全链路数据分析

概述

七层架构自动将业务目标转化为结构化的分析报告：

L1 人物角色理解 → L2 数据范围获取 → L3 分析数据范围界定 → L4 问题分解 → L5 方法选择 → L6 执行与计算 → L7 结果输出

该智能体可根据实际需求编写 Python 分析代码，无需预先打包的代码库。每一层均作为下一层的质量控制节点。

触发场景

• 用户请求进行数据或业务指标分析
• 用户希望理解数据中的原因、趋势或模式
• 用户需要一份数据分析报告
• 用户提及“分析”“归因”“预测”“聚类”“趋势”“数据报告”等关键词
• 用户提出需要数据驱动洞察的业务目标

核心原则

• 按需生成代码：根据实际数据情况，使用 pandas/numpy/scipy/sklearn/statsmodels 等库编写定制化分析脚本
• 数据感知路由：方法选择综合考虑业务意图语义、数据结构特征和问题类型
• 质量门禁机制：所有结论输出必须包含置信度标注及交叉验证说明

七层流程

L1 — 人物角色理解

识别提问者角色、决策场景与成功标准。

关键问题：

• 角色：高管、分析师、产品经理、运营人员？
• 决策场景：战略规划、运营复盘、专项调查？
• 成功标准：哪些指标/目标定义为“良好”？
• 数据素养：报告的技术复杂程度应如何设定？

输出：结构化的人物角色摘要（角色、决策场景、成功标准）

L2 — 数据范围获取

发现并验证可用的数据源。

步骤：

1. 向用户询问已提供的数据（文件、数据库、API）
2. 收到文件后，检查数据模式、样本数据，审查字段类型与缺失值
3. 识别相关字段/表
4. 确认数据时效性（更新频率）

输出：数据清单（来源、模式、质量备注）

L3 — 分析数据范围界定

从“所有可用数据”缩小到“与业务目标相关的数据”。

步骤：

1. 将业务问题关键词映射至所需数据维度
2. 仅保留必要字段与记录
3. 明确时间窗口、聚合粒度、筛选条件
4. 识别潜在混杂因素

输出：数据范围说明（维度、时间窗口、筛选条件、聚合粒度）

L4 — 问题分解

将业务问题拆解为可分析的子问题。

框架选择：

• MECE原则（相互独立、完全穷尽）：收入 = 交易金额 × 客户流量
• 逐层钻取：按区域 → 渠道 → 产品层级逐步分解
• 前后对比：变化前 vs 变化后
• 群体分析：按时间/属性分组，比较发展轨迹
• 漏斗分析：分步骤转化率分析
• 假设树：结构化假设检验

输出：问题树（包含清晰假设陈述的分解结构）

L5 — 方法选择

基于数据感知路由选择分析方法。详见 references/routing.md。

三维路由逻辑：

1. 业务意图语义：增长、流失、转化、风险、归因等
2. 数据结构：时间序列、横截面、面板、分层结构等
3. 问题类型：描述性、诊断性、预测性、处方性

详见 references/methods.md（15种方法详细说明）

输出：方法计划（主方法 + 可选交叉验证方法）

L6 — 执行与计算

使用 Python 执行分析。处理流程如下：

1. 环境检查：运行 pip list 确认 pandas、numpy 是否存在；缺失则安装
2. 数据加载：按 L3 范围规范加载数据
3. 数据清洗：处理缺失值、异常值、类型转换
4. 分析执行：编写并运行所选方法的 Python 脚本
5. 交叉验证：使用备选方法进行对比验证（参见 references/quality.md）
6. 结果解读：提取关键数值、统计量、效应量

编码规范：

• 使用 pandas 进行数据操作，scipy.stats 执行统计检验，statsmodels/sklearn 用于建模
• 输出结果需带清晰标签；脚本输出直接构成报告内容
• 处理边界情况（空数据、全空列、单类别变量）
• 输出结构化文本，而非原始数字

L7 — 结果输出

以飞书文档格式输出分析报告。详见 references/feishu-report.md。

报告结构：

1. 分析概览 —— 执行摘要（一段话）
2. 核心发现 —— 基于数据的关键洞察
3. 分析过程 —— 使用的方法、数据范围、关键假设
4. 详细结果 —— 图表说明、统计结果、效应量
5. 结论与建议 —— 可操作建议，附置信度标注
6. 附录 —— 方法细节、注意事项、数据质量说明

快速参考

检查清单

• [ ] L1：在访问数据前确认人物角色
• [ ] L2：始终在分析前检查数据模式与样本
• [ ] L3：明确说明数据范围（时间、筛选条件、维度）
• [ ] L4：必须先分解问题，不得跳过直接进入方法
• [ ] L5：查阅路由表，记录方法选择依据
• [ ] L6：至少执行一次交叉验证
• [ ] L7：每个结论必须包含置信度标注