DMS 数据异常雷达

要解决的具体问题

在数据分析流程中，当数据完成清洗后，如何快速识别关键指标超出标准阈值的异常记录？手动比对不仅耗时，还容易遗漏细节。尤其当指标数量多、数据量大时，效率低下且难以标准化处理。

技能如何工作

核心能力

该技能通过两步流程解决上述问题：

1. 加载标准参数：从references/standard_thresholds.md读取各指标的upper_limit（上限）、lower_limit（下限）和target（目标值），并通过references/dms_schema.md确定指标与DMS列名的映射关系。
2. 执行比对脚本：运行scripts/detect_anomalies.py，按以下逻辑标记异常：

- value > upper_limit → 标记为HIGH
- value < lower_limit → 标记为HIGH
- 与target的偏差超过±20% → 标记为WARNING
- 偏差在±10%到±20%之间 → 标记为WARNING
- 偏差在±10%以内 → 标记为MINOR

输出结果为结构化的Markdown表格，包含异常级别、严重度、处理时限和异常明细，可直接用于根因分析。

适用边界与注意点

该技能依赖准确的阈值定义和列名映射。若references/standard_thresholds.md或references/dms_schema.md中的配置有误，可能导致误判。此外，该技能适用于清洗后的DMS数据，若数据未完成清洗，可能影响检测准确性。