School Data Analysis

---
name: school-data-analysis
description: '学校综合数据分析报告生成工具。整合教学成绩、师资、招生、财务等维度数据， 生成校领导所需的综合数据看板和趋势分析报告。 触发词：「数据分析」「学校数据」「数据看板」「学校报表」「综合数据分析」

  '
metadata:
  short-description: 学校数据分析 · 用数据看清学校全貌
  routing:
    scenarios:
    - name: 数据分析
      keywords:
      - 数据分析
      - 学校数据
      - 数据看板
      - 学校报表
      - 综合数据
      - 统计报表
    - name: 数据报告
      keywords:
      - 数据报告
      - 分析报告
      - 学校概况
      - 数据汇总
      - 学校统计
    typical_users:
    - 校长
    - 副校长
    - 校办主任
    subjects: []
    trigger_intents:
    - intent: 数据分析
      weight: 1.0
      keywords:
      - 数据分析
      - 学校数据
      - 数据看板
      - 学校报表
      - 统计报告
      - 数据报告
    disambiguation:
    - similar_skill: 成绩分析-SKILL
      differentiator: 学校数据分析 整合教学/师资/招生/财务多维度数据；成绩分析 仅聚焦考试成绩
    - similar_skill: 教学质量管理-SKILL
      differentiator: 学校数据分析 提供综合数据报表；教学质量管理 聚焦教学环节的质量监控
    skill_chain:
      upstream:
      - 成绩分析-SKILL
      - 师资分析-SKILL
      downstream:
      - 学校规划-SKILL
      parallel: []
    confidence_rules:
      high: 用户提到分析维度+时间段+对比需求
      medium: 用户说'分析学校数据'+ 有关注方向
      low: 用户只说'看数据'
      fallback_prompt: 好的，帮您生成数据分析报告。请问关注哪些维度（教学/师资/招生/综合）？哪个时间段？需要对比什么？
  brand: AI老汤+AI云朵
  version: 2.0.0
  grade: S
  priority: P1
  tags:
  - 数据分析
  - 学校数据
  - 管理报表
  - 校领导
  - 校长驾驶舱
  author: 🏛️ 云端学校 · AI老汤（汤幸初）
  source: AI老汤 · 自研
  scope_contract:
    管什么:
    - 学校综合数据报告
    - 多维度数据看板
    - 趋势分析和对比
    - 数据可视化建议
    不负责:
    - 替代学校财务审计
    - 编造不实数据
  preconditions:
  - raw_request
  - has_data
  postconditions:
  - analysis_complete
  - output_report
  security_level: high
---

# 学校数据分析 Skill · v2.0

## 一句话启动

打开就说「**分析学校数据**」，不用先描述格式。

## 核心心智模型

**模型1：先问"决策是什么"，再决定"分析什么"**——数据分析的起点不是"有什么数据"，是"要做什么决策"：调整师资配置、优化课程结构、向上级报材料——不同决策需要完全不同的分析。没有决策问题的分析是数字搬运。依据：决策导向的数据分析范式（DIKW模型的决策层）。应用：接到分析需求先问"这份分析给谁看、用来决定什么"，再定分析框架。局限：数据盘点类任务（摸清家底）本身可以是目的，此时按全景框架出。

**模型2：口径一致是比较的前提**——"师资短缺"的判断依赖口径：师生比口径（国标）、课时口径（实际任课）、学科口径（结构性缺员）结论可能完全不同。分析报告必须声明口径，跨期比较必须同口径。依据：教育统计的口径规范。应用：每项分析开头列"数据口径说明"（时间范围/统计对象/计算方法）；跨学期对比先做口径对齐检查。局限：上级报表的固定口径与校本分析口径并行时，两套结果分开呈现。

**模型3：数据说事实，解读留给人**——数据能说"三年级班额超标12%"，不能说"三年级教学质量差"——从事实到结论之间隔着解读，解读受多方因素影响，是管理层与研究者的职责。AI 出事实与结构化呈现，结论性判断标注"供参考"。依据：数据伦理与AI边界（效率层给AI/判断层留给人）。应用：报告的"发现"部分只陈述数据事实，"建议讨论的问题"部分以问句呈现。局限：公认强因果链的简单事实（如教室超标必然影响安全）可直接提示。

## 决策启发式

1. **一页纸原则**——给决策层的分析报告一页讲清：三个发现、两张图、一个待决问题。
2. **趋势比横截面重要**——单一时点的数字会骗人，三年趋势不会；能用趋势就不用横截面。
3. **结构比总量重要**——"教师总量够"可能掩盖"语数外过剩、音体美短缺"的结构问题；分析必须下钻到结构。
4. **异常值单独看**——某班某指标异常高/低，先查数据质量（录入错误）再查真实原因。
5. **每张图能被外行看懂**——图例完整、单位标清、口径注明；需要解释三句以上的图重画。

## 执行规范

老师说"帮我分析学校数据"即可。缺信息先问：什么主题（教学/师资/招生/学生）、数据在哪、给谁看什么用途。信息齐了，按需做四样：

1. 数据口径说明：时间范围/统计对象/计算方法——分析的可信度地基。
2. 现状分析：核心指标的结构化呈现（总量+结构+趋势三层）。
3. 对比分析：跨期对比（同口径）/对标对比（与区域均值或国标）。
4. 决策支持页：三个发现 + 待决问题（问句形式）——一页给管理层。

## 检查点

🔴 **动手前**：决策问题确认——"给谁看、决定什么"没答案不出框架。

🔴 **中途**：数据质量核查——异常值先查录入再查原因；缺失数据标注不硬补。

🔴 **交付前**：口径声明与图表可读性终检——外行三句内看懂的图才合格。

## 输出规范

- 分析报告含口径说明、现状、对比、决策支持页四部分；总长控制在三页内。
- 图表每张带图例/单位/口径注释。
- 结论性表述用"数据显示…，可能的影响方向包括…（供讨论）"，不用断言句。

## 失败与异常处理

1. **数据源打架**（不同系统数字不一致）：并列呈现两源数字与各自口径，标注差异待核；不擅自选边。
2. **历史数据缺失**：如实标注缺口，分析框架降级（趋势分析退化为现状分析）；不插值编造历史。
3. **分析触敏感区**（如成绩与教师排名挂钩的诉求）：按隐私与公平原则拒绝个体化排名输出，改出班级/年级层面分析。
4. **管理层要"结论先行"**：可以按需调整呈现顺序，但事实与解读的分隔标注保留。

## 边界与提醒

- 学生成绩的深度教学诊断转 edu-analysis；本技能管校级宏观决策分析。
- 涉及个体隐私的数据（学生/教师个人信息）脱敏后分析，输出不留个体标识。
- **不替代**：管理层的数据解读与决策——AI 出事实与问题，拍板是校务会的事。
- **接不住就转**：成绩的难度区分度分析转 edu-analysis；招生政策研判转办公室对外口径。

## 版本日志

| 版本 | 日期 | 说明 |
|---|---|---|
| 1.0 | 2026-10-21 | 初版：四维分析框架 |
| 2.0 | 2026-10-22 | S级升级：三模型（决策先行/口径一致/数据说事实）+5启发式+检查点+失败处理 |

---

*AI老汤（汤幸初）出品 · 深圳市云端学校*


---


## AI 公约
本技能遵循 agent-constitution 12 条规则。