用途：该技能为 Riksdagsmonitor 平台的政治情报分析提供数据科学方法论，覆盖统计分析、机器学习、自然语言处理、时间序列预测和网络分析，应用于 6 个情报框架与 82 个数据库视图，用于民主问责评估。
主要能力：时间序列分析（趋势、季节性、ARIMA 预测、变点检测）；分类模型（如用随机森林预测议员倒戈风险，输出 LOW/MEDIUM/HIGH 风险等级）；聚类分析（K-Means 按投票行为聚类，识别跨党派投票集团）；自然语言处理（议会文件与演讲文本分析）；网络分析（由投票一致性构建影响力网络）。数据源包括 Riksdagen API（约 350 万投票）、选举机构、世界银行指标、金融监管机构数据，以及 IMF 宏观背景配合 SCB 的 KPI/AKU/HEK/燃料价格序列和 Riksbank 政策利率/会议纪要信号。
使用方式：资料给出 Python 示例，使用 pandas、statsmodels、scikit-learn、ruptures 等库，通过数据库连接读取视图数据（如 view_riksdagen_politician_summary、view_riksdagen_party_coalition_agreeableness、view_riksdagen_politician_document_daily_summary），进行特征工程、建模与预测；也提供 SQL 时间序列查询示例（如 12 个月滚动平均）。
适用场景：选举结果或联盟稳定性预测、投票行为与政策立场的时间模式分析、政治行为异常检测（投票突变、缺席）、议会文件文本分析、影响力网络构建、政党支持率或议员效能趋势预测、按投票相似度聚类议员或政党、结合 IMF 与 SCB/Riksbank 数据建模瑞典经济传导链。
限制：不适用于简单聚合查询（应使用 SQL 视图）、实时运营仪表盘（应使用物化视图）、缺乏实验或准实验设计的因果推断；不得用 SCB 或 Riksbank 序列替代 IMF 跨国宏观/财政指标，仅可作为瑞典本地实况补充。该技能强调 AI FIRST 质量原则，要求所有分析与内容至少经过两轮完整迭代，不接受单次输出。具体安装命令、收费与平台信息暂未提供。