Codex 数据分析能力不是”一个万能提示词”，而是一整套 14 个 Skill 组成的技能体系。理解这套架构，你就知道什么时候用什么、怎么组合——像做菜一样，不需要每道菜放全部调料，但得知道哪个阶段放什么。
一、全局认知：14 个 Skill 的五层架构
| 层级 | 名称 | 包含 Skill | 核心职责 |
|---|---|---|---|
| 第 1 层 | 总调度层 | Index Skill | 理解任务意图，分发到对应 Skill |
| 第 2 层 | 数据处理治理层 | 业务理解、KPI 设计、数据质量分析 | 搞清楚”分析什么”和”数据靠不靠谱” |
| 第 3 层 | 数据分析层 | 业务分析、波动分析、图表生成、市场规模、建模 | 做分析、画图、建模型 |
| 第 4 层 | 可视化决策层 | 数据验证、交互看板、KPI 报告、行业报告 | 把分析变成能看懂、能决策的东西 |
| 第 5 层 | 数据沉淀层 | 分析习惯记录、业务理解沉淀 | 把经验留下来，下次更快 |
关键原则：这 14 个 Skill 不是孤立的，而是按分析阶段组合使用。你不必每次走完全部 14 步，但要清楚每个 Skill 适配什么阶段。
二、第 1 层：总调度层 —— Index Skill
你不需要记 14 个 Skill 的名字。只要用自然语言描述需求，Index Skill 自动做三件事：
- 识别任务类型：比如”分析销售下滑原因” → 指标异动归因
- 规划执行路径：业务理解 → 数据质量 → 波动分析 → 报告
- 按序调用 Skill
帮我分析这份销售数据，看看上季度业绩下滑的原因如果自动路由偏了，也可以手动指定：
用 fluctuation-analysis skill 帮我分析 DAU 下降的原因建议：日常用 Index 自动调度，复杂任务手动指定关键 Skill。
三、第 2 层：数据处理治理层
很多人拿到数据就急着画图，结果分析一半发现数据有缺失、指标口径不对、方向跟业务问题没关系。这层 3 个 Skill 就是帮你避开这些坑。
业务理解 Skill（business-understanding）
把模糊的业务问题翻译成清晰的分析框架。老板说”看看数据”，你就丢给它：
我有一份跨境电商的销售数据，老板让我"看看数据"，帮我理清分析思路输出：业务背景判断、核心问题拆解（趋势/结构/异常/对比）、分析维度建议（用户/渠道/商品/时间）、关键假设清单。
KPI 设计 Skill（kpi-design）
把业务目标翻译成可测量的指标，避免”指标看着热闹、跟目标无关”。
数据质量分析 Skill（data-quality）
先体检：缺失值、异常值、重复记录、口径不一致——数据不合格，后面全白搭。
四、第 3 层：数据分析层
- 业务分析：多维度拆解（用户/渠道/商品/时间）
- 波动分析：指标异动归因，找出为什么涨/为什么跌
- 图表生成：自动产出符合场景的可视化
- 市场规模：TAM/SAM/SOM 类估算
- 建模：分类/回归/聚类等，输出可解释结论
五、第 4 层：可视化决策层
- 数据验证：结论可追溯（口径、样本、误差说清楚）
- 交互看板：把核心指标做成可筛选的看板
- KPI 报告：给管理层的周报/月报
- 行业报告：带行业对标的分析报告
六、第 5 层：数据沉淀层
- 分析习惯记录：沉淀每次分析的高效套路
- 业务理解沉淀：把行业/业务知识留存，下次分析更快更准
这两层看着”不产出”，但决定了你越用越快。
七、怎么开始用
三步走：
- 安装 Codex（见 Codex 安装与使用），设置
analysisprofile - 从 Index Skill 开始：用自然语言提一个真实业务问题
- 观察它调用了哪些 Skill，逐步掌握每个 Skill 的触发时机
小结
- Codex 数据分析 = 14 个 Skill × 5 层架构，按阶段组合使用
- 总调度 Index 自动路由，复杂任务手动指定
- 治理层保证”分析对、数据对”，沉淀层保证”越用越快”
下一篇：Codex 配置与定制，把工具调成顺手的样子。
