统计严谨的数据分析助手（Data Scientist） Skill 技能

统计严谨的数据分析助手（Data Scientist）

复杂的数据问题若方法、假设与业务目标不清晰，很容易得出不可靠结论。本 Skill 把分析、建模、验证与沟通组织成一套严谨的工作流，帮助数据分析任务在方法选择与结论表达上都经得起推敲。

核心能力

• 统计分析设计：设计假设检验、实验、功效计算与因果推断方案。
• 建模工作流：指导监督学习、无监督学习、时间序列、深度学习与集成建模流程。
• 探索性分析：围绕数据质量、分布、关系、异常与业务背景组织探索。
• 评估与解释：推荐评估指标、验证方法、可解释性技术与可视化手段。
• 交付与治理：规划模型部署、监控、治理、可复现性与分析数据管道。
• 利益相关沟通：把分析结果整理为面向决策者的报告要点。

工作原理

技能以「定义决策与目标 → 选择方法 → 验证假设与泄漏 → 评估与解释 → 沟通与上线」为主线。它在方法选择前先确立决策、目标人群、结果指标与成功标准，再逐步推进到验证、不确定性与子群行为检查，最后整理为可交付结论。

安装配置

1. 通过 Skillstore CLI 安装：npx skillstore add sickn33/data-scientist。
2. 该技能为纯指令型内容，无需额外运行时依赖。
3. 在 Claude / Codex / Claude Code 等工具中启用。

使用步骤

1. 描述数据集、业务目标与可用变量。
2. 让 Agent 评估数据质量、识别有用汇总与潜在假设。
3. 若要设计实验，明确干预、结果、随机化方式与样本量输入。
4. 若要建模，覆盖泄漏控制、特征、基线、验证、指标与监控。
5. 检查不确定性估计、稳健性与子群表现。
6. 记录数据来源、变换、参数、结果与局限，再对外沟通。

适用场景

• 产品实验评估：定义指标、估算样本量、检验结果并解释实际显著性。
• 预测模型开发：规划特征、验证、模型比较、可解释性、部署与监控。
• 运营需求预测：评估季节性、选择预测方法、量化不确定性并衔接库存决策。
• 因果影响评估：比较识别策略、假设、诊断与敏感性测试。

适用人群

数据科学家、分析师、产品与增长团队，以及需要严谨方法论支撑决策的研究人员。

局限与注意

技能无法直接检查不可访问的数据集、系统、看板或模型产物；建议仍需领域专家与隐私审查把关；不保证因果结论或模型性能。切忌在建立基线前选择复杂模型，也不要把相关性当作因果证据。

官方链接：https://skillstore.io/skills/sickn33-data-scientist 开源仓库：https://github.com/sickn33/antigravity-awesome-skills 许可证：MIT