用途：当关键指标意外下降或飙升、团队需要基于证据解释“为什么发生”、判断变化是噪声还是信号，或为影响业务指标的事故准备复盘与追溯数周前的趋势变化时，可用该技能进行系统性根因调查。
主要能力与流程：先验证变化，用 z-score 或滚动平均比较确认指标变化超出正常波动；若在 ±1.5 个标准差内则记录为正常范围并结束。随后建立时间线，绘制指标随时间变化，区分突然阶跃（特定事件）与渐进漂移（结构性变化）。再拆解指标为组成部分（如收入=量×价×结构），定位驱动成分。之后按可用维度（地域、平台、渠道、品类、用户分群）系统下钻，比较变化前后并按绝对贡献排序。接着提出显式假设（量降、结构变化、单位质量变化、数据问题）并逐条用证据接受或拒绝，结合已知事件日志关联时间线。最后撰写根因报告，记录主要驱动因素及其量化影响占比、支持证据、被否假设，以及即时/短期/长期分级建议。
输入：指标名称与变化前至少 30 天历史值；带维度拆分的细粒度数据；发现变化的日期或区间；同期变更或事故日志（发布、活动、故障）；依赖该指标的决策背景。
产出：scripts/drilldown_analyzer.py（验证变化、计算维度下钻、按影响排序贡献者，含 --validate 与 --drilldown）、references/rca_framework.md（五步 RCA 方法与决策规则）、references/hypothesis_testing_guide.md（常见根因清单与检验方法）、assets/rca_report_template.md（报告模板）。
限制：资料未提供安装方式、运行环境、依赖、收费与价格信息。