Analyzes Excel/CSV data using pandas to generate Korean-style business reports: executive summaries, KPI dashboards, sales/trend analysis, insights in PPTX/DOCX/HTML/XLSX.
From smart-cowork-lifenpx claudepluginhub modu-ai/cowork-plugins --plugin smart-cowork-lifeThis skill uses the workspace's default tool permissions.
Guides Next.js Cache Components and Partial Prerendering (PPR) with cacheComponents enabled. Implements 'use cache', cacheLife(), cacheTag(), revalidateTag(), static/dynamic optimization, and cache debugging.
Migrates code, prompts, and API calls from Claude Sonnet 4.0/4.5 or Opus 4.1 to Opus 4.5, updating model strings on Anthropic, AWS, GCP, Azure platforms.
Details PluginEval's skill quality evaluation: 3 layers (static, LLM judge), 10 dimensions, rubrics, formulas, anti-patterns, badges. Use to interpret scores, improve triggering, calibrate thresholds.
엑셀/CSV 데이터를 분석하여 한국 기업에서 통용되는 보고서 양식의 리포트를 자동 생성합니다. 경영진 대상 1페이지 요약부터 상세 분석 보고서까지 지원합니다.
| 분석 유형 | 설명 | 출력 형식 |
|---|---|---|
| 매출 분석 | 기간별/품목별/채널별 매출 분석 | .pptx, .docx, .xlsx |
| KPI 대시보드 | 핵심 지표 현황 요약 | .html, .pptx |
| 비교 분석 | 전기대비, 목표대비, 경쟁사대비 | .docx, .pptx |
| 트렌드 분석 | 시계열 추세, 예측 | .docx, .xlsx |
| 고객 분석 | 고객 세그먼트, RFM 분석 | .docx, .xlsx |
| 성과 보고서 | 프로젝트/부서 성과 종합 | .docx, .pptx |
[리포트 제목]
보고 기간: ____년 __월 ~ ____년 __월
작성일: ____년 __월 __일
작성자: ________
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
[핵심 지표 (KPI)]
┌──────────┬──────────┬──────────┬──────────┐
│ 매출액 │ 영업이익 │ 고객 수 │ 만족도 │
│ 00억원 │ 00억원 │ 0,000명 │ 0.0점 │
│ ▲15% │ ▲8% │ ▲20% │ ▼0.2 │
└──────────┴──────────┴──────────┴──────────┘
[주요 인사이트] (3줄 이내)
1. (가장 중요한 발견)
2. (두 번째 중요한 발견)
3. (세 번째 중요한 발견)
[차트/그래프 영역]
(월별 매출 추이, 카테고리별 비중 등)
[제안/액션 아이템]
- (데이터 기반 제안 1)
- (데이터 기반 제안 2)
1. 분석 개요
- 분석 목적
- 데이터 범위 (기간, 출처)
- 분석 방법론
2. 현황 분석
- 전체 현황 (KPI 대시보드)
- 기간별 추이 (차트)
- 구성비 분석 (파이/바 차트)
3. 비교 분석
- 전기 대비 (전월/전년)
- 목표 대비 (달성률)
- 벤치마크 대비 (있을 경우)
4. 심층 분석
- 상위/하위 항목 분석
- 이상치/특이사항
- 상관관계/패턴
5. 인사이트 및 제언
- 핵심 발견 사항 (3~5개)
- 원인 분석
- 개선 제안 (데이터 근거)
6. 부록
- 원본 데이터 요약
- 분석 방법론 상세
# 데이터 로드 및 기본 탐색
import pandas as pd
df = pd.read_excel('data.xlsx') # 또는 pd.read_csv('data.csv')
print(df.shape) # 행/열 수
print(df.dtypes) # 데이터 타입
print(df.describe()) # 기술 통계
print(df.isnull().sum()) # 결측치 확인
# 날짜 변환, 결측치 처리, 이상치 제거
df['날짜'] = pd.to_datetime(df['날짜'])
df['금액'] = df['금액'].fillna(0)
# 기간별 집계
monthly = df.groupby(df['날짜'].dt.to_period('M')).agg({'금액': 'sum', '건수': 'count'})
# 전기대비 증감
monthly['전월대비'] = monthly['금액'].pct_change() * 100
# 카테고리별 비중
category = df.groupby('카테고리')['금액'].sum()
category_pct = category / category.sum() * 100
차트 생성에는 matplotlib/seaborn 또는 HTML/React를 활용합니다.
분석 결과를 docx/pptx/html로 리포트화합니다.
| 데이터 유형 | 추천 차트 | 용도 |
|---|---|---|
| 시계열 추이 | 꺾은선(Line) | 매출/고객 추이 |
| 구성비 | 파이(Pie)/도넛 | 카테고리별 비중 |
| 비교 | 막대(Bar) | 품목별/채널별 비교 |
| 분포 | 히스토그램 | 가격대별 분포 |
| 상관관계 | 산점도(Scatter) | 변수 간 관계 |
| 순위 | 가로 막대 | TOP 10 등 |
| 항목 | 표기법 | 예시 |
|---|---|---|
| 금액 (억 이상) | 억원 단위 | 12.5억원 |
| 금액 (만 이상) | 만원 단위 | 3,500만원 |
| 비율 | 소수 1자리 | 15.3% |
| 인원 | 명 | 1,234명 |
| 증감 | ▲/▼ + 수치 | ▲15.3% |
.pptx: 경영진 보고용 슬라이드 (기본값).docx: 상세 분석 보고서.html: 인터랙티브 대시보드 (React).xlsx: 분석 결과 데이터 + 차트.pdf: 최종 제출용데이터 업로드 → 데이터 탐색 → 정제 → 분석
→ 인사이트 도출 → 시각화 → 리포트 생성 → 전달