SuperAPI AI 工具集

analysis-assumptions-log

数据与分析

查看项目

更新于 10-15 16:35

技能介绍

用途

Analysis Assumptions Log 用于在分析工作中跟踪和记录分析假设与决策。它适用于以下场景:

  • 启动一项涉及重大范围、方法或数据质量选择的分析
  • 为同行评审或利益相关者签署准备材料
  • 回顾旧分析并需要理解此前的决策
  • 在需要可审计性的受监管环境中工作
  • 将分析移交给另一位分析师

主要能力

该技能围绕一个结构化的假设日志流程展开,涵盖以下环节:

  1. 初始化日志:为分析创建日志条目,包含分析名称、日期、分析师以及该分析所支持的决策。使用 scripts/assumptions_tracker.py 初始化结构化 JSON 日志。

  2. 枚举数据假设:记录代表性、完整性、缺失值处理方式以及任何已知的数据质量问题。对每项假设记录理由和置信水平(高/中/低)。完整分类参见 references/assumption_categories.md。

  3. 枚举业务逻辑假设:记录指标定义、时间窗口、纳入/排除规则以及利益相关者提供的任何定义。注明考虑过的替代方案。

  4. 枚举统计假设:记录分布假设、独立性声明、平稳性或与所用方法相关的模型假设。

  5. 评估影响并标记关键假设:对于每项低置信度且一旦错误影响重大的假设,创建验证计划。运行 scripts/assumptions_tracker.py --report 可列出关键假设清单。

  6. 验证与关闭:随着验证的进行,用结果更新日志。在交付前导出 assets/assumptions_log_template.md 供同行评审签署。

使用方式

该技能需要以下输入:

  • 分析名称及其所支持的决策
  • 数据来源、时间范围和分析的总体
  • 所做出的关键方法选择(以及考虑过的替代方案)
  • 利益相关者提供的业务规则定义
  • 任何已知的数据质量问题

输出包括:

  • scripts/assumptions_tracker.py — 用于记录假设、标记关键假设并导出摘要的命令行工具
  • assets/assumptions_log_template.md — 填写完成的日志,用于同行评审和审计追踪

适用场景

适用于数据分析项目中需要记录假设、确保透明度、支持审计或交接分析的场景,尤其适合受监管环境或需要同行评审的工作流程。

限制

关于该技能的具体安装方式、依赖环境、支持的平台或版本要求,资料中暂未提供。