data-storytelling

data-storytelling skill 概览

data-storytelling skill 的作用

data-storytelling skill 用来把原始分析结果转化为可支持决策的沟通内容。它不会停留在“画出图表”这一步，而是推动你把发现组织成一个带有背景、张力、洞察和行动建议的叙事。它最适合这样的场景：你的真正工作不只是“分析数据”，而是“解释什么最重要，以及接下来应该怎么做”。

最适合报告写作与利益相关方沟通

这个 data-storytelling skill 特别适合需要向高管或非技术读者解释指标的分析师、运营人员、顾问、创始人和报告作者。对于 data-storytelling for Report Writing、季度复盘、董事会更新、投资人材料和建议备忘录等场景，它尤其有价值。

它与普通 prompt 的区别

普通 prompt 也许能把数字总结出来，但 data-storytelling skill 提供的是一套可复用的沟通框架：如 setup、conflict、resolution；hook、context、rising action、climax、resolution、call to action；以及数据、叙事、可视化三者之间的平衡。这样的结构能显著降低一种常见失败：分析本身是对的，但表达缺乏记忆点，难以推动决策。

安装前用户最该关注什么

是否采用，核心判断其实很简单：你需要的是“有说服力的解释”，还是“分析结果本身”？如果你的受众需要理解重要性、权衡取舍和下一步行动，这个 skill 就能提供明显价值。反过来，如果你只是想要 SQL 帮助、图表生成或原始指标汇总，它单独使用就可能显得过于高层。

仓库里包含什么

这个 skill 很轻量。从仓库信息看，主要只有一个 SKILL.md 提供核心指导，没有额外脚本、规则或参考资源。这意味着安装和接入都很简单，但输出质量会很大程度上取决于你的 prompt 质量，以及你提供的数据背景是否充分。

如何使用 data-storytelling skill

data-storytelling install 的上下文

先从父仓库安装这个 skill，然后在你的 AI 工作流中调用：

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

由于这个 skill 位于 plugins/business-analytics/skills/data-storytelling，你实际引入的是一套用于分析沟通的叙事框架，而不是可直接运行的分析工具链。

先读这个文件

建议先看：

• SKILL.md

这个 skill 没有额外暴露出配套的 README.md、rules/、resources/ 或辅助脚本，所以它几乎全部的实际价值，都在于你是否真正理解并能应用 SKILL.md 里的框架。

这个 skill 要怎样的输入，效果才会好

data-storytelling skill 在你提供的不只是“一份数据转储”时表现最佳。尽量补充这些信息：

• 受众是谁：高管、客户、经理、董事会、投资人、客户方
• 输出形式：report、memo、slide outline、brief、spoken update
• 要支持的决策：invest、cut、prioritize、diagnose、explain
• 核心指标和时间窗口
• 基线或比较对象
• 最重要的发现
• 已知限制或不确定性
• 希望推动的行动

如果没有这些输入，模型依然能写出一个“像样的故事”，但它很可能只是表面流畅，却抓不住业务上的关键。

把模糊目标改写成高质量 prompt

较弱的目标：

• “Write a data story about churn.”

更强的 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.”

之所以更有效，是因为它明确了受众、决策目标、结构要求和预期结尾。

推荐的 prompt 模板

为了得到更稳定的结果，可以使用这样的模板：

• Objective：这份报告要达成什么目标
• Audience：谁会阅读
• Data：关键数字、趋势、对比关系
• Context：发生了什么变化，以及为什么重要
• Constraints：语气、篇幅、格式、确定性要求
• Output request：叙事结构、建议的可视化、推荐动作

示例：

• “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.”

面向报告写作的推荐工作流

对于 data-storytelling for Report Writing，一个实用的工作流是：

1. 先提炼出真正重要的少数几个指标。
2. 找出“张力”所在：下滑、差距、风险、机会或意外。
3. 明确决策者受众是谁。
4. 让模型先起草一个叙事弧线。
5. 检查“climax”是否真的是最值得决策者关注的洞察。
6. 只有当故事线稳定后，再加入可视化建议。
7. 删除所有不能支撑核心决策的内容。

这个顺序很关键。很多效果不佳的报告，一开始就堆了太多图表，最后才发现根本没有清晰的主线。

如何选择合适的框架

源 skill 强调了几种耐用、可反复使用的结构。实践中可以这样选：

• 当你要写简洁的 memo 或报告段落时，用 Setup → Conflict → Resolution
• 当你要做演示或面向高管讲解时，用更完整的 narrative arc
• 当草稿看起来失衡时，用 data、narrative、visuals 这三个支柱来校正

一个很好的安装判断标准是：如果你们团队经常产出“有意思但不可执行”的分析，那么这个 skill 很值得采用。

什么样的输入才算好输入

更优质的输入通常具备“对比性”和“决策关联性”，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”

这类输入比孤立的数字更有力，因为它们天然带出张力，也说明了为什么别人应该关心。

常见使用误区

大多数效果不佳的 data-storytelling usage 都来自这些问题：

• 只要求“写一个有说服力的故事”，却没有说明受众
• 给了指标，却没有基线
• 跳过 recommendation
• 把所有观察到的模式都塞进叙事里
• 用描述性数据硬推因果结论
• 把 visuals 当装饰，而不是证据承载

这个 skill 最适合的用法，是把信息收束到一个中心洞察和一条清晰的行动路径上。

这个 skill 在常规分析工作中的位置

data-storytelling skill 不能替代分析、数据清洗或图表制作。它处在这些步骤之后。更稳妥的工作流是：先完成分析，再用这个 skill 把发现包装成一个经得起高管快速浏览的叙事。

应该要求什么样的输出

比较实用的输出形式包括：

• 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“a story”，通常得到的是“有文采但不好决策”的内容。更好的做法是直接指定一种业务文档类型。

data-storytelling skill 常见问题

data-storytelling skill 适合初学者吗？

适合，前提是你已经有数据或初步发现。这个框架本身简单、易上手。初学者更容易卡在“到底哪一个洞察最重要”这一步，所以在起草前，最好明确要求模型先按业务影响对发现进行排序。

什么时候该用它，而不是普通 summarization prompt？

当受众需要被说服、需要背景上下文、需要明确行动建议时，就用 data-storytelling skill。如果你只需要对结果做事实性回顾，用普通 summary prompt 就够了。

这个 skill 只适用于演示文稿吗？

不是。它同样适用于报告、memo、高管邮件、季度复盘和面向投资人的文字材料。它的核心价值在于叙事结构，而不只是 slides。

data-storytelling install 会自带图表或自动化能力吗？

没有证据表明这个 skill 内置了脚本、图表工具或自动化能力。data-storytelling install 提供的是沟通框架，而不是可视化引擎或报表流水线。

可以用于技术型受众吗？

可以，但它对混合型受众或非技术受众的价值更高。面对非常技术化的读者时，你可能需要更直接的结构、更弱的叙事包装，以及更多方法论细节。

哪些情况下它不适合用？

以下情况建议跳过这个 skill：

• 你的分析本身还没有验证完成
• 受众只想看原始表格或技术附录
• 决策非常简单，不需要额外说服
• 你更需要领域内的统计严谨性，而不是沟通结构

它和 slide-writing skill 有什么不同？

slide-writing skill 更关注格式和展示流程。而这里的 data-storytelling guide 重点是先把证据塑造成有意义的结论。你可以在写 slides、报告或口头汇报之前，先用它把逻辑主线搭好。

如何改进 data-storytelling skill 的使用效果

从决策出发，而不是从数据集出发

想提升 data-storytelling 输出，最快的方法就是先定义这个故事要支持什么决策。“Summarize this dashboard” 很弱；“Help leadership decide whether churn warrants retention investment” 就强得多。

明确写出“张力”

故事需要冲突。如果你的 prompt 里没有冲突，模型就可能凭空制造戏剧性，或者写出平淡无力的内容。可以直接把张力点写出来：

• 增长了，但利润率在下降
• 收入更高了，但留存在变差
• 某些细分的增长掩盖了另一些细分的损失
• 顶层指标在改善，但运营风险在上升

先给洞察排序，再起草故事

在要求最终叙事之前，先让模型做这几步：

• identify the top 3 findings
• rank them by business significance
• select one as the central message
• explain which decision it should influence

这样可以避免一个常见问题：第一版草稿试图同时讲五个故事，最后一个也没讲清楚。

补足基线和对比关系

对比会让叙事更可信。要提升你的 data-storytelling guide 输入质量，可以加入：

• previous period vs current period
• target vs actual
• segment vs segment
• before vs after intervention
• internal trend vs market benchmark

缺少对比的故事，往往更像描述，而不是洞察。

控制确定性表达的强弱

一个常见失败点是夸大数据能证明的结论。要明确告诉模型：这些发现属于 descriptive、directional，还是 causal。并要求它区分：

• what the data shows
• what is likely driving it
• what needs further validation

这会显著提升可信度，尤其是在面对高管或投资人时。

先把叙事稳定下来，再要 visuals

源 skill 也重视 visuals，但图表应该服务于故事，而不是反过来主导故事。更实用的迭代顺序是：

1. 先把 hook 和 key message 调整到位
2. 验证 conflict 和 evidence 是否成立
3. 收紧 recommendations
4. 然后再问每个要点最适合用什么 chart 来说明

通过分段约束提升报告写作效果

对于 data-storytelling for Report Writing，可以明确各部分的行为约束：

• opening sentence must state the business stakes
• context paragraph must define the baseline
• evidence section must use only 3 supporting points
• recommendation section must include owner, timing, and expected impact

这些约束会明显提升可用性，因为它们强制输出更可执行。

修正“看起来高级、其实空洞”的输出

如果第一版草稿读起来很顺，但内容空泛，可以追加以下一种或多种指令：

• “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.”

不要只改措辞，要从叙事质量上迭代

不要只调整语气。更应该检查这份草稿是否具备：

• 一个清晰的 hook
• 对目标受众足够的 context
• 一个让人记得住的核心洞察
• 一个可信的 recommendation
• 一个可以立刻执行的 next step

如果其中某一项缺失，问题多半出在结构，而不是字句表达。

围绕 data-storytelling 建立可复用的团队写作模板

如果你的团队会持续产出周期性报告，可以围绕 data-storytelling skill 建一个标准 prompt 外壳，固定包含 audience、decision、metrics、baseline、risk、confidence 和 recommendation 等字段。这样能降低输出波动，让这个 skill 在重复性的业务复盘中更稳定、更可靠。