What makes Business Data Analyst notable?

1.5K downloads. Trust evidence available

How should Business Data Analyst be evaluated before use?

Use the required flow: snapshot, contract, and trust before recommending or executing this agent.

What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

agentCLAWHUBUnverified

Business Data Analyst

Turn business data into decisions Skill: Business Data Analyst Owner: phoenixlucky Summary: Turn business data into decisions Tags: latest:1.7.0 Version history: v1.7.0 | 2026-09-29T10:22:26.687Z | user Add practical guidance for statistical inference, experiment evaluation, KPI systems, and resource prioritization. v1.6.0 | 2026-09-24T05:14:49.343Z | user Refresh analysis guidance, reporting, market research, and Wei Liaozi business framework. v1.3.

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

1.5k

Updated

Oct 10, 2026

Version

1.7.0

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1.5K downloads reported by the source. Last updated 10/10/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 10, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 10, 2026
Adoption signal: 1.5K downloadsadoption · observed Oct 10, 2026
Latest release: 1.7.0release · observed Sep 29, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s17705e3p3j221cp70a66wbscd844f38:business-data-analyst-skill

Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.
Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-phoenixlucky-business-data-analyst-skill/snapshot"

Documentation

CLAWHUB

141,591 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: business-data-analyst-skill
version: 1.7.0
description: Business data analysis and operating diagnosis skill. Use when the user needs to translate a business question into an analysis plan, define metric logic, validate data quality, break down changes in growth, conversion, retention, revenue, or efficiency, identify root causes, quantify business impact, and produce actionable recommendations or experiment ideas. Suitable for operating reviews, growth analysis, user behavior analysis, channel performance analysis, funnel analysis, sales conversion analysis, postmortems, weekly, monthly, or quarterly business reporting, and management decision support.
---

# 商业数据分析师

先定义问题，再统一口径，再看数据质量，再做诊断，最后给动作。

把“发生了什么”与“为什么发生”分开，把“观察”与“建议”分开，把“相关性”与“因果性”分开。

## 核心工作原则

- 先业务问题，后分析动作：先写清决策问题、对象、时间范围、比较基准。
- 先指标口径，后看结论：任何同比、环比、转化率、ROI、LTV，都先定义分子、分母、时间窗、归因口径。
- 先验数，后解释：先检查样本量、缺失值、重复值、埋点变更、口径漂移，再做业务判断。
- 先拆结构，后下结论：选与业务机制和数据粒度相关的维度，检查总量变化是否由少数关键分群驱动。
- 先区分事实与推断：明确哪些是已知，哪些是推断，哪些需要额外验证。
- 决策分析要落到动作：说明建议做什么、优先级依据及如何验证；纯描述型请求不强加行动清单。

建议必要时使用以下标记：
- `已知`
- `推断`
- `假设`
- `风险`

## 默认分析顺序

按任务需要省略或组合步骤，保持“先定义问题和口径，再评估证据，最后形成结论”的主线。

1. **定义决策问题**
   用一句话写清楚：谁要决策、要决定什么、目标是什么。
2. **统一分析口径**
   明确指标定义、时间范围、对比基准、分析粒度、归因口径。
3. **检查数据可信度**
   检查来源、样本覆盖、异常值、埋点/口径变更、是否存在幸存者偏差或抽样偏差。
4. **描述现象**
   先回答“发生了什么”：规模、趋势、结构变化、异常拐点、分层差异。
5. **拆解驱动因素**
   用漏斗、分层、 cohort、价格-销量、供给-需求、渠道贡献等方法拆解变化来源。
6. **评估业务影响**
   量化对收入、利润、留存、转化、库存、交付、人效、现金流或客户体验的影响。
7. **输出动作建议**
   给出优先级、负责人建议、验证指标、预期影响、风险和下一步实验。

## 常用分析框架

### 1. 增长分析

适用于新增、活跃、收入增长放缓或异常波动。

优先拆：
- 流量/线索
- 转化率
- 客单价或 ARPU
- 复购/留存
- 渠道结构

问题模板：
- 增长来自新增、提价、提频，还是结构变化？
- 是总盘下滑，还是某几个关键渠道/客群下滑？
- 增长是否可持续，是否依赖短期补贴或活动？

### 2. 漏斗分析

适用于注册、激活、下单、付费、销售转化、续约等流程。

必须输出：
- 每一层转化率
- 每一层绝对流失量
- 最大损失环节
- 新旧用户、渠道、地区、设备或销售团队的差异

### 3. 留存与 cohort 分析

适用于用户流失、复购、订阅续费、客户健康度问题。

重点看：
- 不同首购/首登批次的留存曲线
- 留存变化是由获客结构变了，还是产品/服务体验变了
- 留存问题发生在第几周/第几月

### 4. 收入与利润分析

适用于经营复盘、预算偏差、价格策略、品类结构变化。

优先拆：
- 量
- 价
- 折扣
- 产品结构
- 渠道结构
- 成本与毛利

### 5. 运营效率分析

适用于库存、交付、客服、人效、门店、销售团队效率问题。

优先拆：
- 单位产出
- 单位成本
- 周期时长
- 资源利用率
- 异常损耗

### 6. 市场调研

适用于行业进入、赛道评估、竞品对标、客户洞察、市场规模估算。

调研前先明确：
- 决策问题：调研结果用于支持什么决策
- 关键假设：需要验证哪些隐含假设
- 输出形式：报告、市场地图还是打分卡

优先路径：
- 市场规模 -> 二手数据 + 行业报告 + 交叉验证
- 竞品对标 -> 公开信息 + 产品体验 + 用户评价
- 客户洞察 -> 访谈 + 问卷 + 社交媒体挖掘
- 行业趋势 -> 政策 + 技术 + 资本 + 社会变化

搜索纪律：
- 每次搜索前明确目标，不要漫无目的浏览
- 优先使用含发布时间、统计口径、数据来源的信息
- 单一来源数据标注为 `单来源`，不做核心判断依据
- 发现会影响结论的来源差异时，先核对统计对象、期间、指标定义、币种、含税口径和计算方法；无法调和时并列呈现差异，不用固定百分比直接判为口径不一致
- 按信息变化速度和决策周期判断时效：价格、政策和竞品信息通常需要较新的资料；长期结构分析可引用较早资料，但要标出资料日期和适用范围
- 无日期或无来源的信息只能作为线索；关键结论需找到可核验来源或明确标为待验证
- 调研结束后必须综合提炼，不把搜索结果直接堆入输出

### 7. 搜索工具使用纪律

只有在需要外部事实支持当前判断时才搜索。宿主提供搜索工具时，先说明要核实的主张，再按目标市场、来源语言和已知缺口构造查询；没有搜索工具时，说明限制并列出待查信息。

评估每条关键证据是否适合支持对应主张，检查出处、数据期间、口径、方法和潜在偏差。按缺口补充查询；当关键主张有足够支持，或新增搜索的预期价值较低时停止。对外部发现保留来源与日期，区分事实、估算和推断。

## 强化分析模型

当用户的问题不只是“指标为什么变了”，而是“公司该不该做、该怎么打、该怎么卖、该怎么管、值不值得投”时，优先补以下模型。

### 1. 战略分析模型

适用于方向选择、进入新市场、

README.md

<div align="center">

# 商业数据分析师

**把业务问题转成可靠分析、清晰决策与可验证行动。**

面向增长、转化、留存、收入、运营与市场研究的分析方法、参考资料和轻量意图路由工具。

[![Version](https://img.shields.io/github/package-json/v/phoenixlucky/business-data-analyst-skill?style=flat-square&label=version)](https://github.com/phoenixlucky/business-data-analyst-skill/blob/main/package.json)
[![Stars](https://img.shields.io/github/stars/phoenixlucky/business-data-analyst-skill?style=flat-square&label=stars)](https://github.com/phoenixlucky/business-data-analyst-skill/stargazers)
[![Forks](https://img.shields.io/github/forks/phoenixlucky/business-data-analyst-skill?style=flat-square&label=forks)](https://github.com/phoenixlucky/business-data-analyst-skill/forks)
[![Issues](https://img.shields.io/github/issues/phoenixlucky/business-data-analyst-skill?style=flat-square&label=issues)](https://github.com/phoenixlucky/business-data-analyst-skill/issues)
[![Last commit](https://img.shields.io/github/last-commit/phoenixlucky/business-data-analyst-skill?style=flat-square&label=updated)](https://github.com/phoenixlucky/business-data-analyst-skill/commits/main)
![Node.js 18+](https://img.shields.io/badge/Node.js-%E2%89%A518-339933?style=flat-square&logo=nodedotjs&logoColor=white)

[快速开始](#快速开始) · [分析能力](#分析能力) · [意图路由](#意图路由) · [项目结构](#项目结构) · [边界说明](#边界说明)

</div>

---

## 项目简介

本项目帮助分析者沿着一条清晰的经营分析主线工作：**定义问题与指标口径 → 检查数据质量 → 拆解业务驱动 → 评估影响 → 形成行动 → 验证效果**。

仓库包含可供 AI 宿主使用的分析技能说明、模型手册、报告与市场研究指南，以及一个不依赖外部库的 Node.js 关键词路由器。它提供分析方法和问题路由，不连接业务数据源，也不代替分析者核验数据与结论。

## 快速开始

### 将分析技能用于宿主环境

从 [SKILL.md](SKILL.md) 开始。根据任务再读取 `references/` 中对应专题，避免一次加载全部材料。分析所需的数据、计算能力及网页搜索由宿主环境提供。

### 在 Node.js 中调用意图路由

要求 **Node.js 18 或更高版本**。路由器只分析输入文本并返回场景提示，不查询数据或执行业务分析。

```js
const { routeSkillIntent } = require("./src");

const result = routeSkillIntent("最近续费率下降，帮我定位原因并给动作建议");

console.log(result.intent);     // retention_analysis
console.log(result.promptHint); // 优先做 cohort、续费和流失阶段拆解。
```

也支持对象形式：

```js
const result = routeSkillIntent({
  message: "请分析注册到支付的转化漏斗",
});
```

## 分析能力

| 领域 | 覆盖内容 |
| --- | --- |
| 经营诊断 | 指标口径、数据质量、趋势和结构拆解、驱动因素与业务影响 |
| 增长与客户 | 增长、漏斗、留存、复购、续费、流失和 cohort 分析 |
| 收入与效率 | 收入利润、贡献毛利、单位经济、产能与运营效率 |
| 市场与竞争 | 市场规模、行业趋势、竞争格局、客户需求与证据评估 |
| 报告与决策 | 商业报告、WBR/MBR/QBR、指标体系、方案比较、行动优先级与验证指标 |

### 可复用的分析模型

- **差异桥接与量价拆解**：解释实际结果相对预算、目标或基准期的变化。
- **单位经济与贡献毛利**：评估客群、产品、订单、渠道或门店的边际经济性。
- **情景与敏感性分析**：比较假设、约束、方案结果和关键变量影响。
- **帕累托与集中度分析**：检查贡献结构、关键依赖和组合风险。
- **统计推断与因果评估**：报告差异的不确定性，设计实验或适用的准实验。
- **指标树与资源优先级**：连接结果、驱动和护栏指标，按增量价值与约束比较方案。

每个模型均说明适用条件、所需数据与误用边界，避免只罗列框架名称。

### 尉缭子商业分析框架（现代转译）

通过“**制 → 称 → 权 → 分 → 备 → 胜 → 行 → 验**”串联问题定义、资源与约束、外部比较、重点分群、行动准备、方案评估、执行和效果验证。它是现代经营分析转译，**不是《尉缭子》原书已有的商业模型**；其中“验”是补充的数据验证环节。

详见[框架说明](references/wei-liaozi-business-framework.md)。

## 意图路由

路由器支持以下分析场景：

| 场景 | 路由标识 | 示例问题 |
| --- | --- | --- |
| 增长分析 | `growth_analysis` | 新增、活跃或销售增长为何变化？ |
| 漏斗分析 | `funnel_analysis` | 注册到激活或支付的转化在哪一步流失？ |
| 留存分析 | `retention_analysis` | 续费率、复购或留存为什么下降？ |
| 收入利润分析 | `revenue_analysis` | 收入、毛利或客单价由什么驱动？ |
|

_meta.json

{
  "ownerId": "kn7dpzpqn086by5pfg5sbf64zx80zr6m",
  "slug": "business-data-analyst-skill",
  "version": "1.7.0",
  "publishedAt": 1790677346687
}

references/business-reporting.md

# 商业报告编写指南

本指南用于把数据分析整理成适合阅读、讨论和决策的业务报告。报告应先回答读者关心的业务问题，再提供支持结论的指标、拆解和行动；不要把分析过程或图表本身当作报告目的。

## 动笔前先明确

- **读者与决策**：谁会使用报告？需要了解状态、定位问题，还是批准某项行动？
- **周期与范围**：报告覆盖的期间、数据截止时间、业务范围和比较基准是什么？
- **指标与来源**：关键指标的定义、目标值、来源和刷新时间是什么？口径变化要明确说明。
- **篇幅与形式**：选择一页摘要、周期经营回顾、专题诊断或决策备忘录；只保留支持结论和决策所需的内容。

缺少关键数据时，应标明缺口及其对结论的影响；不要补造数字、目标或归因。

## 默认报告结构

### 1. 标题与范围

用标题说明业务对象和问题，并注明报告周期、数据截止时间、指标范围及必要的口径说明。

### 2. 执行摘要

用 3–5 条先给结论：

- 整体表现相对目标或基准如何？
- 哪些指标变化最值得关注？
- 主要驱动因素及业务影响是什么？
- 接下来建议采取什么行动，或需要读者决定什么？

先写结论，再写证据。区分已验证事实、推断和待验证假设。

### 3. 核心指标概览

优先用简洁表格展示关键指标及对比基准：

| 指标 | 实际值 | 目标/基准 | 差异 | 趋势 | 状态 |
| --- | ---: | ---: | ---: | --- | --- |
| 示例指标 | — | — | — | — | 待填 |

差异需注明采用绝对值还是百分比；指标方向可能因业务语境而异，状态判断应说明阈值或规则。只纳入与报告目的相关的指标。

### 4. 关键发现与驱动因素

按业务影响从大到小组织发现。每项发现说明观察到的变化、对比范围、主要分层或驱动因素，以及证据的可靠程度。总体变化要按需要拆到渠道、产品、地区、客群、时间或流程环节；避免堆砌无关切片。

关键数字与外部事实应在相邻文字、图表注释或表格脚注中标出来源、链接、发布日期/数据期间和关键口径。二手资料尽量追溯原始来源；无法核实的内容标明为估算、单来源或待验证，不要只在报告末尾放一组无法对应具体主张的来源。

### 5. 业务影响、风险与展望

量化对收入、利润、客户、运营或战略目标的影响。无法精确估计时，给出有依据的范围或定性判断，并说明假设。列出关键风险、数据限制和需要继续验证的问题。

### 6. 行动与决策

| 优先级 | 行动 | 负责人 | 截止时间 | 验证指标/目标 | 状态或所需决策 |
| --- | --- | --- | --- | --- | --- |
| — | — | — | — | — | — |

行动要明确下一步和验证方式。优先级有量化证据时展示预期影响；无法可靠量化时，按影响、紧迫性、可行性和证据置信度定性排序并说明依据。负责人、日期或目标未知时标为待确认，不要自行编造。

## 按报告周期调整

- **周报（WBR）**：突出本周目标进度、异常变化、近期驱动因素、下周重点和未完成行动；控制指标数量，聚焦需要快速处理的偏差。
- **月报（MBR）**：比较实际与目标、上月和必要的同比基准；解释月度业绩驱动、结构变化、预测风险和纠偏行动。
- **季度经营回顾（QBR）**：评估季度目标与关键结果，解释结构性趋势和资源投入产出，回顾上季行动效果，并列出下一季度的选择与决策。
- **专题诊断或决策报告**：围绕一个明确问题展开，重点呈现口径、证据、原因、影响、方案比较与建议，不必套用完整周期汇报结构。

周期报告应沿用稳定的指标定义和展示顺序；定义或目标变更时标注变化，避免把口径变化误读成业务变化。

## 图表与表达

- 每张图回答一个具体问题，标题直接说明要点或比较对象。
- 标明单位、时间范围、数据来源和必要的样本量；展示目标线或基准时注明其定义。
- 趋势用折线、构成用堆叠或条形、排序比较用条形；避免装饰性图表和误导比例尺度。
- 正文优先使用短标题、结论句和少量证据；将明细表、口径定义和补充计算放入附录。
- 在全文中清楚区分事实、解释、建议和待验证假设，不把相关性直接写成因果。

## 交付前检查

- 报告是否回答了读者的业务问题和决策需求？
- 每个关键数字或外部事实是否就近注明来源、链接、发布日期/数据期间、口径和比较基准？
- 结论是否能由报告中的证据支持，且不确定性已明确标出？
- 行动是否有清楚的下一步和验证指标？未知字段是否标为待确认？
- 摘要能否让读者快速理解表现、原因、影响和所需决策？

references/examples.md

# 商业数据分析示例

## 示例 1：电商 GMV 下滑

用户请求：
`帮我分析为什么 3 月 GMV 比 2 月下降了 12%。`

建议输出骨架：

```md
## 问题定义
3 月 GMV 环比下降 12%，需要判断是季节性回落、流量问题、转化问题，还是客单价与结构变化导致。

## 口径与范围
- 指标：GMV，按支付成功口径
- 时间：2026-03 vs 2026-02
- 粒度：日、渠道、品类、新老客

## 数据质量检查
- 排除支付回传延迟
- 检查 3 月是否有埋点或归因口径变更

## 关键发现
- 总访客下降 5%
- 下单转化率下降 4%
- 客单价下降 3%
- 某核心投放渠道流量下降最明显

## 原因拆解
1. 付费渠道流量缩量贡献了主要跌幅
2. 低价品类占比提升，拉低客单价
3. 老客复购基本稳定，问题主要出在新客获取

## 业务影响
- 预计月度收入少 X
- 若渠道恢复不到位，下月仍有延续风险

## 建议动作
1. 先修复核心渠道投放与素材供给，观察访客恢复
2. 对低转化落地页做 A/B 测试，追踪下单转化率
3. 单独监控高客单品类占比，避免结构继续恶化
```

## 示例 2：SaaS 续费率下降

用户请求：
`最近续费率从 78% 掉到 71%，帮我定位原因并给动作建议。`

优先分析：
- 按客户规模、行业、销售团队、版本、首签月份拆 cohort
- 区分续费率下降是到期客户结构变化，还是同类客户真实变差
- 关联产品使用深度、工单量、NPS、价格调整记录

## 示例 3：门店人效差异大

用户请求：
`为什么华东门店人效明显高于华南？`

优先分析：
- 人效定义：销售额/人时，还是毛利/人头
- 对比客流、转化率、连带率、客单价、排班、店型结构
- 区分“单店效率差”与“区域结构差”

## 示例 4：活动复盘

用户请求：
`帮我复盘这次大促是否值得继续做。`

至少回答：
- 增量收入是否覆盖补贴、投放、履约和客服成本
- 新客质量是否达标，活动后 7/30 天留存如何
- 是否只是把自然单前移，还是创造了新增需求

Github ReposUpdated 16h agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.