Zafer-Liu/Data-Analysis-Agent: 面向商业分析师的智能数据分析体。Intelligent Data Analysis Agent for Business Analysts.https://github.com/Zafer-Liu/Data-Analysis-Agent

摘要

在企业经营、销售复盘、用户增长分析、财务统计和运营决策中，数据分析几乎是每天都会发生的事情。
但对于很多非技术用户来说，数据分析仍然存在明显门槛：

• 不会写 SQL

• 不熟悉数据库结构

• 不知道该选择什么图表

• 不擅长做统计分析

• 很难从数据中总结业务洞察

• 报告和 PPT 还要手动整理

为了解决这些问题，我开发了一个面向商业分析场景的 AI Agent：智能商业分析 Agent，也叫智析 Agent。

它支持上传 Excel / CSV，也可以连接 SQLite、MySQL、PostgreSQL、SQL Server 等数据库。用户只需要像聊天一样提出问题，系统就可以自动完成：

• 数据结构识别

• SQL 生成与执行

• 图表自动推荐

• 数据可视化

• 业务洞察总结

• 统计分析

• 报告导出

• PPT 生成

• MCP 工具拓展

• 业务知识库输入

一句话概括：

把数据处理过程交给智析，把时间留给真正的业务思考。

---

一、项目背景：为什么要做一个商业分析 Agent？

在实际业务中，很多数据分析需求并不复杂，例如：

最近三个月销售额趋势如何？
哪个地区利润最高？
本月订单量相比上月增长了吗？
帮我生成用户增长图
找出异常销售数据
按照客户价值做分组分析

这些问题看起来很简单，但真正执行时往往需要很多步骤：

1. 找到对应的数据文件或数据库

2. 理解字段含义

3. 判断表结构

4. 编写 SQL

5. 执行查询

6. 清洗数据

7. 选择合适图表

8. 绘制图表

9. 解读结果

10. 整理成报告

对于数据分析师来说，这些步骤可能是常规工作；
但对于业务人员、运营人员、产品经理或管理者来说，这些步骤会显著降低分析效率。

智析 Agent 的目标，就是把复杂的数据分析流程封装起来，让用户用自然语言完成数据分析。

---

二、项目简介

智析 Agent 是一个对话式商业数据分析智能体。

它面向的核心场景是：

用户上传数据或连接数据库
        ↓
用户用自然语言提问
        ↓
系统理解问题意图
        ↓
自动生成 SQL
        ↓
执行查询
        ↓
自动推荐图表
        ↓
输出业务洞察

例如用户输入：

最近 12 个月销售趋势

系统可以自动输出：

• SQL 查询语句

• 趋势折线图

• 销售变化分析

• 异常波动说明

• 可用于报告的总结文本

它不是单纯的“聊天机器人”，而是一个真正围绕商业数据分析流程设计的 Agent。

---

三、技术栈

项目主要使用以下技术构建：

技术	作用
Python 3.10+	核心开发语言
Flask	后端服务
Plotly	数据可视化
SSE	流式输出分析过程
OpenAI Compatible API	大模型接入
SQLAlchemy / 数据库连接能力	多数据库支持
MCP	外部工具能力拓展

项目支持 OpenAI 兼容格式的模型服务，因此不仅可以接入 OpenAI，也可以接入 DeepSeek、AtlasCloud 或其他兼容 API。

---

四、核心亮点

智析 Agent 的核心特点可以概括为四个关键词：

自然语言分析
多数据源连接
自动图表生成
业务洞察输出

更进一步，它还支持统计分析、聚类分析、决策树建模、缺失值处理、报告导出、PPT 生成和 MCP 拓展。

这意味着它不只是一个“查数工具”，更像是一个可交互的数据分析助手。

---

五、功能一：自然语言数据分析

传统数据分析通常需要写 SQL，例如：

SELECT month, SUM(sales)
FROM orders
GROUP BY month
ORDER BY month;

但在智析 Agent 中，用户可以直接输入：

今年每个月的订单量趋势

系统会自动完成以下流程：

1. 理解用户问题

2. 分析数据字段

3. 判断需要查询哪些表

4. 自动生成 SQL

5. 执行 SQL 查询

6. 根据结果推荐图表

7. 输出分析总结

这种方式可以显著降低数据分析门槛。

对于不会 SQL 的业务用户来说，可以直接通过自然语言完成分析；
对于会 SQL 的技术用户来说，也可以节省大量重复查询和图表制作时间。

---

六、功能二：多数据源支持

智析 Agent 支持多种数据输入方式。

1. 文件数据源

支持上传：

• Excel

• CSV

这类场景非常适合日常业务分析，例如销售表、订单表、用户表、财务表、运营报表等。

2. 数据库数据源

支持连接：

• SQLite

• MySQL

• PostgreSQL

• SQL Server

用户可以直接连接已有业务数据库，然后通过自然语言进行查询和分析。

例如连接 MySQL 时，可以使用类似格式：

mysql+pymysql://user:password@host:3306/dbname

连接成功后，系统会识别数据库结构，并基于 Schema 生成对应 SQL。

3. 未来规划

后续还计划支持：

• DuckDB

• Spark

这意味着项目未来可以进一步覆盖本地分析、轻量数仓以及大数据分析场景。

---

七、功能三：智能图表系统

数据分析不仅要查出结果，还要用合适的方式展示结果。

智析 Agent 内置了智能图表推荐系统，可以根据查询结果自动选择合适的图表类型。

目前支持 6 大类、40 多种图表类型。

---

八、功能四：SSE 流式分析体验

智析 Agent 使用 SSE 实现流式输出。

用户提交问题后，系统不会等全部分析完成后才返回结果，而是实时展示分析过程。

例如：

[1/4] 正在读取数据结构...
[2/4] 正在生成 SQL...
[3/4] 正在执行查询...
[4/4] 正在生成图表与洞察...

这种体验有两个好处：

第一，用户可以看到系统正在做什么。
第二，分析过程更加透明，便于理解 Agent 的执行逻辑。

相比传统 BI 工具的“点击后等待”，流式输出更符合 AI Agent 的交互方式。

---

九、功能五：多模型兼容

智析 Agent 支持多种大模型服务，包括：

• DeepSeek

• OpenAI

• AtlasCloud

• 任意 OpenAI SDK Compatible API

默认推荐模型如下：

Provider	Default Model
DeepSeek	deepseek-v4-flash
OpenAI	gpt-4o-mini
AtlasCloud	deepseek-v4-pro

配置时只需要填写：

API Key
Base URL
Model

只要模型服务兼容 OpenAI API 格式，就可以接入使用。

这让项目在模型选择上更加灵活。
用户可以根据成本、速度、效果和部署环境选择不同模型。

---

十、功能六：数据分析能力

除了自然语言查询和图表生成，智析 Agent 还支持更深入的数据分析功能。

目前包括：

• 异常值处理

• 截尾处理

• 缩尾处理

• 缺失值插补

• 十分位分组分析

• K-Means 聚类分析

• 决策树建模

这些功能让它不只是一个“查询 + 图表”工具，而是具备一定统计分析和建模能力的商业分析 Agent。

例如用户可以输入：

/analyze 分析销售额的异常值

或者：

/kmeans 帮我对客户做聚类分析

系统会根据命令进入对应分析流程。

---

十一、功能七：报告生成

商业分析最终往往需要输出成可交付成果。

智析 Agent 支持导出：

• 整理后的 Excel 表格

• Word / docx 格式报告

• 内置风格 PPT

这对于以下场景非常实用：

• 周报

• 月报

• 经营分析报告

• 销售复盘

• 用户增长分析

• 项目汇报

• 会议材料

传统流程中，数据分析和报告制作往往是分开的。
智析 Agent 则希望把“分析 → 图表 → 洞察 → 报告”串成一个完整链路。

---

十二、功能八：MCP 拓展能力

智析 Agent 支持连接本地或远程 MCP。

MCP，全称 Model Context Protocol，可以让 Agent 连接外部工具服务，从而扩展能力边界。

通过 MCP，未来可以接入更多工具，例如：

• 文件处理工具

• 数据库工具

• 企业内部系统

• 知识库工具

• 自动化执行工具

• 第三方 API

这意味着智析 Agent 不只是一个固定功能的数据分析工具，而是可以持续扩展的 Agent 平台。

---

十三、功能九：知识库输入

在真实业务分析中，数据字段往往带有强业务语义。

例如：

GMV
ARPU
ROI
CAC
复购率
渠道来源
有效订单
高价值用户

如果模型不了解这些业务背景，就可能产生误解。

智析 Agent 支持上传业务知识，让 Agent 更加理解你的数据。

例如可以上传：

• 字段说明

• 业务规则

• 指标口径

• 统计逻辑

• 分析模板

• 行业知识

这样，在后续分析中，Agent 可以结合业务知识给出更贴近实际场景的解释。

---

十四、斜杠命令设计

智析 Agent 支持斜杠命令，用于快速触发特定分析模式。

命令	作用
/chart	强制优先生成图表
/sql	直接执行 SQL
/analyze	深度统计分析
/tree	决策树分析
/kmeans	K-Means 聚类分析
/data	数据探查与预览
/inset	缺失值插补处理
/winsorize	缩尾处理
/trimming	截尾处理
/export	导出数据文件
/report	导出 Word / PDF 报告
/ppt	导出 PPT 演示文稿
/status	查看任务状态

这种命令设计兼顾了自然语言交互和专业分析操作。

用户既可以直接聊天：

帮我分析最近三个月销售趋势

也可以明确指定模式：

/chart 最近三个月销售趋势

或者：

/kmeans 对用户进行聚类

---

十五、安装方式

智析 Agent 提供多种安装方式，适合不同用户。

---

方式一：Windows 安装包

这是最简单的方式，适合普通用户。

下载 Windows 安装包：

BusinessAnalyticsAgent.exe

双击安装后，根据提示操作即可。

---

方式二：下载压缩包启动

适合新手和跨平台用户。

前置要求：

Python 3.10+

Windows 用户安装 Python 时，建议勾选：

Add Python to PATH

启动方式：

平台	启动方法
Windows	双击 start.bat
macOS	授权后双击 start.command

macOS 如遇到权限问题，可以执行：

chmod +x ~/Downloads/Data-Analysis-Agent/start.command
xattr -d com.apple.quarantine ~/Downloads/Data-Analysis-Agent/start.command

首次启动时，系统会自动创建虚拟环境并安装依赖，通常需要几分钟。
后续再次启动时就不需要重复等待。

启动成功后，浏览器会自动打开：

http://localhost:5001

---

方式三：一键在线安装

Windows PowerShell：

iwr -useb https://raw.githubusercontent.com/Zafer-Liu/Data-Analysis-Agent/main/install.ps1 | iex

macOS / Linux：

curl -fsSL https://raw.githubusercontent.com/Zafer-Liu/Data-Analysis-Agent/main/install.sh | sh

安装完成后可以运行：

data-analysis-agent

---

方式四：通过 GitHub Clone

适合开发者。

git clone https://github.com/Zafer-Liu/Data-Analysis-Agent.git
cd Data-Analysis-Agent
pip install -r requirements.txt
python app.py

然后浏览器打开：

http://localhost:5001

进入页面后配置 API Key 即可使用。

---

十六、快速上手

第一步：启动项目

根据自己的系统选择安装方式，启动后进入：

http://localhost:5001

---

第二步：配置模型

在侧边栏设置中填写：

API Key
Base URL
Model

例如 DeepSeek、OpenAI、AtlasCloud 或其他兼容 API。

---

第三步：上传数据或连接数据库

可以上传：

Excel / CSV

也可以连接数据库：

SQLite / MySQL / PostgreSQL / SQL Server

---

第四步：直接提问

例如：

最近 12 个月销售趋势

哪个地区利润最高？

/chart 用户增长情况

/analyze 分析订单金额分布

/kmeans 对客户进行聚类分析

系统会自动执行查询、生成图表并输出洞察。

---

十七、使用示例

示例一：趋势分析

用户输入：

最近 12 个月销售趋势

系统输出：

• SQL 查询

• 趋势折线图

• 销售增长分析

• 异常月份说明

适合场景：

• 销售趋势分析

• GMV 趋势分析

• 用户增长趋势分析

• 订单量变化分析

---

示例二：区域分析

用户输入：

哪个地区利润最高？

系统输出：

• 地区利润排行

• 柱状图

• 区域经营洞察

适合场景：

• 区域销售分析

• 门店表现分析

• 城市运营分析

• 渠道利润分析

---

示例三：图表优先模式

用户输入：

/chart 用户增长情况

系统会优先生成可视化图表。

适合场景：

• 快速制作汇报图

• 会议展示

• 运营复盘

• 数据看板搭建

---

示例四：聚类分析

用户输入：

/kmeans 对用户进行聚类分析

系统可以根据数据特征进行用户分群。

适合场景：

• 用户分层

• 客户价值分析

• 精细化运营

• 营销策略制定

---

示例五：决策树分析

用户输入：

/tree 分析影响客户流失的主要因素

系统可以生成决策树分析结果，帮助理解关键影响因素。

适合场景：

• 客户流失分析

• 转化因素分析

• 风险因素判断

• 业务规则解释

---

十八、v5.0 更新亮点

当前版本为：

v5.0

发布时间：

2026 年 6 月 4 日

本次版本是一次大版本迭代，主要围绕四个方向：

1. 多数据源

2. 智能交互

3. 稳定性修复

4. 安全加固

主要更新包括：

• 多数据源支持

• SQL 数据库连接改善

• 数据预览升级

• AI 主动提问

• 对话自动保存

• MCP 工具接入体验优化

• 防止 AI 编造数据

• 知识库触发修复

• 其他体验修复

其中，“防止 AI 编造数据”是非常关键的一点。

在数据分析场景中，准确性比表达能力更重要。
一个商业分析 Agent 不能凭空编造结果，而应该严格基于真实查询数据进行回答。

---

十九、常见问题

1. 安装依赖时网络超时怎么办？

可以使用国内镜像源安装：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

同时建议确保磁盘至少有 2GB 可用空间。

---

2. Python 版本不对怎么办？

项目需要：

Python 3.10+

可以通过以下命令查看版本：

python --version

如果版本低于 3.10，需要升级 Python。

---

3. start.bat 双击没反应怎么办？

通常是 Python 没有正确加入系统 PATH。

解决方式：

1. 重新安装 Python

2. 勾选 Add Python to PATH

3. 重启电脑

4. 再次运行 start.bat

---

4. macOS 提示无法验证开发者怎么办？

可以右键点击 start.command，选择“打开”。

也可以执行：

xattr -d com.apple.quarantine /你的路径/start.command

---

5. 提示未配置 LLM 怎么办？

进入侧边栏设置，填写：

API Key
Base URL
Model

保存后即可使用。

---

6. 如何连接 MySQL 数据库？

推荐使用：

mysql+pymysql://用户名:密码@主机:端口/数据库名

例如：

mysql+pymysql://user:pass@localhost:3306/demo

不要写成：

mysql://user:pass@localhost:3306/demo

因为缺少对应驱动说明，可能导致连接失败。

---

7. 图表链接重启后失效怎么办？

生成的图表保存在本地目录：

outputs/charts

可以直接用浏览器打开对应 HTML 文件。

---

二十、适用场景

智析 Agent 非常适合以下场景。

1. 业务人员自助分析

业务人员不需要写 SQL，也可以直接提问并得到图表和结论。

适合：

• 运营

• 销售

• 市场

• 产品

• 管理者

---

2. 数据分析师提效

数据分析师可以用它快速完成初步探索、图表生成和报告草稿整理。

适合：

• 快速探索数据

• 验证分析假设

• 生成初版图表

• 整理汇报材料

---

3. 企业内部 BI 辅助

可以作为传统 BI 工具的补充，让用户通过自然语言访问数据。

适合：

• 经营分析

• 销售看板

• 财务分析

• 用户增长分析

---

4. 教学与数据分析学习

对于学习 SQL、数据分析和可视化的新手来说，可以通过观察系统生成的 SQL 和图表结果理解分析流程。

适合：

• 数据分析教学

• Python 数据分析课程

• SQL 学习

• 商业分析训练

---

5. Agent 与 MCP 项目实践

项目支持 MCP 拓展，也适合作为 AI Agent 工程实践案例。

适合：

• AI Agent 开发

• MCP 工具接入

• LLM 应用开发

• 数据智能体研究

---

二十一、项目价值

智析 Agent 的价值不只是“能聊天查数据”，而是把商业分析中多个分散步骤整合到一个 Agent 流程里。

传统流程：

找数据
写 SQL
跑查询
导出结果
画图
分析
写报告
做 PPT

智析 Agent 希望变成：

提出问题
等待分析
查看图表和洞察
导出报告

这可以大幅降低数据分析门槛，提高业务决策效率。

---

二十二、项目总结

智析 Agent 是一个面向商业数据分析场景的 AI Agent。

它支持自然语言提问、多数据源连接、SQL 自动生成、图表自动推荐、流式分析、统计建模、报告导出、PPT 生成、MCP 拓展和知识库输入。

对于普通业务用户，它降低了数据分析门槛。
对于数据分析师，它提升了探索和汇报效率。
对于开发者，它提供了一个完整的 AI 数据分析 Agent 实践样例。
对于企业场景，它可以作为自然语言 BI 和智能数据助手的基础。

最后，用一句话总结这个项目：

把过程交给智析，把时间留给思考。

如果你正在做数据分析、AI Agent、BI 工具或企业智能助手相关项目，这个项目会是一个非常值得参考和实践的方向。