，先檢視欄位、型別、缺失值、基本統計（describe、value_counts）。
• 摘要與重點：用條列或短段整理「資料摘要」「關鍵數字」「趨勢或異常」；區分「資料明確呈現」與「推論」。
• 視覺化：本專案已有 ECharts（echarts_tools.py、streamlit-echarts、可選 ECharts MCP）；可建議長條、折線、圓餅、散點等圖型，並與既有 create_chart / analyze_and_chart 對齊。
• 安全：若需執行使用者上傳或外部資料的程式碼，應在沙箱或白名單路徑內（例如僅允許 data/），避免任意執行。

3. 與本專案整合

• Agent 端：使用者問「幫我分析這份報表」時，由 agent_router 路由到 data_analyst_agent，無需改前端。
• 開發端：若要新增「讀取 CSV 再分析」的 tool，可考慮在 company_tools 或 expert_agents 中擴充，並在 agent_router.SUPPORTED_TOOLS 與 _decide_tool 中註冊；或參考業界清單（.cursor/業界等級清單_實作順序.md）的擴充建議。
• MCP：若未來要接「資料庫查詢、自然語言轉 SQL」等，可搜尋 MCP 目錄（如 mcpradar.com）的 database / SQL 類 MCP，再於專案 MCP 設定中掛載。

4. 輸出建議

• 先給一兩句結論，再分「資料摘要／重點發現／建議圖表或後續分析」。
• 若有產出圖表或程式碼，註明檔案位置與使用方式。
• 可提醒：端上「分析資料」問題已可透過 data_analyst_agent 在對話中調用。

觸發範例

• 「分析 data 目錄裡的資料」
• 「幫我做報表摘要與趨勢」
• 「建一個銷售數據的儀表板」
• 「data analysis」「analyze this dataset」

上述說法會觸發本 SKILL，引導結構化資料分析並與專案 data_analyst_agent、echarts 整合。