5分钟把Excel变成业务报表：Data-Analysis-Agent LLM数据分析助手初探-二趣网

5分钟把Excel变成业务报表：Data-Analysis-Agent LLM数据分析助手初探

【免费下载链接】Data-Analysis-Agent🚀你的私人数据分析助手。通过对话式交互，自动生成可视化报表与商业洞察，让数据决策变得像聊天一样简单。 🚀 Your personal data analysis assistant. Say goodbye to complex SQL and Excel formulas. An LLM-powered data analysis agent. Chat with your data to instantly generate visualizations and business insights. Making>项目地址: https://gitcode.com/gh_mirrors/vi/Data-Analysis-Agent

Data-Analysis-Agent 是一款基于 LLM 的数据分析助手，也叫"智能图表推荐与生成系统"。你只需上传 Excel 或 CSV 文件，它就能自动分析数据、推荐最合适的图表，并一键生成交互式可视化报表，让数据决策像聊天一样简单。

它解决了什么痛点？

做过业务报表的朋友都有体会：

📊不会选图：同样是销售数据，该用柱状图、桑基图还是瀑布图？
🐌手动出图慢：从整理数据到调整配色，一张报表往往要磨上一两个小时
🔒门槛高：复杂的 SQL 和 Excel 公式把非技术同学挡在门外

Data-Analysis-Agent 的思路是：上传数据 → LLM 分析 → 智能推荐图表 → 一键生成 HTML 报表。整个过程不用写一行代码，5 分钟就能把一份 Excel 变成可以直接发给老板看的业务报表。

系统内置了 40+ 种专业图表类型，覆盖对比、时间趋势、分布、占比、关系、地理等常见分析场景，全部图表元数据统一维护在 charts/registry.py 中，前端列表和生成逻辑自动同步。

快速安装与启动：三步跑通 LLM 数据分析助手

环境要求很简单：Python 3.7+和 pip 即可。

第 1 步：获取项目

git clone https://gitcode.com/gh_mirrors/vi/Data-Analysis-Agent cd Data-Analysis-Agent

第 2 步：安装依赖

pip install -r requirements.txt

requirements.txt 里包含了 Flask、pandas、plotly、openai 等核心依赖，一条命令全部装好。

第 3 步：启动服务

python app.py

Windows 用户也可以直接双击 start.bat 一键启动。看到服务启动提示后，在浏览器打开http://localhost:5017，主页面就出来了：

主页面分为三大区域：左侧是上传数据和配置设置（LLM 提供商、API Key），右侧是图表选择网格，双击任意图表还能查看它的详细说明。

使用流程：从 Excel 到业务报表只需 4 步

步骤一：上传 Excel 或 CSV 文件

把文件拖进上传区即可，系统会自动解析并告诉你数据规模和字段列表。后端通过 core/loader.py 和 core/data_profiler.py 完成数据读取与字段类型识别（数值 / 类别 / 日期），为后续的智能推荐打好基础。

步骤二：配置 LLM 并获取图表推荐

在"配置设置"区域选择 LLM 提供商（内置 DeepSeek、MiniMax，也支持任意 OpenAI 兼容接口）并填入 API Key，可以点"测试配置"验证连通性。

然后进入"对话与分析"区域，用一句自然语言描述你的分析需求（不填也可以），点击发送。LLM 推荐引擎（实现在 LLM/llm_recommender.py）会结合数据结构给出 3~5 个候选图表，每个都附带推荐理由、星级评分和字段映射建议，右侧图表网格中对应的图表也会被自动高亮：

如上图所示，系统分析出"source、target、value 三列完美匹配桑基图"，并解释了为什么流向关系适合用桑基图呈现——推荐过程完全透明，而不是黑盒。

步骤三：查看图表详情，确认数据格式

双击任意图表会进入详情页，左边是文档说明（图表分类、适用场景、必填字段及类型要求），右边是示例预览，选图之前就能看到效果：

步骤四：一键生成并下载 HTML 报表

确认好图表后，勾选字段映射（系统默认已按 LLM 建议自动映射），选择配色方案，点击"生成图表"。生成逻辑由 chart_generate.py 驱动，调用 charts/ 目录下对应图表模块渲染出 Plotly 交互图表，最终产出一个独立 HTML 文件，可直接下载、双击打开，还能分享给同事：

生成的图表支持缩放、悬停查看数值等交互，直接放进汇报材料也不违和。

内置 40+ 图表类型：覆盖主流业务分析场景

不用记图表名，按分析目的选就行。系统把图表分成六大类（完整清单见 charts/registry.py）：

分析目的	代表图表
📈 对比	柱状图、分组柱状图、堆叠柱状图、瀑布图、热力图、靶心图
📅 时间趋势	折线图、面积图、斜率图、迷你图、凹凸图
📊 分布	箱线图、小提琴图、直方图帕累托图、山脊线图
🍰 占比	饼图、旭日图、矩形树图、南丁格尔玫瑰图、华夫格
🔗 关系	散点图、气泡图、桑基图、弦图、网络图
🗺️ 地理	点密度地图、面量图

每种图表的目录（如 charts/Sankey_Chart/）都自带 README 说明和 result.html 示例，想深入了解某个图表的适用约束，打开对应文档即可。

常见问题

推荐结果为空怎么办？优先检查 API Key 是否配置正确、网络能否访问 LLM 服务，再确认上传文件非空且字段可解析。

图表生成失败？看一下字段类型是否与图表要求匹配（比如柱状图要求数值列 ≥ 0），详情页的"必填字段"表格就是最好的对照参考。

想接入自己的模型？在 Settings 面板点"添加自定义模型"，填入任意 OpenAI 兼容接口的 base_url、模型名和 API Key 即可，配置管理逻辑见 LLM/llm_config_manager.py。

写在最后

Data-Analysis-Agent 把"选图 → 画图 → 出报表"这条最耗时的链路交给了 LLM 和自动化流程，新手也能在 5 分钟内产出一份专业的交互式业务报表。如果你日常要处理销售周报、运营复盘、预算流向这类分析，建议直接跑起来试试：

📖 项目说明与完整文档：README.md
⚙️ Flask 后端入口：app.py
🎨 图表注册中心：charts/registry.py
🧠 LLM 推荐引擎：LLM/llm_recommender.py

从此告别复杂的 SQL 和 Excel 公式，让数据决策真的变得像聊天一样简单。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析