5. 数据报表分析助手（工作流实践）

本案例通过工作流实现上传Excel数据文件后自动分析数据、生成图表描述和洞察报告的功能。

场景说明

运营部门每周需要对销售数据进行分析，希望通过AI自动完成数据解读、趋势分析和异常检测，生成可读的分析报告。

第一步：编排工作流。

整体工作流结构如下：

开始节点（开启文件上传）
  ↓
文档解析节点（解析上传的Excel/CSV文件）
  ↓
代码运行节点A（数据预处理与统计计算）
  ↓
AI对话节点A（数据概览与趋势分析）
  ↓
AI对话节点B（异常检测与原因推测）
  ↓
文本拼接节点（组合完整分析报告）
  ↓
指定回复节点（输出最终报告）

代码运行节点A（数据预处理）：

// 解析CSV数据并计算基础统计信息
const lines = inputs.fileContent.split('\n');
const headers = lines[0].split(',');
const data = lines.slice(1).filter(l => l.trim()).map(line => {
  const values = line.split(',');
  const obj = {};
  headers.forEach((h, i) => obj[h.trim()] = values[i]?.trim());
  return obj;
});

// 计算基础统计
const totalRows = data.length;
const summary = {
  totalRows: totalRows,
  columns: headers.map(h => h.trim()),
  preview: JSON.stringify(data.slice(0, 5))
};

return { 
  dataSummary: JSON.stringify(summary),
  rawData: JSON.stringify(data)
};

AI对话节点A（趋势分析）的提示词：

你是一名资深的数据分析师。请根据以下数据摘要进行分析：

数据概览：{{dataSummary}}

请完成以下分析：
1. 数据概况：描述数据的时间范围、数据量、主要维度。
2. 关键指标：计算并展示核心指标（如总销售额、平均值、增长率等）。
3. 趋势分析：识别数据中的上升/下降趋势，指出关键转折点。
4. 排名分析：列出表现最好和最差的项目（前3名和后3名）。

输出格式：使用Markdown格式，包含标题、表格和要点总结。

AI对话节点B（异常检测）的提示词：

你是一名数据分析专家，擅长发现数据异常。请根据以下数据和初步分析结果，进行深度异常检测：

数据：{{rawData}}
初步分析：{{trendAnalysis}}

请完成以下工作：
1. 异常值检测：识别明显偏离正常范围的数据点。
2. 环比分析：对比相邻时间段的变化，标注异常波动。
3. 可能原因推测：对每个异常给出2-3个可能的原因。
4. 行动建议：基于分析结果给出3-5条可操作的建议。

输出格式简洁明了，每个异常用⚠️标注。

文本拼接节点（组合报告）：

# 📊 数据分析报告

生成时间：{{当前时间}}

---

## 一、数据概览与趋势分析

{{趋势分析结果}}

---

## 二、异常检测与洞察

{{异常检测结果}}

---

*本报告由AI自动生成，数据解读仅供参考，请结合实际业务情况进行判断。*

第二步：测试与优化。

准备不同格式和规模的测试数据进行验证：

测试1：标准月度销售数据（CSV格式，100行）
测试2：含异常值的数据（某月销售额突增300%）
测试3：多维度数据（按地区、产品线、渠道分别统计）
测试4：数据缺失场景（部分字段为空）

0 条

登录后可以参与评论。

还没有评论，来写第一条吧

#5. 数据报表分析助手（工作流实践）

评论

5. 数据报表分析助手（工作流实践）