data-storytelling

data-storytelling skill 概覽

data-storytelling skill 的作用

data-storytelling skill 可協助把原始分析整理成能支援決策的溝通內容。它不只停留在圖表，而是會引導你把發現組織成具備脈絡、張力、洞察與行動建議的敘事。當你的真正工作不只是「分析資料」，而是「說清楚哪些重點重要，以及接下來該怎麼做」時，這個 skill 特別有價值。

最適合用於報告撰寫與利害關係人溝通

這個 data-storytelling skill 很適合分析師、營運人員、顧問、創辦人，以及需要向主管或非技術讀者解釋指標的報告撰寫者。尤其適合 data-storytelling for Report Writing、季度回顧、董事會更新、投資人簡報與建議備忘錄等情境。

與一般 prompt 有何不同

一般 prompt 可能只能把數字摘要出來；data-storytelling skill 則提供可重複使用的溝通框架，例如 setup、conflict、resolution；hook、context、rising action、climax、resolution、call to action；以及資料、敘事與視覺三者之間的平衡。這種結構能降低一種常見失敗情境：分析本身雖然正確，卻讓人看完沒有記憶點。

安裝前使用者該先在意什麼

採用前最關鍵的問題其實很簡單：你需要的是有說服力的解釋，還是單純的分析輸出？如果你的對象必須理解重要性、取捨與下一步行動，這個 skill 就有明顯價值。若你只需要 SQL 協助、產生圖表或原始指標摘要，那它單獨使用可能就太偏高層了。

儲存庫包含哪些內容

這個 skill 很輕量。從 repository 可見，它只有一個 SKILL.md 作為主要指引，沒有額外腳本、規則或參考資源。這代表安裝很簡單，但輸出品質會高度取決於你的 prompt 品質，以及你提供的資料脈絡是否完整。

如何使用 data-storytelling skill

data-storytelling 安裝情境

先從上層 repository 安裝這個 skill，再在你的 AI 工作流程中呼叫它：

npx skills add https://github.com/wshobson/agents --skill data-storytelling

由於這個 skill 位於 plugins/business-analytics/skills/data-storytelling，你實際安裝的是一套用於分析溝通的敘事框架，而不是可直接執行的分析工具鏈。

先讀這個檔案

先從這份開始：

• SKILL.md

這個 skill 沒有額外提供 README.md、rules/、resources/ 或輔助腳本，因此幾乎所有實際價值都來自你是否真正理解並用好 SKILL.md 裡的框架。

這個 skill 要吃哪些輸入，效果才會好

data-storytelling skill 在你提供的不只是資料傾倒時，表現會最好。建議至少給它：

• 受眾：高階主管、客戶、經理、董事會、投資人、客戶端
• 格式：報告、memo、投影片大綱、brief、口頭更新
• 要支援的決策：投資、刪減、排優先順序、診斷、說明
• 核心指標與時間區間
• 基準或比較點
• 最重要的發現
• 已知限制或不確定性
• 期待的行動

如果沒有這些輸入，模型還是能寫出一個故事，但很可能表面流暢，卻和實際商業決策脫節。

把模糊目標改寫成強 prompt

弱目標：

• 「Write a data story about churn.」

較強的 data-storytelling usage prompt：

• 「Use the data-storytelling skill to turn this churn analysis into a report section for a VP of Customer Success. Audience is non-technical. Goal is to justify retention investment for Q3 planning. Use setup-conflict-resolution. Start with a strong hook, explain the baseline, identify the most important driver, quantify business impact, note confidence limits, and end with 3 recommended actions.」

這樣的 prompt 會更好，因為它把受眾、決策、結構與預期結尾都界定清楚了。

建議的 prompt 模板

若你想要更穩定的結果，可使用這樣的模板：

• Objective：這份報告要達成什麼
• Audience：誰會閱讀
• Data：關鍵數字、趨勢、比較
• Context：變化了什麼，為什麼重要
• Constraints：語氣、篇幅、格式、確定程度
• Output request：敘事結構、建議搭配的視覺、建議行動

範例：

• 「Apply the data-storytelling skill. Write a 500-word executive summary for a quarterly business review. Data: revenue +8% QoQ, gross margin -3 pts, churn concentrated in SMB accounts, CAC rising 12%. Context: leadership deciding whether to shift budget from acquisition to retention. Include hook, context, rising action, key insight, recommendation, and next steps.」

這種寫法能讓 data-storytelling skill 更清楚知道你要的是什麼成品。

data-storytelling for Report Writing 的建議工作流程

一個實用的 data-storytelling for Report Writing 流程如下：

1. 先抽出真正重要的少數幾個指標。
2. 找出張力所在：下滑、落差、風險、機會、意外。
3. 明確選定決策者受眾。
4. 請模型先起草敘事弧線。
5. 檢查「climax」是否真的是最影響決策的洞察。
6. 等故事線穩定後，再補上視覺化建議。
7. 砍掉所有無助於主決策的內容。

這個順序很重要。很多弱報告一開始就塞太多圖表，等到最後才發現根本沒有清楚的主線故事。

如何挑對框架

原始 skill 強調幾種耐用的結構。實務上可以這樣選：

• 當你需要簡潔的 memo 或報告段落時，用 Setup → Conflict → Resolution
• 當你需要簡報或高階主管 walkthrough 時，用較完整的敘事弧
• 當草稿失衡時，用資料、敘事、視覺這三個支柱來校正

有個很實用的安裝判斷方式：如果你的團隊常常做出「有趣，但不知道能怎麼用」的分析，那這個 skill 很可能值得導入。

好輸入長什麼樣子

比較好的輸入，通常同時具備「比較關係」與「決策連結」，例如：

• 「Conversion dropped from 4.2% to 3.1% after pricing changes」
• 「Enterprise renewals offset SMB churn, masking segment risk」
• 「Support backlog rose 28% while NPS fell 6 points」
• 「The business choice is whether to hire support staff or reduce onboarding friction」

這些都比單獨丟數字來得強，因為它們能自然形成張力，也能說明為什麼這件事值得被關注。

常見使用錯誤

多數不理想的 data-storytelling usage，通常都來自以下幾種錯誤：

• 只要求「寫一個有說服力的故事」，卻沒交代受眾
• 只給指標，卻沒有基準值
• 略過建議行動
• 把所有觀察到的模式都硬塞進同一段敘事
• 用描述性資料硬推因果結論
• 把視覺元素當裝飾，而不是證據支撐

這個 skill 最有效的用法，是把訊息收斂到一個核心洞察，以及一條清楚的行動路徑。

這個 skill 在一般分析工作中的位置

data-storytelling skill 不會取代分析、資料清理或圖表製作。它的位置是在那些步驟之後。比較穩健的工作流是：先完成分析，再用這個 skill 把發現包裝成一個即使高階主管快速瀏覽，也能抓到重點的敘事。

建議要求哪些輸出形式

實用的輸出要求包括：

• executive summary
• board-ready memo
• quarterly review narrative
• investor update section
• slide-by-slide outline
• insight-to-action brief
• annotated chart captions

如果你只要求它「寫一個故事」，常常只會得到有文采、但不利決策的內容。更好的做法是直接指定商務文件類型。

data-storytelling skill 常見問題

data-storytelling skill 適合初學者嗎？

適合，前提是你手上已經有資料或分析結果。它的框架本身簡單、容易上手。不過初學者常常還是不容易判斷哪一個洞察最重要，因此在起草前，明確要求模型先依商業影響排序發現，會很有幫助。

什麼時候該用它，而不是一般摘要 prompt？

當受眾需要被說服、需要理解脈絡，且需要看到建議行動時，就該用 data-storytelling skill。如果你只需要把結果做事實性的摘要，一般 summary prompt 就夠了。

這個 skill 只能拿來做簡報嗎？

不是。它同樣適用於報告、memo、高階主管 email、季度回顧與面向投資人的文字材料。它的核心價值在於敘事結構，而不只是投影片本身。

data-storytelling install 會附圖表或自動化功能嗎？

沒有證據顯示這個 skill 內建腳本、圖表工具或自動化能力。data-storytelling install 提供的是溝通框架，不是視覺化引擎，也不是報告產線。

可以拿來面對技術型受眾嗎？

可以，但它對混合型或非技術型受眾的價值更高。若讀者非常技術導向，你可能會想採用更直接的結構，減少敘事包裝，並補充更多方法論細節。

什麼情況下不適合用這個 skill？

以下情況建議略過：

• 你還沒驗證分析是否成立
• 受眾只想看原始表格或技術附錄細節
• 決策本身很單純，不需要說服
• 你更需要的是特定領域的統計嚴謹性，而不是溝通結構

它和 slide-writing skill 有什麼不同？

slide-writing skill 著重的是格式與簡報流程；這裡的 data-storytelling guide 重點則是先把證據整理成有意義的訊息。你可以在寫投影片、報告或口頭簡報之前先套用它。

如何改進 data-storytelling skill 的使用效果

從決策開始，不要從資料集開始

想提升 data-storytelling 輸出的最快方法，就是先定義這個故事要支援哪個決策。「Summarize this dashboard」很弱；「Help leadership decide whether churn warrants retention investment」就強得多。

明確提供張力

故事一定要有衝突。如果你的 prompt 沒有提供，模型可能會自行補出戲劇性，或寫出平淡無力的內容。請直接點出張力，例如：

• 成長上升，但利潤率下降
• 營收增加，但留存惡化
• 某些區隔的成長掩蓋了其他區隔的流失
• 表面指標改善，但營運風險上升

在寫故事前先排洞察優先順序

在要求最終敘事前，先請模型做這件事：

• 找出前 3 個發現
• 依商業重要性排序
• 選出 1 個作為核心訊息
• 說明它應影響哪個決策

這能避免一個常見問題：第一版草稿試圖同時講五個故事。

補上基準與比較

比較會讓敘事更可信。你可以這樣強化 data-storytelling guide 的輸入：

• 前一期 vs 本期
• 目標 vs 實際
• 區隔 vs 區隔
• 介入前 vs 介入後
• 內部趨勢 vs 市場基準

沒有比較的故事，讀起來往往只像描述，而不是洞察。

控制確定性的程度

一個很常見的失敗模式，是把資料其實證明不了的事情講得太滿。請明確告訴模型：這些發現是描述性的、方向性的，還是因果性的；並要求它分開處理：

• 資料實際顯示了什麼
• 可能的驅動因素是什麼
• 哪些部分還需要進一步驗證

這對高階主管或投資人情境尤其重要，因為它會直接影響可信度。

先讓敘事站穩，再要求視覺化

原始 skill 很重視視覺，但圖表應該服務故事，而不是反過來主導故事。比較實用的迭代順序是：

1. 先把 hook 和核心訊息定準
2. 驗證衝突與證據是否成立
3. 收斂建議行動
4. 然後再問每個重點最適合用什麼圖表呈現

用段落限制提升報告輸出品質

對 data-storytelling for Report Writing 來說，明確指定各段落的功能，通常會明顯提升實用性：

• 開場句必須先說出商業利害關係
• context 段落必須交代基準
• evidence 段落只能使用 3 個支持點
• recommendation 段落必須包含負責人、時程與預期影響

這類限制很有幫助，因為它會強迫內容更能落地執行。

修正那些看起來漂亮卻沒內容的輸出

如果第一版看起來很順，但內容空泛，可以加上以下一項或多項指令重新修：

• 「Use the exact numbers provided.」
• 「Name the affected segment explicitly.」
• 「State the tradeoff behind the recommendation.」
• 「Cut any claim not supported by the data.」
• 「Replace abstract language with operational implications.」
• 「End with a concrete next step.」

不要只修文句，要檢查敘事品質

不要只調整語氣。你應該檢查草稿是否具備：

• 清楚的 hook
• 足夠的受眾脈絡
• 一個讓人記得住的核心洞察
• 可信的建議方案
• 可立即執行的下一步

如果其中任何一項缺失，問題通常不是措辭，而是結構本身。

以 data-storytelling 建立可重複使用的團隊寫作風格

如果你的團隊會定期產出報告，建議圍繞 data-storytelling skill 建立一個固定的 prompt wrapper，欄位可包含受眾、決策、指標、基準、風險、信心程度與建議。這能降低輸出落差，也能讓這個 skill 在反覆性的商務回顧中更穩定可靠。