de db-gpt18,480
Analyse les ventes hebdomadaires de Walmart par rapport au chômage pour produire des graphiques, des analyses de régression et un rapport HTML professionnel avec des recommandations commerciales.
Cette compétence ingère un fichier CSV des ventes de Walmart (Magasin, Date, Ventes_Hebdomadaires, Chômage) et effectue une analyse exploratoire approfondie : cartes de chaleur de corrélation, régression ventes vs chômage avec interprétation, graphiques de tendances temporelles par magasin, comparaisons inter-magasins et un rapport HTML réactif consolidé regroupant les graphiques et des recommandations exploitables.
Utilisez cette compétence lorsque vous avez besoin d'insights rapides basés sur les données sur la manière dont les facteurs macroéconomiques (chômage) influencent les performances de vente au niveau des magasins — utile pour les analystes, les directeurs régionaux et les équipes de données préparant des synthèses exécutives. Idéal pour des analyses ponctuelles ou des rapports réguliers à partir d'un CSV standardisé.
scripts/generate_html_report.py (génère le rapport complet et les graphiques), scripts/generate_correlation_heatmap.py, scripts/generate_sales_unemployment_scatter.py, scripts/generate_time_series_trend.py, scripts/generate_store_avg_comparison.py.templates/report_template.html pour générer un rapport HTML réactif.generate_html_report.py avec input_file et output_dir, et la présentation du résultat via un interpréteur HTML/UI.Idéalement utilisé avec des agents capables d'exécuter les scripts fournis et de restituer des sorties HTML (agents avec des outils d'exécution de scripts ou de code tels que les outils d'exécution Copilot/Codex, ou des intégrations permettant execute_skill_script_file et html_interpreter).
Analyseur de données de ventes Walmart provenant de DB-GPT qui génère des cartes de chaleur de corrélation, des nuages de points, des tendances de séries temporelles et un rapport HTML comparant les ventes au chômage. Les 6 scripts ont échoué en raison de dépendances manquantes (pandas/matplotlib/seaborn). Le code est fonctionnel mais manque de validation d'entrée et de gestion d'erreurs. Lié aux outils spécifiques de DB-GPT (execute_skill_script_file, html_interpreter), ce qui limite son utilisabilité générale.
matplotlibpandasseabornAucune préoccupation de sécurité — les scripts lisent/écrivent uniquement des fichiers locaux sans appels réseau, sans identifiants, ni commandes destructrices. L'architecture est correcte avec des scripts modulaires et un répertoire de modèles, mais le couplage avec les outils DB-GPT limite considérablement la portabilité. Utilité de niche — pertinent uniquement pour les utilisateurs ayant des données CSV au format Walmart tournant sous DB-GPT.
