决策驱动数据分析

面向决策的数据分析

当 SQL、表格、Notebook、dashboard 或导出文件里的数字很多，但难以判断“哪个结论可信、下一步该改什么”时，这个技能提供一套分析框架。它把重点从“算出结果”移到“支持决策”，适合 KPI 排查、A/B 实验解读、漏斗与 cohort 分析、异常复盘、指标质量检查和管理层汇报。

如何工作

它要求先明确 决策问题 与 指标契约：谁是决策人、什么结果会改变判断、实体粒度、分子分母、时间窗、时区、过滤与排除项都要写清楚。随后将 extraction、transformation、interpretation 分开，避免把业务假设藏进 SQL、公式或 Notebook 代码里。分析时强调统计严谨性：样本量、对照组公平性、多重比较、效应量、置信区间和敏感性都要纳入判断。输出时优先给结论、证据、置信度、局限和下一步建议；当样本不足、口径漂移或混杂因素未控制时，应降级结论而不是制造确定性。

适用边界

它不替代数据清洗、权限治理、BI 工程或报表系统开发，而是帮助在已有数据上形成可被追问的分析结论。如果数据源不可靠、样本太小，或用户目标是“证明预设结论”，技能应提示风险并保留不确定性。