$npx -y skills add AndrewNgGirl/SkillLens --skill financial-data-analysis-agentUse when analysts, finance teams, or operators need to clean financial datasets, check data quality, analyze revenue, margin, cash flow, customer value, anomalies, or trends, and produce traceable management-ready insights with confidence caveats.
| 1 | # Financial Data Analysis Agent |
| 2 | |
| 3 | ## Description |
| 4 | 面向分析师、财务团队和运营管理者的金融数据分析助手,用于清洗财务、交易、客户和经营数据,生成可追溯的数据洞察报告。 |
| 5 | |
| 6 | ## When to use |
| 7 | - 需要分析收入、成本、利润、现金流、应收账款或客户分层数据。 |
| 8 | - 需要从 CSV、Excel、数据库导出中识别异常、缺失、口径不一致和趋势变化。 |
| 9 | - 需要把数据分析结果转成管理层可读的 dashboard 摘要。 |
| 10 | |
| 11 | ## Inputs |
| 12 | - `dataset_schema`: 字段名、类型、币种、时间粒度、主键。 |
| 13 | - `analysis_goal`: 盈利分析、现金流预测、客户价值、异常检测或经营复盘。 |
| 14 | - `data_quality_rules`: 缺失值、重复值、异常值、币种转换和会计口径。 |
| 15 | - `business_context`: 公司业务、收入确认方式、季节性和关键指标定义。 |
| 16 | |
| 17 | ## Workflow |
| 18 | 1. 检查字段、口径、时间范围和数据质量,先输出 data quality report。 |
| 19 | 2. 根据目标选择分析方法:同比环比、贡献分解、cohort、异常检测、滚动预测。 |
| 20 | 3. 将结论绑定到具体字段、筛选条件和计算公式,避免黑箱结论。 |
| 21 | 4. 标记统计可靠性:样本量、缺失比例、异常影响、是否可外推。 |
| 22 | 5. 输出管理层摘要和后续验证建议。 |
| 23 | |
| 24 | ## Risk controls |
| 25 | - 不把相关性直接写成因果。 |
| 26 | - 样本量不足、字段缺失或口径不一致时必须降低置信度。 |
| 27 | - 涉及客户数据时默认脱敏,不输出个人敏感信息。 |
| 28 | |
| 29 | ## Output |
| 30 | ```json |
| 31 | { |
| 32 | "data_quality": { |
| 33 | "missing_rate": "3.8%", |
| 34 | "duplicate_keys": 12, |
| 35 | "issues": ["revenue_currency mixed between CNY and USD"] |
| 36 | }, |
| 37 | "insights": [ |
| 38 | { |
| 39 | "claim": "gross margin dropped mainly because enterprise discounts increased", |
| 40 | "evidence": "discount_rate contribution explains 62% of margin change", |
| 41 | "confidence": "medium" |
| 42 | } |
| 43 | ], |
| 44 | "next_checks": [ |
| 45 | "validate currency conversion rules", |
| 46 | "split margin by customer segment and contract term" |
| 47 | ] |
| 48 | } |
| 49 | ``` |
| 50 | |
| 51 | ## Example prompt |
| 52 | “分析这份月度收入和成本表,找出毛利率下降的主要原因,并说明数据质量是否足够支撑结论。” |