🔍 研究分析

趋势分析报告

分析时间序列数据以识别模式、趋势并进行预测

★★★ 高级 35 min 2025年1月13日

概述

理解数据中的趋势有助于预测和战略规划。Cowork 可以分析时间序列数据，识别规律和异常，并生成包含可视化图表的综合趋势报告。

适用场景

  • 销售数据的季节性分析
  • 业务指标的同比/环比趋势
  • 市场数据的长期走势研究
  • 异常波动的原因定位
  • 未来业绩的预测估算

操作步骤

1

准备数据文件

确保你的数据文件格式规范，日期格式一致，字段清晰。

我有一份销售数据在 ~/Data/sales_2020_2024.csv，包含以下字段：
date（日期）, product_category（产品类别）, units_sold（销量）, revenue（营收）, region（地区）
2

设定分析要求

告诉 Claude 你需要分析哪些维度，以及预测需求。

请进行趋势分析：
    

  1. 按年度和季度识别整体营收趋势
    2. 

  2. 找出每个产品类别的季节性规律
    3. 

  3. 对比各地区的业绩趋势
    4. 

  4. 标注异常值或重大变化
    5. 

  5. 基于历史规律预测 2025 年第一季度
    6. 

  6. 生成 trend_analysis_report.md 报告，包含可视化图表
    7.
3

查看分析报告

Claude 会生成完整的趋势分析报告，包含：

  • 执行摘要（复合年增长率、高峰季节、增长最快的品类）
  • 同比增长趋势表
  • 季度分布规律
  • 各品类和地区的详细分析
  • 检测到的异常及可能原因
  • 未来季度的预测估算

趋势预测基于历史数据规律，无法预见突发事件（如疫情、政策变化）的影响。建议结合业务判断使用预测结果。

为了获得更准确的趋势分析，建议提供至少 2 年的历史数据。数据时间跨度越长，季节性规律和长期趋势的识别越准确。

常见问题

Q: 支持哪些数据格式？ A: 支持 CSV、Excel、JSON 等常见格式。确保日期格式统一（如 YYYY-MM-DD）。

Q: 可以分析多大的数据集？ A: 取决于数据复杂度。几万行的数据通常没有问题。对于更大的数据集，可以先让 Claude 进行采样分析。

Q: 能使用特定的统计方法吗？ A: 可以。你可以指定使用移动平均、指数平滑、季节性分解等方法。也可以要求计算特定的统计指标。

Q: 如何解读异常值？ A: Claude 会标注偏离趋势的异常点。你可以提供业务背景（如促销活动、供应链问题），帮助 Claude 更好地解释这些异常。

Q: 预测的可信度如何？ A: 预测会附带置信区间。短期预测（如下一季度）通常比长期预测更可靠。历史数据越稳定，预测准确度越高。