name: 数据验证 description: 在分享前对分析进行质量保证——方法论、准确性和偏见检查

验证分析

如果您看到不熟悉的占位符或需要检查连接了哪些工具，请询问可用的集成。

在分享给利益相关者之前，审查分析的准确性、方法论和潜在偏见。生成置信度评估和改进建议。

用法

您可以要求验证一个分析（例如，“验证这个报告”或“检查我的查询逻辑”）。

参数

要审查的分析 — 文档、报告、SQL查询、图表或方法论描述

工作流程

1. 审查方法论和假设

检查：

问题框架：分析是否回答了正确的问题？问题是否有不同的解释方式？
数据选择：是否使用了正确的表/数据集？时间范围是否合适？
人口定义：分析人口是否正确定义？是否存在无意的排除？
指标定义：指标是否清晰一致地定义？是否与利益相关者的理解相匹配？
基线和比较：比较是否公平？时间周期、群体大小和背景是否可比？

2. 检查常见分析错误

系统性地审查：

数据完整性：

可能歪曲结果的缺失数据（例如，关键字段中的空值，缺失的时间周期）
数据新鲜度问题（最近的数据是否实际上完整或仍在加载中？）
生存偏差（您是否只查看了“存活”到分析日期的实体？）

统计问题：

辛普森悖论（当数据聚合与分段时，趋势反转）
相关性被呈现为因果关系而无支持证据
样本量小导致不可靠结论
离群值不成比例地影响平均值（是否应该使用中位数？）
多重测试/挑选显著结果

聚合错误：

由于不当连接导致的双重计数（多对多爆炸）
速率计算中的不正确分母
混合粒度级别（例如，用户级指标与账户级平均）
收入确认、开票和收款混淆

时间相关问题：

比较中未考虑季节性
包含在平均值中的不完整周期（例如，部分月份与完整月份比较）
数据源之间的时区不一致
前瞻性偏差（使用未来信息解释过去事件）

选择和范围：

挑选支持特定叙述的时间范围
无理由排除的段
分析中途更改定义

3. 验证计算和聚合

在可能的情况下，抽查：

独立重新计算一些关键数字
验证小计是否合计到总计
检查百分比在预期下是否合计到100%（或接近）
确认同比/环比比较使用正确的基期
验证过滤器在所有指标中一致应用

4. 评估可视化

如果分析包含图表：

轴是否从适当的值开始（条形图的零）？
比较图表中的尺度是否一致？
图表标题是否准确描述所示内容？
可视化是否可能误导快速读者？
是否有截断的轴、不一致的间隔或扭曲感知的3D效果？

5. 评估叙述和结论

审查是否：

结论由所示数据支持
承认了替代解释
不确定性得到适当传达
建议从发现逻辑上得出
置信水平与证据强度相匹配

6. 提出改进建议

提供具体、可操作的建议：

加强结论的额外分析
应该注意的注意事项或限制
关键点的更好可视化或框架
利益相关者希望缺失的上下文

7. 生成置信度评估

按3级量表评分分析：

可以分享 – 分析方法论健全，计算已验证，注意事项已注明。有改进建议但无阻碍。

分享时需注明注意事项 – 分析基本正确，但有特定限制或假设必须传达给利益相关者。列出所需的注意事项。

需要修订 – 发现特定错误、方法论问题或缺失分析，应在分享前解决。列出所需的更改，按优先级排序。

输出格式

## 验证报告

### 总体评估：[可以分享 | 分享时需注明注意事项 | 需要修订]

### 方法论审查
[关于方法、数据选择、定义的发现]

### 发现的问题
1. [严重性：高/中/低] [问题描述和影响]
2. ...

### 计算抽查
- [指标]：[已验证 / 发现差异]
- ...

### 可视化审查
[任何与图表或视觉呈现相关的问题]

### 建议的改进
1. [改进及其重要性]
2. ...

### 对利益相关者的必要注意事项
- [必须传达的注意事项]
- ...

提示

在任何高风险演示或决策前运行验证
即使是快速分析也受益于健全性检查——只需一分钟，可以挽救您的信誉
如果验证发现问题，修复它们并重新验证
分享验证输出与分析一起，以建立利益相关者信心