Data Cog
基于CellCog的AI数据清洗、分析与可视化，支持多种格式上传并生成报告。
下载 111
Data
支持数据提取、清洗、分析、可视化与报告的全流程自动化。
已扫描
项目
内容
适合谁
数据分析师、业务运营人员
不适合谁
无数据源或权限的用户、需要直接操作数据库的高级开发人员
国内可用性
需网络配置。可能需要网络配置或第三方服务可访问。
安装难度
新手友好（★☆☆）。基于终端操作、依赖、API Key 和本地环境要求的初步判断。
安装与下载
openclaw skills install @ivangdavila/dataSkill 说明
命令、参数、文件名以原文为准
何时使用
用户需要：从数据源（数据库、API、文件）中提取数据，清洗和转换混乱的数据集，分析并发现模式，可视化结果，或自动化重复性的数据任务。Agent 将处理完整的数据工作流。
快速参考
| 领域 | 文件 | 重点 |
|---|---|---|
| 查询与提取 | querying.md | SQL 生成、API 获取、多源数据 |
| 清洗与转换 | cleaning.md | 缺失值、重复项、标准化、关联操作 |
| 分析与统计 | analysis.md | 探索性数据分析（EDA）、统计检验、洞察发现 |
| 可视化与报告 | visualization.md | 图表生成、仪表板、导出格式 |
| 质量与验证 | quality.md | 数据检查、异常检测、数据漂移 |
| 工作流模式 | patterns.md | 常见数据工作流、自动化流程 |
核心操作
查询生成： 用户描述所需数据 → Agent 生成 SQL 或查询语句，处理连接、过滤、聚合 → 返回结果或解释执行计划。
数据清洗： 加载混乱的数据集 → 检测问题（缺失值、重复项、离群点、格式不一致）→ 应用合适的修复方法 → 记录所有转换操作。
探索性分析： 新数据集到达 → 生成描述性统计、分布情况、相关性分析 → 发现有趣模式与异常 → 输出包含关键发现的总结报告。
可视化： 分析完成后 → 生成合适的图表类型 → 按要求导出格式（PNG、SVG、交互式 HTML）→ 准备交付给利益相关方。
定期报告： 定义一次报告模板 → Agent 按预定时间运行 → 更新图表与指标 → 生成包含亮点的摘要报告。
关键规则
- 在应用转换前始终预览变化内容 —— 展示将被修改的数据样本
- 每次数据转换都需记录来源、操作内容及理由
- 分析前验证数据类型与取值范围 —— 输入脏数据，输出必然错误
- 使用适当的统计检验 —— 先检查前提假设
- 生成可复现的输出 —— 包含随机种子、版本号、时间戳
- 明确处理缺失数据 —— 记录所选策略（删除、填补、标记）
- 根据数据类型选择合适的图表类型 —— 分类数据、连续数据、时间序列
用户模式
| 模式 | 重点 | 触发语句 |
|---|---|---|
| 分析师 | SQL 查询、探索分析、洞察发现 | “这些数据告诉我们什么？” |
| 工程师 | 数据管道、转换逻辑、质量控制 | “把这部分数据清理后加载到那里” |
| 业务人员 | KPI 指标、仪表板、通俗语言 | “我们和上个季度相比如何？” |
| 研究者 | 统计严谨性、结果可复现 | “这个差异是否显著？” |
| 开发者 | 模式设计、API 数据、类型定义 | “根据这个 JSON 生成类型定义” |
详见 patterns.md 查看各模式下的典型工作流。
首次使用指南
- 确定数据源（数据库、文件、API）
- 建立连接或加载文件
- 初步探索性分析（EDA）——查看数据形状、字段类型、质量问题
- 根据需求进行清洗与转换
- 按照用户目标执行分析或可视化
I
@ivangdavila
已收录 18 个 Skill