Case 25｜让 AI 当你的数据分析师：从一个链接到交互仪表板
WorkBuddy 案例集 · 第 25 篇 分类：数据分析与可视化
一、场景描述
我不是数据分析师，但我花了 2 分钟，让 AI 帮我完成了一份涵盖 3,144 个美国县的贫困数据分析——从数据下载、字段解释、分布统计、异常诊断，到一个完整的交互仪表板，再到多年数据管道的架构设计。一句话触发，全程不用写代码。
这是一个对任何人类分析师来说都要花至少半天的任务。对 WorkBuddy，是 2 分钟。它没有让我一步一步喂数据、选列、选图表类型——它直接规划了整个分析链路，然后自动执行：加载技能 → 自动规划 6 步任务清单 → 下载数据 → 口径确认 → 分布分析 → 异常诊断 → 生成仪表板 → 设计 ETL 管道。
如果你手边有一个公开数据集想搞清楚，不需要会 Python，不需要会 SQL，不需要会数据可视化。给 WorkBuddy 一个链接，说清楚你想知道什么——它会帮你把整条链路跑完。你只需要看结果、做判断。
二、想要完成的任务
用 WorkBuddy 的 data-analysis-workflows 技能，基于 USDA ERS 县级贫困估计（2023）Excel 数据，一句话完成"贫困水平分布+异常县诊断+与失业/收入联动假设"分析，并生成包含 4 KPI+3 图+1 明细表的交互仪表板与多年数据管道表结构设计。
三、使用的 Skill
| Skill / 能力 | 用途 | 来源 | 所需权限 |
|---|---|---|---|
| data-analysis-workflows 技能 | 专为数据分析场景设计，覆盖从数据探索到可视化到仪表板的完整流程 | WorkBuddy 内置技能 | WorkBuddy 账号 |
| curl 命令 | 下载 USDA ERS 官网 Excel 文件（726KB） | 内置能力 | 网络访问 |
| Python openpyxl | 解析 Excel 两个 Sheet（Poverty Data 2023、Variable Descriptions） | 第三方库 | 本地 Python 环境 |
| Chart.js | 生成深色主题的交互 HTML 仪表板 | 第三方库 | 浏览器 |
| Todo 任务清单 | 自动规划 6 步任务清单，从上到下依次推进 | 内置能力 | WorkBuddy 账号 |
四、前置条件
- 已安装并登录 WorkBuddy 客户端
- 本机已安装 Python3 与 openpyxl 库（
pip install openpyxl） - 本机可访问网络用于下载 USDA ERS Excel 数据
- 已明确分析需求（分布分析、异常诊断、联动假设、仪表板、数据管道）
- 已有数据下载地址（如 USDA ERS poverty-estimates-2023.xlsx）
五、在 WorkBuddy 中的操作
步骤 1：加载技能并自动规划 6 步任务清单
收到需求后，WorkBuddy 第一步加载 data-analysis-workflows 技能，然后拆出一个 6 步任务清单：① 下载 Excel 并用 openpyxl 探索表结构；② 读取 Variable Descriptions Sheet 确认 34 个字段口径；③ 分离 US 总行/51 州/3,144 县行并计算全国分布；④ IQR 法识别各州离群县与州级 Top/Bottom 排名；⑤ 定义双分位阈值识别异常县 Top 20；⑥ 生成完整 HTML 仪表板与 ETL 管道设计。 关键步骤：加载 data-analysis-workflows 技能，自动规划 6 步任务清单。
步骤 2：下载数据并确认字段口径
用 curl 命令直接下载 USDA ERS 官网 Excel 文件（726KB），然后用 Python 解析两个 Sheet：Poverty Data 2023（3,144 条县级数据，34 个字段）和 Variable Descriptions（每个字段的完整口径说明）。关键发现：这个数据集有完整的 90% 置信区间（CI）字段——每个估计值都带了上下界。CI 宽度中位数 ±5.2pp，最宽 25.4pp。数据集无失业率字段，需外补 BLS LAUS 数据。 关键步骤：curl 下载 Excel，openpyxl 解析 34 个字段口径，发现需外补 BLS LAUS 失业率数据。
步骤 3：分布分析（全国/州内/离群县）
分离 US 总行/51 州/3,144 县行 → 计算全国分布（均值 14.5%，最高 49.6%）→ IQR 法识别各州离群县 → 州级 Top/Bottom 排名（LA 18.9% 最高 / NH 7.3% 最低）。 关键步骤：分离 3 层数据行，IQR 法识别离群县，州级排名 LA 最高 NH 最低。
步骤 4：异常诊断 Top 20（贫困率高但失业率不高）
定义双分位阈值：贫困率 ≥ P75（17.4%）且中位收入 ≥ P50（$62,862）→ 识别 23 个异常县 → Top 20 逐一标注假说（大学城/监狱人口/农业季节工/原住民社区/收入极化）。 关键步骤：双分位阈值识别 23 个异常县，Top 20 逐一标注假说。
步骤 5：生成交互仪表板与 ETL 管道设计
生成完整 HTML 仪表板（Chart.js 深色主题）：4 KPI 卡 + 频率分布图 + 州对比图 + 贫困率×收入散点图 + 异常县 Top 20 明细表 + ETL 管道设计。启动本地服务器预览。 关键步骤：生成包含 4 KPI+3 图+1 明细表的交互 HTML 仪表板，并启动本地服务器预览。
六、提示词或任务指令
| 步骤 | 指令 | 作用 |
|---|---|---|
| 1 | 根据 USDA ERS 的县级贫困估计（2023）Excel，请你做一次"贫困水平分布 + 异常县诊断 + 与失业/收入的联动假设"分析。要求：字段解释与口径确认、分布分析（全国/州内/离群县）、异常诊断 Top 20（贫困率高但失业率不高）、最小可用仪表板设计（4 KPI + 3 图 + 1 明细表）、多年数据管道表结构设计。数据下载地址：https://www.ers.usda.gov/.../poverty-estimates-...2023.xlsx | 一句话触发完整分析链路 |
七、在 WorkBuddy 中的效果
交付物
- 3,144 个美国县的贫困数据完整分析报告
- 34 个字段的口径确认表（点估计/比率/置信区间/收入估计/缺失字段）
- 全国分布统计（均值 14.5%，最高 49.6%）
- 州级 Top/Bottom 排名（LA 18.9% 最高 / NH 7.3% 最低）
- 23 个异常县诊断结果（Top 20 逐一标注假说）
- 完整 HTML 交互仪表板（4 KPI+3 图+1 明细表，Chart.js 深色主题）
- 多年数据管道 ETL 表结构设计
结果证明
字段口径梳理结果表
| 类型 | 代表字段 | 说明 |
|---|---|---|
| 点估计（人数） | POVALL_2023 | 贫困人口绝对数 |
| 比率（%） | PCTPOVALL_2023 | 贫困率 |
| 置信区间 | CI90LB/UB* | 90% 上下界，中位宽度 ±5.2pp |
| 收入估计 | MEDHHINC_2023 | 中位家庭收入 |
| ⚠️ 缺失 | 无失业率字段 | 需外补 BLS LAUS 数据 |
人类分析师 vs WorkBuddy 对比表
| 维度 | 人类分析师 | WorkBuddy |
|---|---|---|
| 耗时 | 至少半天 | 约 2 分钟 |
| 数据下载 | 手动下载整理 | curl 自动下载 |
| 字段口径 | 逐字段阅读文档 | openpyxl 自动解析 |
| 分布分析 | 手写 SQL/Python | 自动计算全国/州内/离群县 |
| 异常诊断 | 手动筛选排序 | 双分位阈值自动识别 Top 20 |
| 仪表板 | 手工搭建 | Chart.js 深色主题自动生成 |
| 数据管道 | 单独设计 | ETL 表结构一并输出 |
| 编程能力 | 需要 Python/SQL | 不需要 |
八、验收标准
- [ ] 一句话指令能触发 WorkBuddy 自动加载 data-analysis-workflows 技能
- [ ] 自动规划 6 步任务清单并依次推进
- [ ] curl 成功下载 USDA ERS Excel 文件（726KB）
- [ ] openpyxl 解析两个 Sheet（Poverty Data 2023 3,144 条、Variable Descriptions）
- [ ] 确认 34 个字段口径，识别出 90% CI 字段与缺失的失业率字段
- [ ] 全国分布计算正确（均值 14.5%，最高 49.6%）
- [ ] IQR 法识别各州离群县，州级排名正确（LA 18.9% 最高 / NH 7.3% 最低）
- [ ] 双分位阈值（P75 17.4% + P50 $62,862）识别 23 个异常县，Top 20 逐一标注假说
- [ ] 生成完整 HTML 仪表板（4 KPI 卡 + 频率分布图 + 州对比图 + 散点图 + Top 20 明细表）
- [ ] 仪表板使用 Chart.js 深色主题，启动本地服务器可预览
- [ ] 输出多年数据管道 ETL 表结构设计
- [ ] 全程不用写代码，2 分钟内完成