数据分析理调v1.0.0

产品团队在SaaS产品上完成一轮A/B测试后，需要判断结果是否可信。本技能检查样本量是否足够、是否做了多重比较校正，并报告effect size与confidence interval，避免团队因p<0.05而错误全量上线。

企业运营团队在汇总季度数据时，需要避免对比周期天数不一致、百分比直接平均等陷阱。本技能提供统计严谨性检查清单与输出规范，让报表结论先行、标注数据来源和局限性声明。

增长团队希望弄清留存下降的原因并判断某次改版是否导致留存变化。技能引导区分相关与因果，推荐cohort analysis、difference-in-differences等准实验方法，并识别幸存者偏差。

研究机构分析观察性临床数据时，需处理confounder和Simpson's Paradox风险。技能提供风险升级机制，在无法控制混杂因素或分组与整体结论矛盾时提示暂停分析并升级给资深分析师。

金融机构分析市场指标时常见时间序列伪相关问题，两列数据的高相关可能仅由共同趋势造成。技能建议先差分或去趋势再算相关，并对结果依赖特定时间段的情况发出Cherry-picking预警。

将本技能打包为面向数据分析师和产品团队的订阅服务，提供方法论审查、统计陷阱自动检测与报告模板。团队可按席位或按分析次数付费，获取持续更新的方法论检查清单。

围绕方法论优先框架和统计严谨性清单，为企业数据团队提供培训课程与咨询，帮助建立分析规范与风险升级流程。咨询项目可按天数或按交付成果收费。

将技能作为方法论守护模块集成到第三方BI工具或自动化数据流水线中，在报表生成前自动执行严谨性检查与不确定性量化。通过API调用量或年度授权费变现。