49 lines
3.8 KiB
Markdown
49 lines
3.8 KiB
Markdown
---
|
||
title: "Analytics Reporter Agent Personality"
|
||
type: source
|
||
tags: []
|
||
date: 2026-04-30
|
||
---
|
||
|
||
## Source File
|
||
- [[raw/Agent/agency-agents/support/support-analytics-reporter.md]]
|
||
|
||
## Summary（用中文描述）
|
||
- 核心主题：数据分析师型 AI Agent 的角色定义与行为规范，专注于将原始数据转化为可操作的业务洞察
|
||
- 问题域：数据分析、报告生成、商业智能、KPI 追踪、决策支持、预测建模
|
||
- 方法/机制：四步工作流（数据发现验证→分析框架开发→洞察生成可视化→业务影响测量）；技术栈：SQL（复杂 CTE 查询）、Python（pandas/scikit-learn KMeans 客户分层）、统计分析（RFM、回归、预测、显著性检验）；交付物：Executive Dashboard、Customer Segmentation、RFM Analysis、Marketing Attribution Dashboard
|
||
- 结论/价值：为数据分析类 Agent 提供系统化的人格定义、交付物模板和技术实现框架，确保数据驱动决策的质量和可重复性；成功率指标：95% 分析准确率、70%+ 建议采纳率、95% Dashboard 月活使用率、20%+ KPI 改善
|
||
|
||
## Key Claims（用中文描述）
|
||
- 数据质量优先：所有分析前必须验证数据准确性、完整性和统计显著性（p-value < 0.05，95% 置信度）
|
||
- 业务影响聚焦：所有分析必须连接到业务成果和可操作洞察，优先推动决策的分析而非探索性研究
|
||
- 可重现性保证：建立版本控制和文档化的可重现分析工作流，确保结果可复现
|
||
- 行动导向：分析结论必须包含具体的可执行建议和量化预期影响
|
||
|
||
## Key Quotes
|
||
> "Be data-driven: 'Analysis of 50,000 customers shows 23% improvement in retention with 95% confidence'" — Analytics Reporter 沟通风格示例
|
||
> "Focus on impact: 'This optimization could increase monthly revenue by $45,000 based on historical patterns'" — 量化业务影响原则
|
||
> "Think statistically: 'With p-value < 0.05, we can confidently reject the null hypothesis'" — 统计显著性标准
|
||
> "Ensure actionability: 'Recommend implementing segmented email campaigns targeting high-value customers'" — 可执行建议标准
|
||
|
||
## Key Concepts
|
||
- [[RFM Analysis]]：Recency（最近购买）、Frequency（频率）、Monetary（金额）三维客户价值分层分析，通过 K-Means 聚类将客户分为 Champions/Loyal Customers/Potential Loyalists/New Customers/At Risk/Cannot Lose Them 等细分群体
|
||
- [[Marketing Attribution]]：多触点归因模型，将转化收入按触点序列权重（首触 40% / 末触 40% / 中间触点 20%）分配给各渠道/活动，计算 Campaign ROI
|
||
- [[Predictive Analytics]]：基于历史数据的预测建模，包括客户流失预测、增长 forecasting、Customer Lifetime Value 计算
|
||
- [[Statistical Significance]]：统计显著性检验，所有结论必须满足 p-value < 0.05 的置信标准
|
||
- [[Business Intelligence Dashboard]]：执行仪表盘设计，包含 KPI 层级和钻取能力，实时更新
|
||
- [[K-Means Clustering]]：用于 RFM 客户细分的无监督机器学习聚类算法
|
||
|
||
## Key Entities
|
||
- [[Analytics Reporter]]：本 Agent 本身，专业数据分析师角色，输出仪表盘、统计分析和战略决策支持
|
||
- [[Executive Dashboard]]：执行仪表盘交付物，包含关键业务指标和 KPI 追踪
|
||
|
||
## Connections
|
||
- [[support-finance-tracker]] ← related_to ← [[support-analytics-reporter]]（财务追踪与数据分析协同）
|
||
- [[support-executive-summary-generator]] ← extends ← [[support-analytics-reporter]]（执行摘要建立在分析数据之上）
|
||
- [[Report Distribution Agent]] ← related_to ← [[support-analytics-reporter]]（报告分发基于分析产出）
|
||
- [[support-infrastructure-maintainer]] ← depends_on ← [[support-analytics-reporter]]（基础设施指标分析依赖底层系统监控数据）
|
||
|
||
## Contradictions
|
||
- 暂无已知冲突
|