Load context
On first use: Read ../../CLAUDE.md to obtain scenario-level configuration (validation criteria/confidence grading/usage constraints).
/insight-validation — Insight validation
Examples
→ Example: The user says "Business says a price cut will boost sales, but I calculated that profit will decline—help me validate this." The system should invoke this skill and perform price elasticity analysis and profit sensitivity validation.
→ Example: The user says "The cost optimization recommendation given earlier was challenged by the business—help me supplement it with more data support." The system should invoke this skill and supplement data validation and sensitivity analysis.
→ Example: The user says "What is the real reason for the supplier's price increase? Help me verify it from public information and market data." The system should invoke this skill and perform external data cross-validation.
Step 1: Obtain the insights to be validated
Insight list:
□ 待验证洞察数量：[X] 条
□ 来源报告：[报告名称/日期]
□ 洞察列表：
| # | 洞察标题 | 洞察描述 | 类型 | 原置信度 |
|---|---------|---------|------|---------|
| 1 | [标题] | [描述] | [模式/异常/机会] | [高/中/低] |
| 2 | [标题] | [描述] | [模式/异常/机会] | [高/中/低] |
Step 2: Data accuracy validation
Data source verification:
□ 洞察 1 数据核实：
→ 引用数据点：[X]
→ 数据来源：[系统/报告名称]
→ 数据时间：[YYYY-MM-DD]
→ 数据核实结果：[✅ 确认 / ⚠️ 存疑 / 🔴 错误]
→ 核实说明：[描述]
□ 洞察 2 数据核实：
→ ...
Calculation accuracy check:
□ 洞察 1 计算验证：
→ 引用计算：[描述，如"YoY = (本期 - 上期) / 上期 × 100%"]
→ 原计算值：[X]%
→ 重新计算值：[X]%
→ 计算准确性：[✅ 正确 / 🔴 错误，差异 [X]%]
→ 修正后数值：[X]%（如错误）
Data timeliness check:
□ 洞察数据时效性：
→ 数据最新时间：[YYYY-MM-DD]
→ 距今时长：[X] 天
→ 时效性评估：[✅ 有效（<[X]天）/ ⚠️ 需更新（>[X]天）]
Step 3: Logical soundness validation
Logical deduction check:
□ 洞察 1 逻辑检验：
→ 结论推导逻辑：[描述]
→ 逻辑链完整性：[✅ 完整 / ⚠️ 部分缺失 / 🔴 逻辑错误]
→ 关键假设：[列出]
→ 假设检验：[✅ 成立 / ⚠️ 存疑 / 🔴 不成立]
→ 逻辑漏洞：[描述（如有）]
□ 洞察 1 因果 vs 相关检验：
→ 是否混淆相关性与因果性：[是/否]
→ 说明：[因果关系成立/仅相关/无法判断]
Cross-insight consistency check:
□ 洞察间一致性：
→ 洞察 1 与洞察 2 是否存在矛盾：[✅ 一致 / ⚠️ 部分矛盾]
→ 说明：[描述]
□ 与已知事实的一致性：
→ 洞察是否符合已知的业务事实：[✅ 符合 / 🔴 矛盾]
→ 说明：[描述]
Step 4: Business actionability assessment
Actionability rating:
□ 可操作性维度：
→ 明确性：行动建议是否清晰 [1-5 分]
→ 可执行性：建议在现有资源下是否可执行 [1-5 分]
→ 可衡量性：执行效果是否可量化追踪 [1-5 分]
→ 时效性：执行时机是否恰当 [1-5 分]
□ 综合可操作性评分：[X]/5
→ 4.0-5.0：[✅ 强可操作] — 可直接转化为行动
→ 3.0-3.9：[⚠️ 中等可操作] — 需细化后执行
→ < 3.0：[🔴 弱可操作] — 建议重塑或搁置
Execution obstacle analysis:
□ 洞察 1 执行障碍：
→ 资源障碍：[有/无] — [描述]
→ 组织障碍：[有/无] — [描述，如跨部门协调]
→ 技术障碍：[有/无] — [描述]
→ 优先级障碍：[有/无] — [描述]
→ 综合评估：[✅ 可执行 / ⚠️ 需解决 X 个障碍 / 🔴 存在重大障碍]
Step 5: Confidence reassessment
Comprehensive confidence assessment:
□ 置信度调整因素：
→ 数据准确性：[提升/不变/降低]
→ 逻辑合理性：[提升/不变/降低]
→ 可操作性：[提升/不变/降低]
→ 样本量/覆盖度：[提升/不变/降低]
□ 置信度最终定级：
→ 初始置信度：[高/中/低]
→ 调整后置信度：[高/中/低]
→ 调整原因：[描述]
Step 6: Generate validation report
═══════════════════════════════════════
洞察验证报告
验证日期：[YYYY-MM-DD]
验证洞察数：[X] 条
原报告：[报告名称]
═══════════════════════════════════════
【验证结果汇总】
| # | 洞察 | 数据准确 | 逻辑合理 | 可操作性 | 最终置信度 |
|---|------|---------|---------|---------|-----------|
| 1 | [标题] | [✅/⚠️/🔴] | [✅/⚠️/🔴] | [✅/⚠️/🔴] | [高/中/低] |
| 2 | [标题] | [✅/⚠️/🔴] | [✅/⚠️/🔴] | [✅/⚠️/🔴] | [高/中/低] |
【详细验证结果】
洞察 1：[标题]
□ 数据核实：[✅ 确认 / 🔴 错误]
→ 修正数据：[原值] → [修正值]
□ 逻辑检验：[✅ 合理 / 🔴 存疑]
→ 逻辑问题：[描述（如有）]
□ 可操作性：[✅ 可执行 / ⚠️ 需细化 / 🔴 障碍多]
→ 执行障碍：[列表]
□ 置信度：初始 [高] → 最终 [高] — 调整原因 [描述]
洞察 2：[标题]
...
【洞察质量分级】
□ 🔵 强洞察（置信度[高] + 可操作[高]）：[X] 条
→ [洞察1]、[洞察2]
□ 🟢 良好洞察：[X] 条
□ 🟡 待改进洞察：[X] 条
→ [洞察3] — 建议 [细化方向]
□ 🔴 存疑/不可用洞察：[X] 条
→ [洞察4] — 原因 [描述]
【建议】
□ 可直接行动的洞察：[列表]
□ 需进一步验证的洞察：[列表] — 验证方法 [描述]
□ 建议搁置的洞察：[列表] — 原因 [描述]
═══════════════════════════════════════
置信度：[✅ 高 / ⚠️ 中 / 🔴 低]
整体验证结论：[✅ 洞察质量良好 / ⚠️ 存在质量问题 / 🔴 多个洞察存疑]
═══════════════════════════════════════
Escalation trigger conditions
- Multiple insights (> [X] items) have data verified as erroneous
- An insight's logic contains a fundamental error
- A high-confidence insight's actionability is rated 🔴 weak
- Contradictory conclusions exist among insights
- Data cited by an insight cannot be verified within [X] days
- An insight involves a major business decision (> [X] ten-thousand in amount or strategic-level)
Finance Skills — insight-validation atomic skill