数据分析师插件

一款数据分析师插件，主要面向 Anthropic 的智能桌面应用 Cowork 设计——但同样适用于 Claude Code。支持 SQL 查询、数据探索、可视化、仪表盘和洞察生成。可与任何数据仓库、任何 SQL 方言以及任何分析栈配合使用。

安装

claude plugins add knowledge-work-plugins/data

功能说明

该插件将 Claude 转变为一个数据分析师协作伙伴。它帮助你探索数据集、编写优化的 SQL、构建可视化图表、创建交互式仪表盘，并在与利益相关者分享之前验证分析结果。

连接数据仓库时

连接你的数据仓库 MCP 服务器（例如 Snowflake、Databricks、BigQuery 或任何兼容 SQL 的数据库），以获得最佳体验。Claude 将能够：

直接查询你的数据仓库
探索模式和表的元数据
端到端地运行分析，无需复制粘贴
根据结果迭代优化查询

未连接数据仓库时

如果没有连接数据仓库，可以粘贴 SQL 结果或上传 CSV/Excel 文件进行分析和可视化。Claude 还可以编写 SQL 查询供你手动运行，然后分析你提供的结果。

命令

命令	描述
`/analyze`	回答数据问题 —— 从快速查找到完整分析
`/explore-data`	分析和探索数据集，了解其结构、质量和模式
`/write-query`	为你的 SQL 方言编写优化查询，遵循最佳实践
`/create-viz`	使用 Python 创建出版级可视化图表
`/build-dashboard`	构建带筛选器和图表的交互式 HTML 仪表盘
`/validate`	在分享前对分析进行质量检查 —— 方法、准确性和偏差检查

技能

技能	描述
`sql-queries`	跨方言的 SQL 最佳实践、通用模式和性能优化
`data-exploration`	数据剖析、质量评估和模式发现
`data-visualization`	图表选择、Python 可视化代码模式和设计原则
`statistical-analysis`	描述性统计、趋势分析、异常检测和假设检验
`data-validation`	交付前质量检查、合理性检查和文档标准
`interactive-dashboard-builder`	使用 Chart.js、筛选器和样式的 HTML/JS 仪表盘构建

示例工作流

临时分析

你：/analyze 过去12个月按产品线划分的月度收入趋势是怎样的？

Claude：[编写 SQL 查询] → [对数据仓库执行] → [生成趋势图]
       → [识别关键模式："A 产品线同比增长 23%，而 B 产品线持平"]
       → [通过合理性检查验证结果]

数据探索

你：/explore-data users 表

Claude：[剖析表：230 万行，47 列]
       → [报告：created_at 有 0.2% 的空值，email 有 99.8% 的基数]
       → [标记：status 列中有 340 行出现意外值 "UNKNOWN"]
       → [建议："值得探索的高价值维度：plan_type、signup_source、country"]

编写查询

你：/write-query 我需要一个群组留存分析 —— 用户按注册月份分组，
     显示 1、3、6 和 12 个月后仍活跃的用户比例。我们使用 Snowflake。

Claude：[编写优化的 Snowflake SQL，使用 CTE]
       → [添加注释解释每一步]
       → [包含关于分区剪枝的性能说明]

构建仪表盘

你：/build-dashboard 创建一个销售仪表盘，包含月度收入、热门产品
     和区域细分。以下是数据：[粘贴 CSV]

Claude：[生成自包含的 HTML 文件]
       → [包含交互式 Chart.js 可视化]
       → [添加区域和时间段的下拉筛选器]
       → [在浏览器中打开以供查看]

分享前验证

你：/validate [分享分析文档]

Claude：[审查方法论] → [检查流失分析中的幸存者偏差]
       → [验证聚合逻辑] → [标记："分母排除了试用用户，
          可能导致转化率高估约 5 个百分点"]
       → [置信度："可分享，需注明上述注意事项"]

连接你的数据栈

如果你看到不熟悉的占位符或需要检查已连接的工具，请参阅 CONNECTORS.md。

该插件在连接到你的数据基础设施时效果最佳。为以下系统添加 MCP 服务器：

数据仓库：Snowflake、Databricks、BigQuery、Definite 或任何兼容 SQL 的数据库
分析/BI：Amplitude、Looker、Tableau 或类似工具
笔记本：Jupyter、Hex 或类似工具
电子表格：Google Sheets、Excel
数据编排：Airflow、dbt、Dagster、Prefect
数据接入：Fivetran、Airbyte、Stitch

在 .mcp.json 或 Claude Code 设置中配置 MCP 服务器，以启用直接数据访问。