数据即引擎：数据分析Skills七维实测

数据科学与数据库分析，正成为 Claude Code Skills 生态中增长最快的垂直赛道。2026 年 5 月 Opus 4.8 上线后，官方同步推出 Anthropic「Data」插件，把"探索数据集—写多方言 SQL—出出版级图表"整合为一条流水线；社区侧则冒出一批把 Claude 武装成"全职数据分析师"的技能库。与内容创作、前端设计、DevOps 等已被反复评测的红海赛道不同，数据分析类 Skills 普遍采用"程序化 EDA + 公式感知电子表格 + Notebook 优先 + 多库 SQL"的组合，技术门槛更高、变现路径更清晰、训练营复用性更强。本文横向评测 7 个最值得关注的分析型 Skills，从功能完整度、上手难度、变现潜力、训练营适用性、社区活跃度五个维度打分，并给出按场景的推荐排行榜。

评测总览：七大分析型 Skills 对比

逐个深度评测

1. data-analytics-skills（nimrodfisher）—— 把 Claude 变成全职数据分析师

Skill	来源	安装方式	功能完整度(25%)	上手难度(20%)	变现潜力(25%)	训练营适用(15%)	社区活跃(15%)	综合评分
data-analytics-skills	nimrodfisher (GitHub)	skills.sh / git	★★★★★	★★★★☆	★★★★★	★★★★★	★★★★☆	4.55
data-science-claude-skills	juanlurg (GitHub)	git	★★★★☆	★★★☆☆	★★★★☆	★★★★☆	★★★☆☆	3.70
claude-data-skills	PyPI (v3.5.0)	`pip install`	★★★★☆	★★★★★	★★★★☆	★★★★☆	★★★★☆	4.20
SQL Pro	jeffallan (GitHub)	skills.sh / git	★★★★☆	★★★★★	★★★★☆	★★★★★	★★★★☆	4.25
dbhub + Agent Skill	bytebase (GitHub)	`npx @bytebase/dbhub`	★★★★★	★★★★☆	★★★★★	★★★☆☆	★★★★★	4.45
matplotlib-skill	tvhahn (GitHub)	git	★★★☆☆	★★★★★	★★★☆☆	★★★★★	★★★☆☆	3.65
spreadsheet / xlsx-manipulation	claude-office-skills	git / office-mcp	★★★★☆	★★★★★	★★★★☆	★★★★☆	★★★★☆	4.15

来源：GitHub nimrodfisher/data-analytics-skills，安装走 skills.sh 标准流程 npx skills add nimrodfisher/data-analytics-skills，或直接 git clone 到 .claude/skills。这是一套31 个可移植技能组成的结构化技能库，按目录分层组织：01-data-quality-validation（含 programmatic-eda，系统化探索性分析：结构检查、空值检查、分布画像）、02-documentation-knowledge（数据字典与业务知识沉淀）、03-data-analysis-investigation（深入归因与根因调查）。

核心演示：丢给它一份陌生 CSV，programmatic-eda 会自动完成 shape 检查、缺失率统计、基数与分布画像，输出结构化报告而非随手 print。核心卖点是"分析任务前先理解数据形状与质量"——这是大多数 AI 工具最薄弱的一环。

评分：功能完整度 ★★★★★（31 个技能覆盖从质控到归因全链）、上手 ★★★★☆（需懂基本 pandas 概念）、变现 ★★★★★（可整包改造成企业级"AI 数据分析师"订阅产品）、训练营 ★★★★★（按目录天然分课时）、社区 ★★★★☆。

变现与训练营：这是本期最接近"产品化"的技能库。每个子技能都是独立 SKILL.md，可拆卖、可组合成 8–12 课时的数据分析训练营，从数据质控一路讲到根因归因。竞品对比中，它比单点的 pandas-pro 更系统，比 juanlurg 的 notebook-first 版更偏"工程化交付"，适合面向中小企业的数据分析外包与教学。

2. data-science-claude-skills（juanlurg）—— Notebook 优先的科研型工作流

来源：GitHub juanlurg/data-science-claude-skills，定位是 Notebook-first：指向一个数据集、一篇论文或一段 SQL 查询，Claude 即可在 Jupyter 上下文中完成探索、建模与复现。它的差异化在于"论文驱动"——部分技能会建议如何把论文里的方法迁移应用到你的数据上，这点对学术与研发团队极具吸引力。

核心演示：给一篇 arXiv 论文 + 一份本地数据，技能会提取论文方法、生成可执行的 Notebook cell，并标注哪些假设需要你验证，形成"论文—代码—数据"的闭环。

评分：功能完整度 ★★★★☆（强科研、弱业务报表）、上手 ★★★☆☆（需要 Jupyter + 论文阅读习惯）、变现 ★★★★☆（科研/医药/金融量化场景）、训练营 ★★★★☆、社区 ★★★☆☆（偏小众）。

变现与训练营：变现空间集中在科研机构、CRO、量化私募等"论文复现即生产力"的场景，可包装成"科研 AI 助理"垂直产品。作为训练营，它适合研究生级数据科学课程，但门槛偏高、受众窄，不如 nimrodfisher 版适合大众培训。竞品上，它与官方 NotebookLM 形成互补：NotebookLM 偏问答检索，它偏可执行建模。

3. claude-data-skills（PyPI v3.5.0）—— 一行 pip 装好的全家桶

来源：PyPI 包 claude-data-skills（当前 3.5.0，Libraries.io 可查），pip install claude-data-skills 即可。它是本期唯一以标准 Python 包形式分发的数据技能集合，整合了数据科学、分析与数据工程的技能与脚本，最大优势是分发与升级链路成熟、CI 友好。

核心演示：装完后技能随包附带可执行脚本，Claude 在分析时直接调用脚本而非临时写代码，结果可复现、可纳入版本管理，适合需要审计追溯的生产环境。

评分：功能完整度 ★★★★☆、上手 ★★★★★（pip 一行）、变现 ★★★★☆（企业内部分发最省心）、训练营 ★★★★☆、社区 ★★★★☆（PyPI 下载量稳定）。

变现与训练营：对企业 IT 部门而言，"pip 装一份、全员复用、版本统一"是极大卖点，可改造为私有化部署的内部数据技能平台，按席位收费。训练营场景下，学员环境一致性是它最大优势——老师不必再处理"我这边跑不通"的杂症。短板在于它是聚合包，单项深度不如专精技能。

4. SQL Pro（jeffallan）—— 资深 DBA 人格的查询优化器

来源：GitHub Jeffallan/claude-skills 中的 sql-pro，npx skills add jeffallan/claude-skills。它把 Claude 塑造成"精通主流数据库系统的资深 SQL 开发者"，核心工作流是 Schema Analysis（审查结构、索引、查询模式、性能瓶颈）、Schema Design（设计高性能表结构）、查询调优（窗口函数、CTE、执行计划解读）。

核心演示：贴一段慢查询 + 表结构，它会指出缺失索引、建议 CTE 重写、估算改进幅度，并给出可执行的 CREATE INDEX / 重写后的 SQL。

评分：功能完整度 ★★★★☆（专注 SQL 深度）、上手 ★★★★★（DBA 与后端秒懂）、变现 ★★★★☆（DBA 咨询与 SaaS 优化）、训练营 ★★★★★（SQL 进阶课天然教材）、社区 ★★★★☆。

变现与训练营：变现路径清晰——"SQL 性能体检 SaaS"、DBA 外包咨询。训练营上，它几乎是一本现成的 SQL 进阶教材，从执行计划讲到窗口函数，可做 10–15 课时。对比 mcpmarket 上的 SQL Data Analyst（偏分析）、SQL Expert（偏建模），SQL Pro 卡在"查询优化与性能"这个企业最痛、最肯付费的位置。

5. dbhub + Agent Skill（bytebase）—— 多库连接的工程化底座

来源：GitHub bytebase/dbhub（约 2.8k★），一个零依赖、Token 高效的数据库 MCP 服务器，支持 PostgreSQL、MySQL、MariaDB、SQL Server、SQLite 单一接口；配套的 dbhub Agent Skill（dbhub.ai/quickstart 提供）则教 AI 工具一套数据库查询的最佳实践工作流。两者组合是本期社区活跃度最高的方案。

核心演示：本地开发场景下，npx @bytebase/dbhub 启动 MCP，Claude 经由只读连接查表、读 schema、跑只读查询，避免误写生产数据。技能则把"先读 schema→再写 SQL→只读验证→落库迁移"的纪律写进提示词。

评分：功能完整度 ★★★★★（多库 + 只读安全）、上手 ★★★★☆、变现 ★★★★★（数据库连接是刚需基建）、训练营 ★★★☆☆（偏工程、教学门槛高）、社区 ★★★★★（2.8k★，bytebase 团队维护）。

变现与训练营：这是最值得做"基础设施"生意的方案——几乎所有企业级 Claude 数据项目都需要它做安全底座，可走 B2B 私有化部署。训练营适用性偏低，因为它面向 DBA/平台工程师而非初学者。与 SQL Pro 搭配（dbhub 负责连库与安全，SQL Pro 负责写好查询）几乎是企业级数据分析的标准底座。

6. matplotlib-skill（tvhahn）—— 一行提示出出版级图表

来源：GitHub tvhahn/matplotlib-skill（作者博客披露经 50 余次迭代打磨），另有 davila7/claude-code-templates 与 K-Dense AI scientific-agent-skills 的同名技能。它用一行自然语言提示生成 matplotlib/seaborn 的出版级静态图。

核心演示：描述"数据 + 图表类型 + 坐标轴 + 面板数 + 配色"，技能输出可直接进论文/报告的高分辨率图，DPI、字体、图例位置都规范。

评分：功能完整度 ★★★☆☆（单点但精）、上手 ★★★★★（一行提示）、变现 ★★★☆☆（点状工具，难独立定价）、训练营 ★★★★★（数据可视化课绝佳素材）、社区 ★★★☆☆。

变现与训练营：独立变现弱，但作为"出版级图表生成"功能模块，可嵌入科研写作、报告自动化产品。训练营上是黄金素材——作者 50 次迭代的经验本身就是一个"如何打磨 Skill"的教学案例，可衍生出"Skill 工程化"的元课程。对比 chart-craft 等 HTML 图表引擎，它专注 Python 科研绘图生态，定位互补。

7. spreadsheet / xlsx-manipulation（claude-office-skills）—— 公式感知的电子表格引擎

来源：GitHub claude-office-skills/skills 的 xlsx-manipulation（DeepWiki 有架构文档），基于 openpyxl 实现公式感知工作流：创建、编辑、分析、可视化工作簿，且保留公式与单元格引用、验证格式。社区另有 office-mcp（39 个 Word/Excel/PPT/PDF 工具的 MCP）作为后端。

核心演示：要求"做一份带 SUMIFS 透视与条件格式的销售周报"，技能会正确维护公式链，而非把数字硬编码进单元格，后续改数据公式自动重算。

评分：功能完整度 ★★★★☆、上手 ★★★★★（人人会用 Excel）、变现 ★★★★☆（财务/运营报表自动化）、训练营 ★★★★☆、社区 ★★★★☆。

变现与训练营：电子表格是企业最大公约数，"Excel 自动化"是最容易变现、受众最广的赛道——可包装成财务周报机器人、运营看板生成器。训练营场景下门槛低、即学即用，适合面向非技术人群的数据素养课。需注意它本质是"office 文档引擎"而非"数据科学引擎"，深度分析仍需 pandas/SQL 接力，这正是它与前面 6 个技能的边界。

Skills 生态分类思维导图

mindmap
  root((数据分析型<br/>Skills 生态))
    数据获取与连接
      dbhub MCP (bytebase)
        PostgreSQL / MySQL / MariaDB
        SQL Server / SQLite
        只读安全连接
      NotebookLM / 知识检索
      论文与文档抓取
    数据质控与探索 EDA
      programmatic-eda
      数据质量校验
      分布与缺失画像
    数据处理与工程
      claude-data-skills PyPI
      pandas-pro DataFrame
      ETL 管线构建
    存储与分析计算
      SQL Pro 查询优化
      SQL Data Analyst
      SQL Expert 建模
      电子表格 xlsx 公式感知
    可视化与交付
      matplotlib-skill 出版级
      chart-craft HTML 图表
      报告自动化
    产品化与教学
      官方 Data 插件
      数据分析训练营
      企业 SaaS 底座

推荐排行榜

按功能完整度（开箱即用优先） 1. dbhub + Skill（多库连接 + 只读安全，基建级） 2. data-analytics-skills（31 个技能，质控到归因全覆盖） 3. Anthropic 官方 Data 插件（零配置全链，但定制浅）

按变现潜力（最容易做成付费产品） 1. dbhub（企业数据库连接刚需，B2B 私有化） 2. data-analytics-skills（可拆卖、可整包 SaaS 化） 3. SQL Pro（DBA 体检与优化咨询，按查询收费）

按训练营适用性（教学友好度） 1. data-analytics-skills（目录即课表，8–12 课时） 2. SQL Pro（现成 SQL 进阶教材） 3. matplotlib-skill（可视化课 + Skill 打磨元课程）

按上手难度（最易零基础起步） 1. claude-data-skills（pip install 一行） 2. SQL Pro / spreadsheet（DBA/Excel 用户秒上手） 3. Anthropic 官方 Data 插件（零配置）

本期最值得动手的组合：以 dbhub 为安全连库底座 + SQL Pro 写好查询 + data-analytics-skills 做质控与归因 + matplotlib-skill 出图交付，覆盖从"连库→查→分析→出图"的企业级全链；面向个人或教学，则用 claude-data-skills（pip 一键）+ spreadsheet 即可快速起步。这条赛道的共同特征是——技术壁垒高于内容创作类，付费意愿强于娱乐类，是 2026 下半年最值得投入训练营与产品化的 Skills 垂直之一。