OpenAI Data Analytics Skills：把分析拆成可检查的工作协议

Sun, 13 Sep 2026 00:00:00 +0000

“最近转化率为什么下降？”一个演示型 Agent 很快就能找表、写 SQL、画折线并列出几个原因。真正交付时，问题才暴露出来：分母是什么，数据是否到齐，渠道结构是否变化，所谓“原因”是计算得到的贡献还是语言模型补出的故事？

Data Analytics Skills 最值得研究的地方，不是某句提示词，而是它把分析工作的责任、交接和完成标准写成了可复用协议。

本文基于公开整理仓库中 15 份 Skill 文档的 2026-10-04 版本进行设计解读。Skill 文本描述期望的工作方式，不等于完整运行架构、线上权限或效果实测。

15 个 Skills 形成五组责任

责任域	Skills	它们要解决的问题
路由与上下文	Index、Gather Business Context、Create Data Context	该不该分析；需要什么临时背景；哪些知识值得长期保存
度量与判断	Design KPIs、Metric Diagnostics、Product & Business Analysis、KPI Reporting、Market Sizing	衡量什么；变化如何构成；证据支持什么决定
可信度	Analyze Data Quality、Validate Data	输入是否适用；计算、方法和结论是否成立
计算与表达	Jupyter Notebooks、Visualize Data	计算是否可复算；图形是否诚实表达问题
交付	Build Dashboard、Build Report、Publish Artifact to Sites	成果如何服务监控、阅读和发布

这不是一条每次都跑完的十五步流水线，也不代表需要十五个独立 Agent。Index 应选择最小够用链，每个 Skill 只承担自己的完成责任。

“为什么转化下降”是指标诊断；“把转化下降做成一页报告”仍要先完成诊断，再组织表达。用户提到报告，不会让原因调查自动完成。相反，查询一个定义清楚的指标，也不应自动扩张成全面业务分析。