Ein automatisiertes Datenanalysetool, das CSV- und Excel-Rohdaten in umfassende HTML-Berichte mit Bereinigung, Statistiken und Visualisierungen umwandelt.
Installieren & Herunterladen
1. ClawHub CLI
Der schnellste Weg, einen Skill direkt aus der Registry zu installieren.
npx clawhub@latest install auto-data-analyzer-chen
2. Manuelle Installation
Kopiere den Skill-Ordner an einen dieser Orte
~/.openclaw/skills/ <project>/skills/ Priorität: Workspace > Lokal > Integriert (Bundled)
3. Prompt-Installation
Kopiere diesen Prompt in OpenClaw, um ihn automatisch zu installieren.
Hilf mir, auto-data-analyzer-chen über Clawhub zu installieren. Falls Clawhub nicht installiert ist, installiere es bitte zuerst (npm i -g clawhub).
Lieber herunterladen?
Hole dir die rohen Skill-Dateien in einem ZIP-Archiv.
Was ist Auto-Data-Analyzer?
Auto-Data-Analyzer ist eine robuste technische Lösung zur Rationalisierung des Data-Science-Lebenszyklus. Als herausragendes Tool unter den Openclaw Skills automatisiert es die mühsamen Aspekte der Datenvorbereitung und der explorativen Datenanalyse (EDA). Es bietet Entwicklern und Analysten eine standardisierte Methode zur Verarbeitung von Datensätzen und gewährleistet durch systematische Bereinigung und statistische Validierung eine qualitativ hochwertige Ausgabe.
Durch die Nutzung von Branchenstandard-Bibliotheken schließt es die Lücke zwischen der Erfassung von Rohdaten und umsetzbarer Business Intelligence. Unabhängig davon, ob Sie es mit fehlenden Werten oder komplexen Korrelationsmatrizen zu tun haben, stellt dieser Skill sicher, dass Ihre Datengeschichten durch hochauflösende PNG-Diagramme und interaktive HTML-Zusammenfassungen erzählt werden.
Auto-Data-Analyzer Anwendungsfälle
- Unternehmensdatenanalyse: Schnelle Auswertung von Quartalskennzahlen und operativer Effizienz.
- Marktforschungsberichte: Analyse von Konsumtrends und demografischen Veränderungen mit automatisierten statistischen Beschreibungen.
- Nutzerverhaltensanalyse: Identifizierung von Mustern in der Anwendungsnutzung oder Website-Engagement-Daten.
- Verkaufsdatenanalyse: Verfolgung von Umsatzwachstum, saisonalen Schwankungen und Produktleistung mittels Regressions- und Zeitreihenanalyse.
So funktioniert Auto-Data-Analyzer
- Datenaufnahme: Der Skill lädt CSV- oder Excel-Dateien unter Verwendung spezialisierter Datenprotokolle in eine strukturierte Umgebung.
- Automatisierte Bereinigung: Er identifiziert fehlende Werte, erkennt Ausreißer und verarbeitet Duplikate, um die Datenintegrität zu gewährleisten.
- Statistisches Profiling: Das System berechnet Mittelwerte, Mediane, Quantile und Standardabweichungen, um eine mathematische Baseline zu erstellen.
- Visualisierungs-Engine: Erzeugt eine Reihe von Diagrammen, darunter Histogramme, Box-Plots und Heatmaps für die visuelle Entdeckung.
- Erweiterte Modellierung: Führt Korrelations-, Clustering- und Regressionsanalysen durch, um versteckte Beziehungen innerhalb der Variablen zu finden.
- Berichtserstellung: Konsolidiert alle Ergebnisse in einem gemeinsam nutzbaren HTML-Bericht zusammen mit PNG- und CSV-Rohdaten.
Auto-Data-Analyzer Einrichtung
Um diese Funktion in Ihren Workflow zu integrieren, stellen Sie sicher, dass Sie die erforderlichen Abhängigkeiten über pip installiert haben:
pip install pandas numpy matplotlib seaborn scikit-learn
Sie können die Analyse dann über das CLI ausführen, um sofortige Ergebnisse zu erhalten:
python main.py your_data.csv --output report.html
Auto-Data-Analyzer Datenschema & Taxonomie
Der Auto-Data-Analyzer organisiert die Ausgabe in einem strukturierten Verzeichnis, das die folgenden Assets enthält:
| Dateityp | Beschreibung | Verwendung |
|---|---|---|
| HTML | Umfassender Bericht | Finale Präsentation aller Erkenntnisse und Diagramme. |
| PNG | Visualisierungs-Assets | Einzelne Diagramme (Scatter-, Box-Plots) für externe Dokumente. |
| CSV | Statistische Ergebnisse | Tabellarische Daten mit bereinigten Metriken und Koeffizienten. |
Alle Metadaten, einschließlich Versionierung und Autoreninfo, werden über die Standard-Manifeststruktur von Openclaw Skills verwaltet.
Auto-Data-Analyzer Erweiterte Funktionen
- Multi-Modell-Analyse: Beinhaltet Unterstützung für Clustering und Zeitreihenvorhersagen über grundlegende Statistiken hinaus.
- Automatisierte Ausreißerbehandlung: Erweiterte Erkennungslogik zur Vermeidung von Datenverzerrungen in Regressionsmodellen.
- Erweiterbare Visualisierung: Nutzt Seaborn und Matplotlib für hochauflösende Grafikexporte.
- Headless CLI Integration: Perfekt für automatisierte devops Pipelines und Cloud-basierte Datenverarbeitungsaufgaben.
SKILL.md
Laden
Verwandte Openclaw-Skills
Pixel Familiar Identity
Eine umfassende KI-Agenten-Identität und ein SOUL.md-Framework, das darauf ausgelegt ist, umsatzorientierte autonome Geschäftsagenten anzutreiben.
AgentMemory Skill
Ein persistentes Gedächtnis-Framework, das es KI-Agenten ermöglicht, sich an Fakten zu erinnern, Entitäten zu verfolgen und aus vergangenen Erfahrungen über Sitzungen hinweg zu lernen.
Email Sequence Skill
Eine KI-gestützte Copywriting-Engine, die darauf ausgelegt ist, mehrstufige E-Mail-Marketing-Kampagnen mit strategischem Timing und Mobile-First-Formatierung zu entwerfen und zu schreiben.
Knowledge Organizer
Eine hochentwickelte Engine zur Inhaltserfassung, die Artikel und Notizen in strukturiertes Markdown umwandelt, mit automatisierter Synchronisierung mit Obsidian, Feishu und Tencent IMA.
MiniMax PDF OCR
Ein leistungsstarkes OCR-Tool, das die MiniMax Vision API nutzt, um PDF-Dokumente und Bilder in strukturierten Markdown-Text umzuwandeln.
agent-browser-zh
Ein leistungsstarkes, Rust-basiertes Headless-Browser-Automatisierungs-CLI, das für AI-Agenten entwickelt wurde, um über strukturierte Befehle mit dem Web zu interagieren.
Hervorgehoben*
