指标异动诊断

目标

回答"指标为什么变了"，并给出有证据支撑的驱动因素与决策建议。区分已验证事实、合理假设与业务背景。

工作流

Step 1：复现变化

• 明确指标口径（分子/分母、过滤条件、时间粒度）
• 用数据复现变化幅度与发生时间点
• 记录对比基准（环比 / 同比 / 目标值）

Step 2：定义对比

• 单指标变化：量级、方向、持续性（单点还是趋势）
• 确认是否伴随口径变更、数据回填或异常事件（先用 data-quality-review 排除数据问题）

Step 3：分解驱动

• 结构分解：总量 = 分群 × 渗透 × 频次 × 单价（按业务链条拆）
• 混合效应：区分"结构变化（mix shift）"与"群内变化（within-segment）"
• 对每个候选驱动因素给出贡献度估算与证据

Step 4：验证与结论

• 对主驱动因素做反向验证（剔除后变化是否消失）
• 无法验证的解释标注为假设，不冒充结论
• 输出：什么变了 → 为什么变（已验证/假设分开）→ 业务影响 → 建议动作 → 置信度

输出模板

**What changed**: [指标、幅度、时间]
**Why it changed**: [已验证驱动 + 证据；假设 + 待验证项]
**Business impact**: [对业务意味着什么]
**Confidence**: [高/中/低 + 理由]
**Next step**: [建议动作或跟进项]

工具建议

• 数值计算与分解：xlsx 或 database-inspector 取数后计算
• 趋势与分解可视化：code-to-chart（趋势线、堆叠条形图呈现 mix shift）
• 周报/月报产出：结合 analytics-report 的结构规范