得觅·数据分析

审计分析常见的失败模式是：把数据丢进 pandas，画几个柱状图，然后写“数据有明显下降”。这不算分析。真正要回答的问题是：差异由什么驱动、各贡献多少、哪些属于正常时差、哪些必须升级处理。OpenDemi-DataAnalysis 就是为这类问题设计的分析脚手架。

它解决什么问题

企业审计、财务BP、生产质量、采购合规场景里，数据通常分散在 Excel 台账、ERP 导出 CSV、SQL Server、PostgreSQL、DuckDB 大文件里。分析师面临的不是“算不出数”，而是：

• 钩稽不上：入库、出库、报废、付款四张表金额对不平，不知道是时点差异还是待查差异。
• 差异无法归因：预算超支了，但只说“量价共同影响”等于没分析。需要拆出数量效应、价格效应、结构效应各贡献多少。
• 重要性没有标准：¥5万差异和¥500万差异用同一个阈值判断，结论必然失真。
• 统计陷阱：多组比较不做多重比较校正，幸存者偏差未排除，平均的平均值算错。

核心能力与工作流

技能按三层架构组织，但实际使用时是一条推理链：

1. 多源接入与画像：pd.read_excel()、sqlalchemy + pd.read_sql()、duckdb.connect() 覆盖常规数据源。首次接触新数据集先跑标准化画像——缺失模式、基数、偏度、相关性矩阵、质量评分。画像不是为了汇报数据质量，而是判断哪些维度值得深挖。
2. 方法路由：根据问题类型选择分析模式——钩稽比对、合规检测、趋势预警、效率分析、差异分解。例如“原料出入库对不上”走钩稽路线，“毛利率下降”走率混合分解。
3. 差异分解方法论：v5.0 引入三种分解方法。价量分解拆 单价 × 数量 型指标；三因素分解分离组合效应（多品类汇总时必须做，否则结构变化会被数量/价格效应吸收）；率混合分解分析加权平均指标的变化来源。瀑布图归因把总差异拆成各驱动因素的正负贡献。
4. 对账钩稽体系：差异分三类——时点差异（跟踪至消除）、需调整差异（编制调整分录）、待查差异（调查根因）。老化分析按 0-30/31-60/61-90/90+ 天分级行动。升级阈值框架根据金额和年龄自动路由到主管或管理层。
5. 统计增强与验证：假设检验五步法、效应量、置信区间、Bonferroni 校正。异常检测禁止自动删除离群值，改为四步：调查→修复或保留→稳健统计→分离分析。交付前跑结构化验证清单，红旗信号（环比变化>50%、精确整零、比率恰好0%或100%）触发暂停交付。

适用边界与注意点

这个技能不替代业务判断。它提供的是分析框架和统计工具箱，但：

• 重要性阈值是参考值，需根据行业和企业规模调整。
• 因果推断仍需外部证据，技能只能做相关性检验并提示“需现场核实”。
• 季节性序列（如养殖产蛋率）必须先做同期对比再做异常检测，避免把正常周期当异常。
• 多对多 JOIN 会膨胀行数，交付清单里专门检查这一点。
• 生态谬误：群体层面结论不能直接定罪个体车间或供应商。

它适合已经拿到数据、需要系统性分析并输出可审计报告的场景。如果你的需求只是“帮我画个图”或“做个描述性统计”，这套框架会显得重；但如果你需要解释“为什么差异发生、谁负责、下一步做什么”，这就是为那个问题设计的。