用途：该技能用于指导数据驱动的功能开发流程，从数据分析、假设形成，到带埋点的功能实现、A/B 测试基础设施搭建及上线后分析，强调用数据洞察驱动功能构建，并通过受控实验验证效果。
主要能力：按六个阶段组织工作流。阶段一为数据分析与假设形成，包括探索性数据分析、业务假设开发和统计实验设计；阶段二为功能架构与分析设计，包括功能架构规划、分析埋点设计和数据管道架构；阶段三为带埋点的实现，包括后端、前端实现及可选的 ML 模型集成；阶段四为上线前验证，包括分析验证和实验配置；阶段五为上线与实验，包括渐进式发布和实时监控；阶段六为分析与决策，包括统计分析、业务影响评估和上线后优化。每个阶段通过 Task 工具调用特定 subagent_type 执行，如 machine-learning-ops::data-scientist、business-analytics::business-analyst、data-engineering::backend-architect 等。
使用方式：在涉及数据驱动功能开发任务或需要相关指导、最佳实践、检查清单时使用。流程中需传入待开发功能参数 $ARGUMENTS。配置项包括 experiment_config（min_sample_size、confidence_level、runtime_days、traffic_allocation）、analytics_platforms（amplitude、segment、mixpanel）、feature_flags（provider 如 launchdarkly、split、optimizely、unleash）、statistical_methods（frequentist、bayesian）以及 monitoring 选项。
适用场景：需要以数据洞察、A/B 测试和持续度量来构建功能的开发工作流。
限制：不适用于与数据驱动功能开发无关的任务，或需要此范围之外的其它领域或工具时。资料未提供具体安装命令、价格或平台支持细节。