随着各机构越来越依赖数据来做出更快、更明智的决策，数据分析技能正变得日益重要。借助 AI，许多数据任务，例如清理数据集、识别趋势和生成洞察，现在可以更高效地完成。AI 技能提供可复用的工作流程和方法，帮助智能体以更清晰的方式执行这些分析任务。本指南将介绍 22 种数据分析技能，帮助你理顺数据工作流程，把原始数据转化为可执行的洞察。
什么是 AI 数据分析技能？
数据分析技能为 AI 智能体提供清晰的指令、工作流程和指导原则，用于处理基础的数据分析任务。它们可以帮助智能体整理数据、清理数据集、识别规律、生成图表、执行基本计算，并总结原始信息中的洞察。
12 种 Kimi 内置的 AI 数据管理与分析技能
Kimi 提供了多种内置 AI 技能，用于简化数据处理、分析和报告生成。无论你是在清理数据集、制作可视化内容，还是生成洞察，这些工具都能帮助你自动完成重复性任务，提高效率。以下是你可以在 Kimi 中体验的 12 种内置 AI 数据管理与分析技能。
| 技能名称 | 技能描述 |
|---|---|
| sql-tutor | 帮助用户编写和优化 SQL 查询，包括将自然语言转换为 SQL、提供查询优化建议以及解读 EXPLAIN 执行计划。当用户需要 SQL 相关帮助时触发，例如直接请求“自然语言转SQL”、“帮我优化这条SQL”、“解释一下这个执行计划”，或提及关键词如 NL2SQL、SQL优化、慢查询、索引建议、全表扫描、SQL调优，以及支持 SQLite 和 PostgreSQL 数据库时。 |
| auto-stat-test | 自动执行统计检验，根据数据特征（组数、正态性、配对设计）智能选择 t 检验、卡方检验、ANOVA、Mann-Whitney U 等合适方法，并输出包含 p 值、效应量和通俗中文解读的完整报告。当用户需要进行假设检验、组间比较、显著性分析，或提及 t 检验、卡方、方差分析、p 值、配对检验、非参数检验等关键词时触发。 |
| corr-insight | 计算变量间的Pearson或Spearman相关矩阵、偏相关分析，并自动识别因混淆变量导致的伪相关。当用户需要检查数据相关性、计算相关系数、进行偏相关分析，或提及伪相关、spurious correlation、混淆变量等关键词时触发。 |
| data-viz-gen | 从 JSON 数据生成自包含的 HTML/SVG 信息图，支持 KPI 统计卡片、分组柱状图对比、流程图和混合仪表盘四种类型，提供 8 套配色方案和 24 个内置图标，输出完全自包含的 HTML 文件，无需外部依赖。当用户需要数据可视化、信息图、图表、仪表盘，或提及生成图表、制作 dashboard、展示统计数据等请求时触发。 |
| dataset-health-audit | 执行数据质量检查，对CSV/Excel/TSV/JSON等表格数据进行12个维度的全面审计，输出质量评分、问题详情和修复建议。当用户需要进行数据质量检测、查看缺失值、重复行、异常值、格式问题、类型混淆，或提及数据质量、质检、数据清洗前检查、异常值检测、格式校验、空值、数据健康度、质量评分等关键词时触发。 |
| cashflow-valuation | DCF现金流折现估值模型，支持完整的自由现金流预测、终值计算和企业价值推导，并生成增长率 × 折现率的敏感性分析矩阵。当用户需要进行企业估值、DCF分析、现金流折现计算、WACC折现、终值计算、敏感性分析、股权价值或每股价值估算，或提及关键词如DCF、估值、折现、现金流、WACC、terminal value、sensitivity analysis、企业价值、equity value、Gordon Growth Model、自由现金流时触发。 |
| stock-finance-profiler | 股票基本面分析工具：基于用户提供的三张财务报表（资产负债表、利润表、现金流量表），计算超过 20 项核心财务指标（涵盖盈利能力、偿债能力、流动性、营运效率、每股指标、现金流和成长能力）并进行详细的杜邦分析。当用户提及财报分析、基本面分析、财务指标计算、杜邦分解、ROE 分析，或使用类似“帮我分析一下这家公司的财报”、“计算一下财务比率”等表述时触发。 |
| financial-report-reader | 财报三表（利润表、资产负债表、现金流量表）深度解读，自动进行同比/环比变动分析并执行多维度财务异常检测（如应收账款暴增、经营现金流与净利润背离、存货积压及毛利率突变等）。当用户需要解读财报、分析三表、做同比/环比比较、检测财务异常信号、评估现金流质量或计算关键财务比率时触发，关键词包括财报、三表、同比、环比、异常检测、应收账款、现金流背离、毛利率、financial statements、earnings report。 |
| trading-strategy-backtest | 将「投资交易策略描述」（含事件驱动、选股、组合）转成可运行的「回测代码」，输出回测结果、可视化图表和分析报告。当用户描述买卖条件、事件后收益、股票池筛选回测等量化场景时触发。 |
| regression-insight | 对 CSV/Excel 数据执行线性回归（OLS）或逻辑回归（Logistic），一键输出完整统计结果（包含回归系数、R²、p值、VIF等）和中文通俗解读。当用户提及回归分析、拟合模型、查看系数显著性、R方、p值、共线性（VIF），或使用关键词如 回归、regression、OLS、logit、拟合、显著性 时触发。 |
| stock-research-report-cn | 生成国泰海通/海通国际风格的证券研究报告。适用于个股研究、行业跟踪、投资简报等金融文档。触发词：国泰海通、海通国际、行业跟踪、股票研究、证券研究。支持国内与国际双模板。 |
| stock-tech-analysis | OHLCV 技术指标分析工具，可从股票OHLCV数据计算15+种常见技术指标（包括MA、MACD、RSI、布林带、KDJ、ATR等），并生成多空信号汇总与综合研判报告。当用户提出技术分析、指标计算、K线分析等请求，或使用具体词汇如“MACD金叉”、“RSI超买”、“均线交叉”、“量价分析”，或直接询问“帮我算一下技术指标”、“分析这段K线的多空信号”时触发。 |
| value-invest-scorer | 巴菲特/格雷厄姆风格的价值投资评估技能，从护城河、管理层、财务、估值四大维度共20个细项对目标公司进行系统性评分（满分100分），并给出综合评级与投资建议。当用户需要进行价值投资分析、基本面打分、护城河或管理层评估、财务健康度检查、估值判断、安全边际计算，或使用诸如“分析一下XX的基本面”、“用巴菲特的方法评估一下这家公司值不值得投”等表述时触发。 |
| weighted-scoring | 加权评分决策矩阵框架，用于技术选型、供应商选择、方案对比等多准则决策场景。引导用户系统化地明确评估维度、分配权重、逐项评分，并通过敏感性分析验证结论的稳健性。当用户提到决策矩阵、加权评分、技术选型、方案对比、供应商评估、build vs buy、多维度打分、权重分配、评分表、选型对比，或询问“选哪个方案好”、“帮我比较几个选项”时触发。 |
| chart-gen | 从JSON数据生成高质量PNG/SVG图表图片，支持折线图、柱状图、面积图、散点图、K线图、饼图/环形图、热力图、多系列图和堆叠图等多种类型。适用于快速可视化数据、生成报告图表、绘制趋势变化等场景。当用户请求“生成图表”、“画个趋势图”、“做个柱状图”、“可视化这些数据”，或提供具体数据并要求“做成图表图片”、“导出为PNG”时触发。 |
| xlsx | 用于电子表格文件高级操作、分析和创建的专业工具，包括（但不限于）XLSX、XLSM、CSV格式。核心功能包括公式部署、复杂格式设置（包括财务任务的自动货币格式设置）、数据可视化、强制后处理重新计算，以及以财务为重点的Excel建模工作流，如三表模型、DCF估值和公开可比公司分析。 |
使用 Kimi 内置的 AI 数据分析技能
按照以下简单步骤，使用 Kimi 内置的 AI 技能，实现更快的数据分析、财务计算和自动化报告生成。
第一步：输入技能指令
在输入框中输入指令 /financial-report-reader，激活 Kimi 的财务数据分析技能。
第二步：开始你的分析任务
激活技能后，描述你希望 Kimi 执行的数据集或财务分析内容。
示例提示词：
随后，Kimi 会自动分析数据、完成所需计算，并生成包含关键洞察的清晰报告，帮助你更快做出决策。
第三步：查看并下载文档
查看生成的报告，进行必要的修改，然后下载最终文档，用于进一步分析、分享或演示。
解锁另外 6 种开源数据分析技能
开源技能为 AI 智能体提供针对不同数据分析任务的专门工作流程。将这些技能安装到 Kimi 中后，你可以自动完成数据处理、进行更深入的分析，并为处理复杂数据集构建更高效的工作流程。以下是 6 种值得尝试的开源数据分析技能。
| 技能名称 | 说明 | URL |
|---|---|---|
| data-analytics-skills | 一套包含 31 种可移植的 AI 技能，覆盖分析师的工作流程，包括数据质量检查、深度分析、文档撰写、仪表盘制作和干系人沟通。 | https://github.com/nimrodfisher/data-analytics-skills |
| d3-visualization-skill | 全面的 D3.js 技能，帮助智能体创建复杂的交互式数据可视化，包括柱状图、折线图、力导向图、桑基图、矩形树图、旭日图和分级统计地图，可用于仪表盘和报告。 | https://github.com/nexu-io/open-design/blob/main/skills/d3-visualization/SKILL.md |
| tufte-data-viz-skill | 应用 Edward Tufte 的数据可视化原则，包括高数据墨水比、简洁的图表设计、直接标注、小倍数图和迷你图，在各类可视化库中创建清晰、易理解的图表。 | https://github.com/caylent/tufte-data-viz |
| mckinsey-style-visualization-skill | 帮助将原始业务笔记转化为面向高管的咨询级可视化内容，包括洞察驱动的标题、视觉层次结构、可复用的幻灯片规范和质量评估框架。 | https://github.com/kgraph57/mckinsey-style-visualization-skill |
| data-visualization-report-skill | 将 CSV、Excel 或 JSON 数据转换为精美的可视化报告，包含 KPI 卡片、Chart.js 图表和数据表格，支持基于模板生成商业和财务场景的报告。 | https://github.com/nexu-io/open-design/blob/main/skills/data-report/SKILL.md |
| analytics-tracking-measurement-strategy | 通过制定测量策略、事件分类体系、数据质量审查和埋点实施流程，帮助设计、审计和改进数据分析追踪系统。 | https://github.com/diegosouzapw/awesome-omni-skills/blob/main/skills/analytics-tracking/SKILL.md |
在 Kimi 中使用开源数据分析技能
按照以下简单步骤，在 Kimi 中安装开源 AI 技能，并用它完成高级数据分析和报告任务。
第一步：输入提示词
打开 Kimi Chat，输入包含所需开源数据分析技能的 GitHub 链接的提示词。
示例提示词：
第二步：让 AI 自动安装技能
Kimi 会根据提供的 GitHub 链接自动下载、配置并准备该技能。安装完成后，该技能即可在你的工作区中使用。
第三步：使用该技能
点击“添加到我的技能”，将已安装的技能添加到 Kimi 中，然后选择“立即体验”将其激活。启用后，上传你的数据集或描述分析任务，该技能可以帮助清洗数据、执行计算、生成洞察，并更高效地生成清晰的报告。
用自定义 AI 技能，让数据分析更进一步
按照以下简单步骤，构建一种自定义 AI 技能，实现数据分析工作流程的自动化，让重复性任务更高效。
第一步：进入“文档转技能”工具
打开 Kimi 技能，点击“文档转技能”。该功能可将你的数据分析文档转换为可复用的 AI 技能。
第二步：上传文件
上传包含你想自动化的知识的电子表格、CSV 文件、报告、SQL 文档、分析指南或工作流程文档。Kimi 会提取关键信息，构建清晰的 AI 技能。
第三步：创建并使用你的技能
查看生成的 AI 技能，根据需要完善其指令，并保存到你的工作区。之后你可以使用自定义技能自动完成数据处理、生成报告，并简化后续的分析任务。
你可以随时对其进行编辑，或将其导出为 .md 文件，用于分享和在其他项目中使用。
使用 AI 数据分析技能的技巧
有效使用 AI 的前提是提供合适的数据和清晰的指令。遵循以下最佳实践，可以提升数据分析技能的准确性，获得更有价值的洞察。
先明确分析目标
为 AI 智能体提供具体的问题、目标和预期输出，帮助它聚焦相关数据，产出更有用的洞察。
分析前准备并核验数据
确保数据集完整、格式规范，且不存在明显错误。干净的数据有助于 AI 智能体产出更准确的分析结果。
根据分析需求选择技能
针对不同任务使用不同技能，例如数据清洗、可视化、报告生成、预测或仪表盘制作。
提供背景信息和业务情境
说明数据集、所属行业、目标受众和决策目标等信息，让 AI 智能体能更准确地解读结果。
审查并完善 AI 生成的洞察
检查分析结果，核实重要发现，并在必要时调整指令，以提升后续输出的准确性和一致性。
结语
无论你是在培养基础的数据分析技能，还是在自动化复杂的工作流程，AI 都能在提升准确性的同时节省时间。扎实的数据分析技能能帮助你更高效地处理信息，做出更好的数据驱动决策。借助 Kimi，你可以使用内置、开源以及自定义的 AI 技能，简化数据分析流程，把原始数据转化为可付诸行动的洞察。