OpenDemi-DataAnalysis(得觅·数据分析)

👤 星络 📦 v1.0.0 ⭐ 0.0 ⬇️ 176 下载

💼 行业专业免费

📖 技能介绍

name: OpenDemi-DataAnalysis(得觅·数据分析) version: 5.2.0 description: | 「OpenDemi · 得觅」审计四环之数据分析引擎。面向企业通用审计场景的深度数据分析技能。三层解耦架构（L1通用引擎→L2业务路由→L3场景模板）。支持8种分析模式路由、7类数据源接入、统计检验、安全规范、降级策略、结论撰写。触发场景：数据分析、审计分析、Excel核查、合规检测、趋势预警、钩稽验证、差异分解、内控测试。 agent_created: true brand: OpenDemi tags: [OpenDemi, data-analysis, audit, excel, csv, sql, pandas, python, visualization, statistics, reconciliation, sox, business-intelligence]

audit-deep-analysis(数据分析) v5.2

技能定位

面向企业通用审计场景的通用深度数据分析技能。

当用户提供业务数据（Excel/CSV/数据库表），需要进行以下任意操作时，启用本技能：

核查比对：同类数据不同表之间的数量/金额匹配与差异核查
合规检测：供应商/批次合规性、制度条款违规识别
趋势预警：质量/合格率/损耗/成本趋势分析与异常预警
钩稽验证：入库-出库-报废-付款等环节的链条完整性验证
综合分析：多维关联分析、根因定位、决策支持
数据画像：数据质量评估、异常值检测、分布特征描述
报告输出：带可视化图表的结构化HTML/Word报告

适用部门

部门	典型需求	报告风格
审计监察部	风险排查、钩稽核查、合规检测	风险导航式（→见阶段5.1）
财务部(BP/管会)	预算差异、成本分析、投入产出比	偏差归因式（→见阶段5.1）
生产车间	合格率/损耗率/效率趋势、异常定位	运营监控式（→见阶段5.1）
采购中心	供应商合规、价格异常、合同执行	合规审计式（→见阶段5.1）
品管部	质量指标趋势、批次追溯、标准偏离	质量报告式（→见阶段5.1）

核心设计理念

数据分析不是罗列数字，是回答"然后呢"。先判问题类型，再选分析方法；高风险的深挖，低风险的简述。每个分析模块都应回答：这对决策/行动有什么用？

架构总览：三层解耦

┌──────────────────────────────────────────────────────────────┐
│  L1 通用分析引擎（方法层，业务无关）                          │
│  ├ 1.1 数据接入（7类数据源 + 大数据量分档）                   │
│  ├ 1.2 数据画像（audit_profile + 质量评分）                  │
│  ├ 1.3 差异分解方法论（价量/率混合/瀑布图归因）               │
│  ├ 1.4 对账钩稽体系（3类差异+老化分析+升级阈值）             │
│  ├ 1.5 重要性阈值框架（分层阈值+调查优先级）                 │
│  ├ 1.6 安全规范（3域12条 + 脱敏函数）                        │
│  ├ 1.7 分析模式路由（8种问题→方法映射 + 统计检验工具箱）     │
│  ├ 1.8 降级策略（4级降级链 + 6类错误映射）                   │
│  ├ 1.9 分析结论撰写规范（四条铁律 + 发现-建议关联模板）     │
│  └ 1.10 统计增强工具箱（描述性统计+假设检验+陷阱警告+验证清单）│
├──────────────────────────────────────────────────────────────┤
│  L2 业务场景映射（路由层，按场景调度L1能力）                  │
│  ├ 产业链场景路由（养殖/加工/制造/流通/副产/综合）           │
│  ├ 部门需求路由（审计/财务BP/生产/采购/品管）                │
│  ├ 内控测试路由（CEAVOP认定+样本选择+缺陷分级）              │
│  ├ 场景→分析方法→图表→报告风格 映射表                       │
│  └ 个性化需求适配入口                                        │
├──────────────────────────────────────────────────────────────┤
│  L3 场景模板（示例层，按需加载，不污染通用逻辑）              │
│  ├ 养殖：投产钩稽/原料溯源/合格率趋势                        │
│  ├ 加工：原料出入库/配方成本/损耗分析                         │
│  ├ 制造：产出效率/生产损耗/副产回收                          │
│  ├ 流通：原料分级/出品率/加工损耗                            │
│  ├ 财务：预算差异/成本结构/投入产出/结账流程                  │
│  └ 综合：跨事业部效率对比/集团趋势预警                       │
└──────────────────────────────────────────────────────────────┘

L1模块逻辑顺序说明：编号1.1-1.10为历史迭代顺序（v3.0先建1.1/1.2/1.7/1.8/1.9，v5.0插入1.3-1.6，v5.2新增1.10）。逻辑上的阅读顺序为：输入(1.1→1.2) → 方法(1.3→1.4→1.5) → 路由(1.7) → 统计增强(1.10) → 约束(1.6→1.8) → 输出(1.9)。下次大版本迭代时将统一重编号。

关联技能

被调用技能	调用场景	调用时机
`weknora-connector(WK检索)`	检索相关制度条款、合同约定作为分析依据	数据分析前按需加载
`obsidian-connector(OB检索)`	读取星觅智库成品仓历史分析底稿/风险判断	需要参考历史结论时加载

L1 通用分析引擎

1.1 多源数据接入

支持的数据源

数据源	接入方式	典型场景
Excel (.xlsx/.xls)	`pd.read_excel()`	业务台账、生产报表、盘点表
CSV (.csv/.tsv)	`pd.read_csv(encoding=...)`	系统导出、日志数据
SQLite	`sqlite3.connect()` + `pd.read_sql()`	本地业务数据库、系统备份
MySQL/MariaDB	`sqlalchemy` + `pd.read_sql()`	ERP/财务系统直连
PostgreSQL	`sqlalchemy` + `pd.read_sql()`	集团数据中心
SQL Server	`pyodbc` + `pd.read_sql()`	用友/金蝶等国产ERP
DuckDB	`duckdb.connect()` + SQL查询	大文件OLAP分析（百万行级）

数据库连接模板

from sqlalchemy import create_engine
import pandas as pd

# MySQL/MariaDB
engine = create_engine('mysql+pymysql://user:pass@host:3306/dbname?charset=utf8mb4')

# PostgreSQL
engine = create_engine('postgresql://user:pass@host:5432/dbname')

# SQLite（零配置）
import sqlite3
conn = sqlite3.connect('data.db')

# DuckDB（百万行级文件分析利器）
import duckdb
conn = duckdb.connect()
df = conn.execute("SELECT * FROM read_csv_auto('big_file.csv')").df()

# 通用安全查询模板
import re

def safe_query(engine_or_conn, sql, max_rows=10000):
    """安全查询：仅允许单条SELECT + 自动LIMIT + 防注入

    安全措施：
    1. 禁止多语句（分号分隔）——防 DROP/DELETE 注入
    2. 仅允许SELECT开头的查询
    3. 检测最外层是否有限制行数的子句（LIMIT/OFFSET/FETCH），无则追加
    """
    sql = sql.strip().rstrip(';')  # 去尾部分号

    # 防多语句注入
    if ';' in sql:
        raise ValueError('安全约束：禁止多语句查询（含分号）')

    # 仅允许SELECT
    if not sql.upper().startswith('SELECT'):
        raise ValueError('安全约束：仅允许SELECT查询')

    # 检测最外层是否已有行数限制（只看SQL尾部，避免子查询中的LIMIT干扰）
    has_row_limit = bool(re.search(
        r'\b(LIMIT\s+\d|OFFSET\s+\d|FETCH\s+FIRST\s+\d+\s+ROWS?)\b',
        sql[-80:].upper()
    ))
    if not has_row_limit:
        sql += f' LIMIT {max_rows}'

    return pd.read_sql(sql, engine_or_conn)

大数据量分档策略

数据量	策略	场景举例
\< 10万行	全量加载到内存	常规业务台账
10万\~100万行	分块读取 `chunksize=50000` 或采样	年度生产明细
100万\~1000万行	数据库端聚合，仅拉取结果	集团全量交易流水
> 1000万行	DuckDB/SQL聚合 + 采样分析	全集团历史数据

# 大文件分块处理
chunks = pd.read_csv('huge_file.csv', chunksize=50000, encoding='utf-8')
result = []
for chunk in chunks:
    agg = chunk.groupby(chunk.iloc[:, 2]).agg({chunk.columns[10]: 'sum'})
    result.append(agg)
final = pd.concat(result).groupby(level=0).sum()

1.2 标准化数据画像

何时使用

首次接触任何新数据集时，在数据探索之前执行
作为报告策略设计的数据输入——画像结果帮助判断哪些维度最可能产生高价值发现

画像维度与统计项

维度	统计项	分析价值
基本信息	行数、列数、重复行数、内存占用	评估数据规模，决定处理策略
数据类型	数值型/分类型/日期型/布尔型列数	快速识别可用分析维度
缺失值	每列缺失率、缺失模式（随机/系统性）	系统性缺失=控制缺陷/流程盲区信号
唯一值	基数(cardinality)、重复率	高基数=可能需要分组聚合
数值分布	均值、中位数、偏度、峰度、IQR异常值数	偏度异常=可能有数据操纵或异常业务
分类分布	Top-N类别、长尾比例	集中度异常=垄断/利益输送风险
相关性	数值列间Pearson/Spearman相关矩阵	强相关=钩稽校验候选对
质量评分	完整性×唯一性综合评分(0-1)	跨表/跨期质量对比基准

一键画像函数

import pandas as pd
import numpy as np

def audit_profile(df, name='数据集'):
    """通用数据画像：输出结构化质量报告"""
    profile = {
        'name': name,
        'overview': {
            'rows': len(df), 'columns': len(df.columns),
            'duplicated_rows': int(df.duplicated().sum()),
            'total_missing': int(df.isnull().sum().sum()),
            'missing_pct': round(df.isnull().sum().sum() / (len(df) * len(df.columns)) * 100, 2),
        },
        'dtypes': {
            'numeric': len(df.select_dtypes(include=[np.number]).columns),
            'categorical': len(df.select_dtypes(include=['object', 'category']).columns),
            'datetime': len(df.select_dtypes(include=['datetime64']).columns),
        },
        'columns': [],
    }

    for col_idx, col in enumerate(df.columns):
        ci = {
            'idx': col_idx, 'name': col, 'dtype': str(df[col].dtype),
            'missing_pct': round(df[col].isnull().sum() / len(df) * 100, 2),
            'unique_count': int(df[col].nunique()),
        }
        if pd.api.types.is_numeric_dtype(df[col]):
            s = df[col].dropna()
            if len(s) > 0:
                ci['stats'] = {
                    'mean': round(float(s.mean()), 2), 'median': float(s.median()),
                    'std': round(float(s.std()), 2), 'skewness': round(float(s.skew()), 2),
                }
                Q1, Q3 = s.quantile(0.25), s.quantile(0.75)
                IQR = Q3 - Q1
                outliers = ((s < Q1 - 1.5*IQR) | (s > Q3 + 1.5*IQR)).sum()
                ci['outliers'] = int(outliers)
                ci['outliers_pct'] = round(outliers / len(df) * 100, 2)
        elif pd.api.types.is_object_dtype(df[col]):
            vc = df[col].value_counts()
            ci['top5'] = {str(k): int(v) for k, v in vc.head(5).items()}
        profile['columns'].append(ci)

    # 高相关性对（钩稽候选）——标注高缺失列的不可靠性
    numeric_cols = df.select_dtypes(include=[np.number]).columns
    if len(numeric_cols) >= 2:
        corr = df[numeric_cols].corr()
        high_corr = []
        for i in range(len(corr.columns)):
            for j in range(i+1, len(corr.columns)):
                val = corr.iloc[i, j]
                if abs(val) > 0.7:
                    # 检查参与列的缺失率——高缺失列的相关性不可靠
                    col_a_name, col_b_name = corr.columns[i], corr.columns[j]
                    miss_a = round(df[col_a_name].isnull().sum() / len(df) * 100, 1)
                    miss_b = round(df[col_b_name].isnull().sum() / len(df) * 100, 1)
                    reliability = '可靠'
                    if miss_a > 30 or miss_b > 30:
                        reliability = '不可靠(缺失率>{:.0f}%)'.format(max(miss_a, miss_b))
                    elif miss_a > 15 or miss_b > 15:
                        reliability = '需谨慎(缺失率>{:.0f}%)'.format(max(miss_a, miss_b))
                    high_corr.append((col_a_name, col_b_name, round(float(val), 3), reliability))
        profile['high_correlations'] = high_corr

    # 质量评分
    completeness = 1 - profile['overview']['missing_pct'] / 100
    uniqueness = 1 - profile['overview']['duplicated_rows'] / max(len(df), 1)
    profile['quality_score'] = round((completeness + uniqueness) / 2, 3)

    return profile

画像结果的关注点生成

def profile_to_flags(profile, context='通用'):
    """根据画像生成关注点，context可为'审计'/'生产'/'财务'/'采购'/'品管'"""
    flags = []

    # 通用关注点——所有context都适用
    if profile['overview']['missing_pct'] > 10:
        flags.append('数据完整性风险：整体缺失率{:.1f}%，系统性缺失可能掩盖问题'.format(profile['overview']['missing_pct']))
    if profile['overview']['duplicated_rows'] > 0:
        flags.append('重复行：{}条重复记录，可能存在重复记账或录入错误'.format(profile['overview']['duplicated_rows']))
    for ci in profile['columns']:
        if ci.get('missing_pct', 0) > 20:
            flags.append('字段[{}]缺失率{:.1f}%，高于20%警戒线'.format(ci['name'], ci['missing_pct']))
        if ci.get('outliers_pct', 0) > 5:
            flags.append('字段[{}]异常值占比{:.1f}%，需核查原因'.format(ci['name'], ci['outliers_pct']))
    for a, b, r, reliability in profile.get('high_correlations', []):
        flags.append('钩稽候选：{}与{}强相关(r={})，可用于交叉验证 [{}]'.format(a, b, r, reliability))

    # context差异化关注点
    if context == '审计':
        # 审计最怕：系统性缺失=控制缺陷、高重复率=重复记账、金额字段异常=操纵风险
        for ci in profile['columns']:
            if ci.get('missing_pct', 0) > 5 and ci.get('missing_pct', 0) <= 20:
                flags.append('审计关注：字段[{}]缺失率{:.1f}%，虽未超20%但可能暗示控制缺陷'.format(ci['name'], ci['missing_pct']))
            if ci.get('outliers_pct', 0) > 3 and any(kw in ci['name'] for kw in ['金额','价格','成本','费用']):
                flags.append('审计关注：金额字段[{}]异常值占比{:.1f}%，存在操纵或舞弊风险'.format(ci['name'], ci['outliers_pct']))

    elif context == '生产':
        # 生产最怕：日期列缺失=排产混乱、合格率字段偏斜=数据不实
        for ci in profile['columns']:
            if 'date' in ci.get('dtype', '') or any(kw in ci['name'] for kw in ['日期','时间']):
                if ci.get('missing_pct', 0) > 5:
                    flags.append('生产关注：日期字段[{}]缺失率{:.1f}%，排产与追溯可能不完整'.format(ci['name'], ci['missing_pct']))
            if any(kw in ci['name'] for kw in ['合格率','损耗率','成活率']):
                if ci.get('stats', {}).get('skewness', 0) > 1:
                    flags.append('生产关注：率指标[{}]偏度{:.1f}，可能存在选择性记录'.format(ci['name'], ci['stats']['skewness']))

    elif context in ('财务', 'BP', '管会'):
        # 财务最怕：金额字段缺失=入账不全、高相关异常=调节空间
        for ci in profile['columns']:
            if any(kw in ci['name'] for kw in ['金额','价格','成本','费用','收入']):
                if ci.get('missing_pct', 0) > 2:
                    flags.append('财务关注：金额字段[{}]缺失率{:.1f}%，可能存在未入账交易'.format(ci['name'], ci['missing_pct']))
        for a, b, r, reliability in profile.get('high_correlations', []):
            if abs(r) > 0.95:
                flags.append('财务关注：{}与{}近乎完全相关(r={})，需核实是否同一数据源或调节关系 [{}]'.format(a, b, r, reliability))

    elif context == '采购':
        # 采购最怕：供应商/合同字段缺失=绕过管控、价格字段异常=利益输送
        for ci in profile['columns']:
            if any(kw in ci['name'] for kw in ['供应商','合同','订单']):
                if ci.get('missing_pct', 0) > 3:
                    flags.append('采购关注：[{}]缺失率{:.1f}%，可能存在绕过管控的线下交易'.format(ci['name'], ci['missing_pct']))

    elif context == '品管':
        # 品管最怕：批次/检验字段缺失=追溯断裂、标准偏离字段异常
        for ci in profile['columns']:
            if any(kw in ci['name'] for kw in ['批次','检验','检测','标准']):
                if ci.get('missing_pct', 0) > 3:
                    flags.append('品管关注：[{}]缺失率{:.1f}%，追溯链可能断裂'.format(ci['name'], ci['missing_pct']))

    return flags

1.3 差异分解方法论（v5.0新增）

借鉴来源： finance插件 variance-analysis 的价量分解、率混合分解、瀑布图归因方法论

核心问题

v4.0的"对比分析"模式只能告诉你"A和B差异显著"，但不能回答"差异由什么驱动，各贡献多少"。差异分解就是把这个"黑箱"拆开。

三种分解方法

A. 价量分解（Price-Volume Decomposition）

适用：任何可表达为 单价 × 数量 的指标（收入、成本、采购额等）

总差异 = 实际值 - 基准值（预算/上期/标准）

数量效应 = (实际数量 - 基准数量) × 基准单价
价格效应 = (实际单价 - 基准单价) × 实际数量
验证：数量效应 + 价格效应 = 总差异

扩展：三因素分解（分离组合效应）

当指标可表达为 单价 × 数量 × 结构（多品类/多区域场景）时，双因素分解会产生残差——这就是组合效应。

结构 = 各品类数量占总数量之比（如A品类占60%、B品类占40%）

数量效应 = (实际数量 - 基准数量) × 基准单价 × 基准结构
价格效应 = (实际单价 - 基准单价) × 基准数量 × 实际结构
组合效应 = 基准单价 × 基准数量 × (实际结构 - 基准结构)
验证：数量效应 + 价格效应 + 组合效应 = 总差异

何时用双因素 vs 三因素：

双因素：单一品类/单一产品线，结构不变 → 数量效应+价格效应足够
三因素：多品类汇总分析，品类间占比发生变化 → 必须分离组合效应，否则数量/价格效应会"吸收"结构变化的影响

注：三因素分解的完整函数实现与 rate_mix_decompose() 共享同一方法论。对于"单价×数量"型指标的三因素分解，建议先按品类分别做价量分解，再用率混合分解归因组合效应。

def price_volume_decompose(actual_qty, actual_price, base_qty, base_price):
    """价量分解：返回数量效应、价格效应、总差异"""
    volume_effect = (actual_qty - base_qty) * base_price
    price_effect = (actual_price - base_price) * actual_qty
    total_var = actual_qty * actual_price - base_qty * base_price
    return {
        'total_variance': round(total_var, 2),
        'volume_effect': round(volume_effect, 2),
        'price_effect': round(price_effect, 2),
        'verification': round(volume_effect + price_effect, 2) == round(total_var, 2),
        'volume_pct': round(volume_effect / total_var * 100, 1) if total_var != 0 else 0,
        'price_pct': round(price_effect / total_var * 100, 1) if total_var != 0 else 0,
    }

B. 率混合分解（Rate-Mix Decomposition）

适用：分析加权平均指标（如毛利率、平均单价、投入产出比）的变化原因——是各分项本身的比率变了，还是分项之间的比例变了？

比率效应 = Σ(实际数量_i × (实际比率_i - 基准比率_i))
组合效应 = Σ(基准比率_i × (实际数量_i - 基准数量下按基准结构应分配的数量_i))

典型场景：加工综合毛利率下降了2个百分点——是各品类毛利都降了，还是低毛利品类占比增加了？

def rate_mix_decompose(df_actual, df_base, value_col, weight_col, category_col):
    """率混合分解：比率效应 vs 组合效应（按品类分组计算）

    原理：
      加权平均比率 = Σ(比率_i × 权重_i) / Σ(权重_i)
      比率效应 = 各品类自身比率变化对加权平均的影响
      组合效应 = 各品类权重(占比)变化对加权平均的影响
      验证：比率效应 + 组合效应 = 实际加权平均 - 基准加权平均
    """
    import pandas as pd

    # 按品类聚合
    actual = df_actual.groupby(category_col).agg({value_col: 'sum', weight_col: 'sum'})
    base = df_base.groupby(category_col).agg({value_col: 'sum', weight_col: 'sum'})

    # 对齐品类索引（处理某期有而另一期没有的品类）
    all_cats = actual.index.union(base.index)
    actual = actual.reindex(all_cats, fill_value=0)
    base = base.reindex(all_cats, fill_value=0)

    # 计算各品类比率（避免除零）
    actual_rate = (actual[value_col] / actual[weight_col]).replace([float('inf'), float('-inf')], 0).fillna(0)
    base_rate = (base[value_col] / base[weight_col]).replace([float('inf'), float('-inf')], 0).fillna(0)

    # 计算权重占比
    total_actual_weight = actual[weight_col].sum()
    total_base_weight = base[weight_col].sum()
    actual_mix = actual[weight_col] / total_actual_weight if total_actual_weight != 0 else actual[weight_col] * 0
    base_mix = base[weight_col] / total_base_weight if total_base_weight != 0 else base[weight_col] * 0

    # 加权平均比率（正确计算方式）
    weighted_actual_rate = (actual_rate * actual_mix).sum()
    weighted_base_rate = (base_rate * base_mix).sum()
    total_change = weighted_actual_rate - weighted_base_rate

    # 比率效应：各品类比率变化 × 实际权重
    rate_effect = ((actual_rate - base_rate) * actual_mix).sum()

    # 组合效应：基准比率 × 权重变化
    mix_effect = (base_rate * (actual_mix - base_mix)).sum()

    # 验证
    verification = abs(rate_effect + mix_effect - total_change) < 1e-6

    return {
        'weighted_actual_rate': round(float(weighted_actual_rate), 4),
        'weighted_base_rate': round(float(weighted_base_rate), 4),
        'total_rate_change': round(float(total_change), 4),
        'rate_effect': round(float(rate_effect), 4),
        'mix_effect': round(float(mix_effect), 4),
        'verification_passed': verification,
        'interpretation': '比率效应为主→分项本身变化; 组合效应为主→结构变化',
        # 各品类明细
        'by_category': pd.DataFrame({
            'actual_rate': actual_rate, 'base_rate': base_rate,
            'actual_mix': actual_mix, 'base_mix': base_mix,
            'rate_contribution': (actual_rate - base_rate) * actual_mix,
            'mix_contribution': base_rate * (actual_mix - base_mix),
        }).round(4).to_dict('index'),
    }

C. 瀑布图归因（Waterfall Attribution）

将总差异拆解为各驱动因素的正负贡献，形成"瀑布"——从基准值出发，各因素依次增减，最终达到实际值。

def waterfall_attribution(drivers):
    """瀑布图归因：drivers = [(名称, 金额), ...] 金额正值=增，负值=减"""
    sorted_drivers = sorted(drivers, key=lambda x: abs(x[1]), reverse=True)

    total = sum(d[1] for d in sorted_drivers)
    cumulative = 0
    rows = []
    for name, amount in sorted_drivers:
        cumulative += amount
        rows.append({
            'driver': name,
            'amount': amount,
            'pct_of_total': round(amount / total * 100, 1) if total != 0 else 0,
            'cumulative': round(cumulative, 2),
            'direction': '有利' if amount > 0 else '不利',
        })

    # 合并小项（<5%贡献的归入"其他"）
    major = [r for r in rows if abs(r['pct_of_total']) >= 5]
    minor = [r for r in rows if abs(r['pct_of_total']) < 5]
    if minor:
        other_amount = sum(r['amount'] for r in minor)
        # 计算合并后的cumulative：major最后一项的cumulative + other_amount
        last_cumulative = major[-1]['cumulative'] if major else 0
        major.append({'driver': '其他(合计)', 'amount': round(other_amount, 2),
                      'pct_of_total': round(other_amount / total * 100, 1) if total != 0 else 0,
                      'cumulative': round(last_cumulative + other_amount, 2),
                      'direction': '有利' if other_amount > 0 else '不利'})

    return {'total_variance': round(total, 2), 'drivers': major, 'driver_count': len(sorted_drivers)}

文本瀑布格式（无图表工具时使用）：

瀑布归因：XX成本 — 本期 vs 预算

预算成本                                          ¥1,000,000
  |
  |--[+] 原料价格上涨                              +¥80,000
  |--[+] 产量增加（多产200吨）                     +¥50,000
  |--[-] 采购议价降本                              -¥30,000
  |--[-] 工艺优化节耗                              -¥15,000
  |--[+] 人民币贬值增加进口成本                     +¥5,000
  |
实际成本                                          ¥1,090,000

净差异：+¥90,000 (+9.0% 不利)

差异叙述撰写规范

每个重大差异的叙述必须包含：

**[项目名]**：[有利/不利]差异 ¥[金额] ([百分比]%)
vs [比较基准] for [期间]

驱动因素：[主要驱动因素描述]
[2-3句量化解释，每个驱动因素的具体金额贡献]

趋势判断：[一次性 / 预计持续 / 改善中 / 恶化中]
行动建议：[无需 / 持续观察 / 深入调查 / 更新预算]

叙述反模式（必须避免）：

❌ "费用较预算偏高"（模糊——哪个费用？偏多少？为什么？）
❌ "量价因素共同影响"（没拆解——各贡献多少？）
❌ "一次性因素"（没说明具体是什么一次性事项）
❌ "多种小额因素"（重大差异必须进一步拆解）

1.4 对账钩稽体系（v5.0新增）

借鉴来源： finance插件 reconciliation 的3类差异分类 + 老化分析 + 升级阈值

核心问题

v4.0的"钩稽比对"模式能找到差异，但没有对差异进行系统分类和生命周期管理。对账钩稽体系就是把"对不上的数"分为三类、跟踪老化、设置升级阈值。

三类差异分类

类别	含义	典型例子	处理方式
时点差异	正常处理时差导致，后续期间自动消除	在途物资、未达账项、跨期入账	无需调整，跟踪至消除
需调整差异	记录错误或遗漏，需要做调整分录	金额录错、重复记账、漏记交易	编制调整分录
待查差异	无法立即解释，需深入调查	不明原因差额、争议金额	调查根因，文档化，必要时升级

老化分析

跟踪未解决差异的"年龄"，识别过期项：

老化区间	状态	行动
0-30天	正常	跟踪——在正常处理周期内
31-60天	老化	调查——跟进为何未消除
61-90天	过期	升级——通知主管，记录调查过程
90天+	呆滞	管理层升级——可能需要核销或强制调整

def aging_analysis(reconciling_items, as_of_date):
    """对账差异老化分析"""
    aged = []
    for item in reconciling_items:
        age_days = (as_of_date - item['origin_date']).days
        if age_days <= 30:
            bucket, status, action = '0-30天', '正常', '跟踪'
        elif age_days <= 60:
            bucket, status, action = '31-60天', '老化', '调查'
        elif age_days <= 90:
            bucket, status, action = '61-90天', '过期', '升级主管'
        else:
            bucket, status, action = '90天+', '呆滞', '管理层升级'

        aged.append({
            **item,
            'age_days': age_days, 'bucket': bucket,
            'status': status, 'action': action,
        })
    return aged

升级阈值框架

触发条件	示例阈值	升级对象
单项差异金额	> ¥50,000	主管审核
单项差异金额	> ¥200,000	部门负责人审核
差异总额	> ¥500,000	部门负责人审核
差异年龄	> 60天	主管跟进
差异年龄	> 90天	管理层审核
未解释差异	任何金额	不能结账——必须解决或文档化
连续增长	3期以上	流程改进调查

钩稽结果标准输出格式

钩稽结果：[表A名] × [表B名] — [期间]

A表总量:                              ¥XX,XXX
B表总量:                              ¥XX,XXX
                                      --------
初始差异:                              ¥X,XXX

加: 时点差异项
  [项目描述]                           ¥X,XXX
  [项目描述]                           ¥X,XXX
                                       --------
  小计:                                ¥X,XXX

减: 需调整差异项
  [项目描述]                          (¥X,XXX)
  [项目描述]                          (¥X,XXX)
                                       --------
  小计:                               (¥X,XXX)

调整后差异:                            ¥X,XXX

待查差异项:
  [项目描述]                           ¥X,XXX (老化XX天, [状态])
  [项目描述]                           ¥X,XXX (老化XX天, [状态])

最终未解释差异:                        ¥X,XXX

1.5 重要性阈值框架（v5.0新增）

借鉴来源： finance插件 variance-analysis 的分层阈值 + audit-support 的质量阈值 + sox-testing 的样本量策略

核心问题

v4.0缺少统一的"什么才算重要"的判断标准。不同规模的数字、不同类型的分析，重要性门槛应该不同。

分层阈值框架

原则：金额越大，百分比阈值越低；波动性越高，阈值可适当放宽。

项目规模	金额阈值	比例阈值	触发条件
> ¥1,000万	¥50万	5%	任一超过即触发
¥100万\~1,000万	¥10万	10%	任一超过即触发
\< ¥100万	¥5万	15%	任一超过即触发

比较类型的差异化阈值：

比较类型	比例阈值	说明
实际 vs 预算	10%	预算差异通常更受关注
实际 vs 上期	15%	环比波动较大属正常
实际 vs 预测	5%	预测应更准确，偏差更敏感
环比(MoM)	20%	月度波动天然较大
同比(YoY)	10%	消除季节性后的变化更值得关注

调查优先级排序

当多个差异超过阈值时，按以下优先级排列：

最大绝对金额差异 —— 对利润影响最大
最大比例差异 —— 可能暗示流程问题或错误
方向反预期 —— 与趋势或管理层预期相反的差异
新出现的差异 —— 之前正常，本期突然偏移
累计扩大趋势 —— 连续数期增长的不利差异

def prioritize_variances(variances, threshold_config=None):
    """差异优先级排序——5级综合排序

    输入字典需含字段：
      variance_amount: 差异金额
      variance_pct: 差异比例
      base_amount: 基准金额（用于分层阈值）
    可选字段（缺失时该维度不参与排序）：
      is_unexpected: 是否方向反预期(bool)
      is_new: 是否新出现的差异(bool)
      is_growing: 是否连续增长(bool)
    """
    config = threshold_config or {
        'amount_tiers': [(1e7, 5e5, 0.05), (1e6, 1e5, 0.10), (0, 5e4, 0.15)],
    }

    flagged = []
    for v in variances:
        base = abs(v.get('base_amount', 0))
        for tier_base, amt_thr, pct_thr in config['amount_tiers']:
            if base >= tier_base:
                if abs(v['variance_amount']) >= amt_thr or abs(v['variance_pct']) >= pct_thr:
                    v['flagged'] = True
                    v['threshold_used'] = '金额≥¥{:,.0f} 或 比例≥{:.0%}'.format(amt_thr, pct_thr)
                break
        if v.get('flagged'):
            flagged.append(v)

    # 5级综合排序：每级给分，总分降序
    for v in flagged:
        score = 0
        # 1. 绝对金额（归一化到0-40分，最大金额=40分）
        max_amt = max(abs(x['variance_amount']) for x in flagged) if flagged else 1
        score += abs(v['variance_amount']) / max_amt * 40 if max_amt != 0 else 0
        # 2. 比例差异（归一化到0-25分）
        max_pct = max(abs(x['variance_pct']) for x in flagged) if flagged else 1
        score += abs(v['variance_pct']) / max_pct * 25 if max_pct != 0 else 0
        # 3. 方向反预期(+15)
        score += 15 if v.get('is_unexpected') else 0
        # 4. 新出现的差异(+10)
        score += 10 if v.get('is_new') else 0
        # 5. 累计扩大趋势(+10)
        score += 10 if v.get('is_growing') else 0
        v['priority_score'] = round(score, 1)

    flagged.sort(key=lambda x: x.get('priority_score', 0), reverse=True)
    return flagged

三向比较框架（预算-预测-实际）

指标	预算	预测	实际	预算差异(¥)	预算差异(%)	预测差异(¥)	预测差异(%)
[科目1]	¥X	¥X	¥X	¥X	X%	¥X	X%

三向比较的用途：

实际 vs 预算：年度绩效考核、薪酬决策、董事会报告
实际 vs 预测：运营管理、识别新问题
预测 vs 预算：理解预期变化，评估计划准确性

1.6 安全规范体系

执行安全

规则	说明
只读原则	数据库连接仅执行SELECT，严禁INSERT/UPDATE/DELETE/DROP
LIMIT保护	无LIMIT查询自动添加 LIMIT 10000
注入防护	SQL参数化查询，不拼接用户输入
代码沙盒	禁止 `os.system`, `subprocess`, `exec`, `eval`
权限边界	仅访问用户授权的数据库和表，不探测未授权对象
超时控制	查询设置 `max_execution_time`，Python脚本设60秒超时

数据保护——敏感数据自动识别

数据类型	识别规则	脱敏策略
身份证号	15/18位数字+校验位	保留前3后4：`340***1234`
手机号	11位，1开头	保留前3后4：`138****5678`
银行卡号	16-19位数字	保留前6后4：`622848****1234`
金额字段	含"金额""价格""成本"等关键词	报告中仅展示汇总统计，明细用区间
供应商名称	含"公司""有限"等	正式报告可全称，外发材料用代号

def mask_field(value, data_type):
    """敏感字段脱敏"""
    v = str(value)
    if data_type == 'id_card':
        return v[:3] + '***' + v[-4:] if len(v) >= 7 else '***'
    elif data_type == 'phone':
        return v[:3] + '****' + v[-4:] if len(v) >= 7 else '***'
    elif data_type == 'bank_card':
        return v[:6] + '****' + v[-4:] if len(v) >= 10 else '***'
    return v

输出安全

聚合优先：报告优先展示汇总统计结果，明细数据仅在附件中提供
凭证保护：数据库连接密码不出现在日志、分析输出或报告中
路径脱敏：报告中的绝对路径替换为相对路径
行数限制：HTML报告明细数据展示不超过100行，超出部分提供下载链接

1.7 分析模式路由

核心路由表

问题类型	分析模式	推荐方法	输出形式
"两个数对不对得上？"	钩稽比对	外关联merge + 差异率计算	差异明细表 + 差异率柱状图
"这个数正不正常？"	异常检测	IQR/Z-score + 阈值筛选	异常记录清单 + 分布图
"趋势有没有问题？"	趋势分析	同比环比 + 变点检测(CUSUM)	趋势折线图 + 预警标注
"两组有没有差异？"	对比分析	t检验/卡方检验/ANOVA	检验结论 + 对比柱状图
"合不合规？"	合规检测	规则词典匹配 + 制度条款映射	违规清单 + 制度对照表
"数据质量怎么样？"	数据画像	`audit_profile()` 一键画像	质量评分 + 关注点清单
"成本结构如何？"	构成分析	分组占比 + 帕累托分析	构成饼图 + 累计曲线
"投入产出怎样？"	效率分析	比率计算 + 标杆对比	效率指标表 + 标杆对比图

统计检验方法选择指南

完整方法论见 1.10 统计增强工具箱——含假设检验框架、效应量/置信区间/样本量考量、统计陷阱警告。

对比类型	数据条件	推荐方法	Python实现
两组均值对比	正态+等方差	独立样本t检验	`scipy.stats.ttest_ind`
两组均值对比	非正态	Mann-Whitney U	`scipy.stats.mannwhitneyu`
多组均值对比	正态+等方差	单因素ANOVA	`scipy.stats.f_oneway`
比例对比	计数数据	卡方检验	`scipy.stats.chi2_contingency`
前后对比	配对数据	配对t检验	`scipy.stats.ttest_rel`
分布对比	任意分布	KS检验	`scipy.stats.ks_2samp`

from scipy import stats

def auto_compare(group_a, group_b, alpha=0.05):
    """自动选择检验方法并返回结论

    正态性检验策略：n<=2000用Shapiro-Wilk，n>2000用D'Agostino-Pearson（大样本更稳健）。
    抽样策略：超过2000时随机抽样，避免取前N条的时间/排序偏差。
    """
    import numpy as np

    # 正态性检验
    for grp, label in [(group_a, 'A'), (group_b, 'B')]:
        if len(grp) < 3:
            return {'method': '样本不足', 'statistic': None, 'p_value': None,
                    'conclusion': '样本量<3，无法进行统计检验'}

    def _test_normality(data, alpha=0.05):
        """正态性检验：n<=2000用Shapiro-Wilk，n>2000用D'Agostino"""
        if len(data) <= 2000:
            _, p = stats.shapiro(data)
        else:
            # 随机抽样2000条，避免排序偏差
            sample = np.random.choice(data, size=2000, replace=False)
            _, p = stats.normaltest(sample)
        return p > alpha

    is_normal_a = _test_normality(group_a, alpha)
    is_normal_b = _test_normality(group_b, alpha)

    if is_normal_a and is_normal_b:
        stat, p_value = stats.ttest_ind(group_a, group_b)
        method = '独立样本t检验'
    else:
        stat, p_value = stats.mannwhitneyu(group_a, group_b, alternative='two-sided')
        method = 'Mann-Whitney U检验'

    significant = p_value < alpha
    conclusion = '差异显著' if significant else '差异不显著'
    return {'method': method, 'statistic': round(float(stat), 4),
            'p_value': round(float(p_value), 6), 'conclusion': conclusion}

1.8 降级策略框架

4级降级链

当首选方案不可用时，逐级降级而非直接失败：

全量分析 → 采样分析 → 聚合统计 → 提示用户数据过大需手动处理
精确计算 → 近似计算 → 估算 → 告知精度限制
实时查询 → 缓存数据 → 历史快照 → 告知数据时效
L1精确匹配 → L2桥接匹配 → L3编码匹配 → 标记"需人工核实"

常见错误降级映射

错误类型	首选方案	降级方案
MemoryError	全量加载	`chunksize` 分块 + 逐块聚合
查询超时	全表关联	先WHERE过滤再JOIN，或子查询分步
编码错误	UTF-8	尝试GBK → Latin-1 → 忽略错误字符
连接超时	直连数据库	重试3次(1s/3s/5s递增) → 建议导出CSV本地分析
列名不匹配	精确列名merge	iloc位置索引 + 列名映射字典
数据为空	全量分析	给出友好提示，建议检查过滤条件

1.9 分析结论撰写规范

四条铁律

量化表达：所有结论附带具体数值
✅ "Q2合格率同比下降8.3%，从91.2%降至82.9%，低于85%制度红线"
❌ "Q2合格率有明显下降"
因果审慎：区分相关和因果
✅ "外来占比与合格率呈负相关(r=-0.72)，但无法确认因果关系，需现场核实"
❌ "外来导致合格率下降"
置信标注：统计结论标注显著性
✅ "两组合格率差异显著(91.2% vs 83.7%, p\<0.01)"
❌ "一组比另一组合格率高"
局限声明：主动说明分析局限
数据时间范围的限制
匹配策略的局限（间接匹配需人工核实）
样本代表性（单公司数据不代表集团全貌）

发现-建议关联模板

### 发现N：{标题}
**数据锚点**：{量化结论 + 置信度/显著性}
**制度/标准红线**：{违反的条款编号及内容（审计场景）或 偏离的预算/标准（财务场景）}
**等级**：🔴高 / 🟡中 / 🟢低
**→行动指引**：{审计→现场怎么查；财务→需调整什么；生产→需改进什么}
**→建议**：{优先级 + 预期效果 + 实施难度}

1.10 统计增强工具箱（v5.2新增）

借鉴来源： Scene #8 "数据分析及可视化" 插件 statistical-analysis + data-validation 精华

核心问题

v5.1的1.7提供了统计检验方法选择指南，但缺少：

描述性统计的系统方法论（均值vs中位数的选择逻辑、百分位叙事）
假设检验的完整框架（效应量、置信区间、样本量考量）
系统性统计陷阱检测（多重比较、幸存者偏差、生态谬误）
异常检测的处理原则（调查为先而非自动删除）
交付前的结构化验证清单

本模块补全这些能力。

10.1 描述性统计方法选择

集中趋势度量：均值 vs 中位数

数据特征	使用	原因	审计示例
对称分布，无异常值	均值	最有效估计量	标准化产品的单位成本
偏态分布	中位数	抗异常值	供应商单笔金额（少数大单拉高均值）
分类/定序数据	众数	仅非数值选项	违规类型分布
高度偏态+极端值	中位数+均值	差距揭示偏斜程度	采购单价（均>中是供应商集中信号）

铁律：审计场景中的金额/成本/价格指标，均值和中位数同时报告。两者差距越大，数据越偏斜，单看均值越误导。

分布表征框架

每遇到一个数值分布，必须回答五问：

维度	问题	方法
形态	正态/右偏/左偏/双峰/均匀/重尾？	偏度+直方图+核密度估计
中心	均值和中位数各是多少？差距大吗？	`mean()` + `median()`
离散	标准差还是IQR更合适？	正态→标准差；偏态→IQR
异常值	有多少？多极端？集中在什么区间？	Z-score/IQR/百分位法
边界	是否有自然下限(0)或上限(100%)？	业务逻辑检验

百分位业务叙事

报告关键百分位以讲出比均值更丰富的故事：

p1:   底部1%（最低典型值）
p5:   正常范围低端
p25:  第一四分位
p50:  中位数（典型值）
p75:  第三四分位
p90:  前10%（高产/高耗区间）
p95:  正常范围高端
p99:  前1%（极端值）

审计叙事示例：

"供应商单笔金额中位数为¥8.5万，但前10%的供应商单笔金额超过¥35万，将均值拉至¥14.2万。这一偏斜提示需关注前10%供应商是否存在异常交易。"

10.2 假设检验完整框架

检验五步法

原假设(H0)：无差异（默认假设）
备择假设(H1)：有差异
显著性水平(α)：通常0.05（5%假阳性风险）
计算检验统计量和p值
解读：p \< α → 拒绝H0（有证据表明差异真实存在）

审计常用检验速查

审计场景	检验方法	Python	注意事项
两供应商单价是否有显著差异	独立t检验	`scipy.stats.ttest_ind`	正态+等方差
同上(非正态)	Mann-Whitney U	`scipy.stats.mannwhitneyu`	报告中位数差而非均值差
某车间合格率下降是否真实	z检验(比例)	`statsmodels.stats.proportion.proportions_ztest`	需样本量和事件数
多事业部费用率是否随机差异	单因素ANOVA	`scipy.stats.f_oneway`	正态+等方差
整改前后指标是否真的改善	配对t检验	`scipy.stats.ttest_rel`	同一对象前后对比
违规事件与班次是否相关	卡方检验	`scipy.stats.chi2_contingency`	期望频数≥5
两批数据分布是否相同	KS检验	`scipy.stats.ks_2samp`	任意分布均可用

统计显著 ≠ 实际重要

统计显著：差异不太可能是随机所致。

实际重要：差异大到影响业务决策。

大样本下，极小的差异也可能统计显著但毫无实际意义。审计报告中必须同时报告：

必须报告	示例	为什么
效应量	"B组合格率比A组高2.3个百分点"	差异有多大
置信区间	"95%置信区间[1.1%, 3.5%]"	真实差异的可能范围
业务影响	"相当于每万枚原料多出230枚合格蛋"	翻译为业务语言

反模式：只报p值("p\<0.01，差异显著")而不报差异大小——这是统计学，不是审计结论。

样本量考量

规则	审计应用
小样本结果不可靠，哪怕p值显著	单月\<30笔的交易类型，不做统计推断
比例检验每组至少30个事件	违规率\<1%的部门，需要千级样本才有检测力
检测小效应需要大样本	要检测1%的差异，可能需要每组上千样本
样本不足时如实说明	"本月仅12笔此类交易，不足以做统计检验，以下为描述性分析"

10.3 统计陷阱警告体系

多重比较问题

当检验多个假设时，必有部分"显著"纯属碰巧。

检验20个指标在p=0.05下 → 预期1个假阳性
翻看了很多分组才找到一个显著的 → 必须说明检验了多少个

Bonferroni校正：α_adjusted = 0.05 / N（N为检验次数）

审计场景：同时对比30个供应商的单价 → α调整为0.05/30≈0.0017

或者直接放弃校正，坦诚报告："我们检验了30项，以下X项差异显著（未校正），需结合业务判断跟进优先级。"

幸存者偏差

你只能分析"存活"到数据集中的实体。

审计场景	幸存者偏差陷阱
仅分析在册供应商	已被淘汰/拉黑的供应商不在数据中，均价被人为压低
仅分析当月在产车间	已关停车间的问题被自动排除
仅分析有交易的客户	零交易客户（可能因纠纷）被忽略

审计铁律：每次分析前问——"谁不在这份数据里？他们的缺席是否改变结论？"

平均的平均

对已有平均值再求平均，忽略各组样本量不同 → 结果错误。

案例：

车间A：100批次，平均合格率 95%
车间B：10批次，平均合格率 70%
❌ 错误：(95%+70%)/2 = 82.5%（简单平均）
✅ 正确：(100×95%+10×70%)/110 = 92.7%（加权平均）

预防：永远从原始数据聚合，不对已有聚合结果二次求平均。

生态谬误

群体层面的结论不适用于个体。

"高损耗率集中在XX区域" ✗→ "XX区域的每个车间都高损耗"
汇总分析只能指向排查区域，不能定罪具体车间

锚定效应与虚假精度

❌ "预计下季度损耗率4.73%"——虚假精度
✅ "基于历史，下季度损耗率预计在4-6%之间"
适当舍入比精确数字更诚实

10.4 异常检测增强

离群值处理四步法

v5.1提供了Z-score/IQR/百分位三种检测方法，v5.2补充处理原则。

禁止自动删除离群值。改为四步：

调查：是数据错误、真实极值、还是不同群体？
数据错误：修复或删除（如负数年龄、1970年时间戳）
真实极值：保留，改用稳健统计量（中位数代替均值）
不同群体：分离后独立分析（如大额交易vs常规交易）

必须报告处理方式："排除47笔单笔>¥50万的交易(0.3%)，这些为批量采购，单独分析。"

点异常 vs 变点

类型	特征	审计含义
点异常	单点偏离	可能是录入错误或单次异常交易
变点	持续偏移	可能是流程变化、政策调整或系统性舞弊

检测方法：

计算预期值（移动平均或去年同期）
计算偏离度
偏离超过2-3倍残差标准差 → 标记
连续N个点同方向偏离 → 变点信号

10.5 增长率方法

方法	公式	适用场景
简单增长率	`(本期-上期)/上期`	单期对比
年复合增长率(CAGR)	`(期末/期初)^(1/年数)-1`	多年趋势
对数增长率	`ln(本期/上期)`	波动大的序列

10.6 季节性检测

目视检查：先画原始时间序列图，肉眼找周期性
周均值检验：按星期几分组求均值——是否有明显周末效应
月均值检验：按月份分组求均值——是否有年度周期
同期对比原则：存在季节性时，必须用同比(YoY)而非环比(MoM)做对比

审计应用：养殖产蛋率/加工消耗量/生产量的季节性属于正常波动，异常检测不能把季节性当异常警报。

10.7 交付前验证清单

借鉴 data-validation 的结构化QA框架。分析报告交付前逐项检查。

数据质量

[ ] 数据源已确认正确（表/文件/日期）
[ ] 时间范围完整，无意外断层
[ ] 关键列缺失率已检查，空值处理方式已记录

小葱技能站7w4.net发现了升级插件。
[ ] 无因JOIN类型错误导致的重复计数
[ ] 过滤条件已验证，无意外的排除

计算逻辑

[ ] GROUP BY已包含所有非聚合列
[ ] 比率/百分比的分子分母正确，分母非零
[ ] JOIN类型适当（INNER vs LEFT），多对多JOIN未膨胀行数
[ ] 指标定义与利益相关方一致

合理性

[ ] 数值在合理范围内（金额非负、百分比在0-100%）
[ ] 时间序列无未解释的跳变
[ ] 关键数字与已知基准交叉验证
[ ] 边界情况已考虑（空分组、零活动期、新增实体）

红旗信号（任一触发→暂停交付，深入调查）

任一指标环比变化>50%且无合理解释
计数/金额为精确整零（可能是过滤条件或默认值问题）
比率恰好为0%或100%（可能数据不完整）
结论完美验证假设（现实通常更混乱）
跨期间/跨分组数值完全一致（可能忽略了某个维度）

清单中的"红旗信号"在审计场景下尤为关键——完美的一致性和精确的整数往往指向数据操纵而非自然业务结果。

L2 业务场景映射

2.1 产业链场景路由

企业产品全产业链场景矩阵

产业链环节	核心业务	典型分析维度	高频问题	推荐分析模式
祖代产品	引种→育成→产蛋	引种成本、育成率、产蛋性能	"引种投入产出合理吗？"	效率分析+构成分析
父母代养殖	孵化→养殖→原料生产	合格率、孵化率、来源追溯	"投产对不对得上？""来源可追溯吗？"	钩稽比对+合规检测
肉产品养殖	雏产品→育肥→产出	成活率、投入产出比、产出均重	"损耗正不正常？"	异常检测+趋势分析
加工加工	原料采购→配方→生产	原料损耗、配方成本、产出率	"原料去哪了？""成本结构如何？"	钩稽比对+构成分析
生产初加工	活产品→白条→分割	出肉率、副产回收、损耗率	"出肉率达标吗？"	对比分析+效率分析
流通初加工	原料→水洗→分拣	出品率、质量标准、加工损耗	"出品率波动原因？"	趋势分析+异常检测
副产加工	产品肠/产品血/产品毛等	回收率、加工产出、废弃率	"副产回收充分吗？"	效率分析+构成分析

场景→分析方法→图表→报告风格映射

场景	首选分析	辅助分析	核心图表	报告风格
原料挑选→上孵钩稽	钩稽比对	合规检测	差异率柱状图	风险导航式
加工原料出入库	钩稽比对	构成分析	差异明细表+成本构成饼图	对比归因式
肉产品产出效率	效率分析	趋势预警	投入产出比趋势图+标杆线	运营监控式
流通出品率	趋势分析	异常检测	出品率折线图+异常标注	运营监控式
供应商合规	合规检测	对比分析	违规清单+对照表	合规审计式
预算执行差异	对比分析	构成分析	预算vs实际对比柱状图	偏差归因式
成本结构分析	构成分析	趋势分析	帕累托图+成本趋势线	决策支持式
投入产出分析	效率分析	对比分析	投入产出散点图+标杆	效率评估式

2.2 部门需求路由

审计监察部

核心需求：风险排查、钩稽核查、合规检测、历史对照

报告风格：风险导航式（TOP3风险前置→数据全景→分层支撑→制度对照，→见阶段5.1）

分析侧重：

钩稽比对为主，合规检测为辅
制度红线自动标注（关联weknora-connector检索制度条款）
历史问题复发检测
结论模板用审计版（制度红线+现场指引）

财务部（BP/管理会计）

核心需求：预算差异分析、成本结构拆解、投入产出比、费用趋势

报告风格：偏差归因式（差异概览→价量分解→趋势→调整建议，→见阶段5.1）

分析侧重：

对比分析为主（预算vs实际、同比环比），构成分析为辅
重点关注：费用超支、成本异常波动、毛利率变化
结论模板用财务版（预算/标准红线+调整建议）

生产车间

核心需求：合格率/损耗率趋势、异常批次定位、效率标杆对比

报告风格：运营监控式（KPI卡片→趋势图→异常标注→改进措施，→见阶段5.1）

分析侧重：

趋势分析为主，异常检测为辅
重点关注：指标偏离标准线、连续异常、季节性波动
结论模板用生产版（标准线+改进措施）

采购中心

核心需求：供应商合规、价格异常、合同执行率

报告风格：合规审计式（合规总览→违规清单→对照表→处置建议，→见阶段5.1）

分析侧重：

合规检测为主，对比分析为辅
重点关注：禁用供应商交易、价格偏离市场、合同量vs实际量
结论模板用采购版（条款+处置建议）

品管部

核心需求：质量指标趋势、批次追溯、标准偏离

报告风格：质量报告式（质量评分→指标趋势→批次追溯→整改要求，→见阶段5.1）

分析侧重：

趋势分析+异常检测
重点关注：指标偏离标准、不合格批次集中度、追溯链完整性
结论模板用品管版（标准值+整改要求）

2.3 内控测试路由（v5.0新增）

借鉴来源： finance插件 audit-support + sox-testing 的CEAVOP认定+样本选择+缺陷分级方法论

CEAVOP认定框架

当审计需求涉及内控测试时，将分析目标映射到6类认定：

认定	英文	含义	典型审计场景
完整性	Completeness	所有交易均已记录	入库单vs系统记录、费用是否全部入账
存在/发生	Existence/Occurrence	交易真实发生	销售是否虚构、存货是否真实存在
准确性	Accuracy	金额记录正确	单价×数量=金额验证、计算复核
计价	Valuation	资产/负债计价合理	存货跌价准备、坏账计提充分性
权利/义务	Rights/Obligations	权属清晰	固定资产归属、或有负债识别
列报	Presentation	分类披露恰当	关联方交易披露、会计政策一致性

样本选择策略

控制频率	总体量(约)	低风险样本	中风险样本	高风险样本
年度	1	1	1	1
季度	4	2	2	3
月度	12	2	3	4
每周	52	5	8	15
每日	\~250	20	30	40
每笔(小量)	\<250	20	30	40
每笔(大量)	250+	25	40	60

样本选择方法：

随机选择（默认）：每项等概率被选中，统计上可辩护
系统选择：等间距抽取+随机起点，确保期间覆盖
定向选择（风险导向补充）：高金额、期末、异常、关联方交易优先

控制缺陷分级

级别	定义	指示信号
缺陷	控制设计或运行不足以防止/发现错报	评估可能性+金额+是否有补偿控制
重要缺陷	严重程度低于重大缺陷但需治理层关注	可能导致超过非重要性但未达重要性的错报
重大缺陷	有合理可能性导致重大错报未被发现	管理层舞弊（任何金额）、重大错报重述、审计师发现公司内控未发现的重大错报

缺陷聚合：单项不重要的缺陷，同一流程/认定内合并后可能构成重要缺陷甚至重大缺陷。

2.4 个性化需求适配

当用户需求不在预设场景中时，按以下流程适配：

识别需求本质：将用户描述映射到8种分析模式之一
选择匹配的场景模板：找最接近的L3模板作为起点
调整参数：字段映射、阈值、分组维度按实际数据调整
组合模式：复杂需求通常是2-3种分析模式的组合

用户需求："帮我看看流通车间最近三个月的加工损耗是不是有异常"
→ 识别本质：趋势分析（"最近三个月"）+ 异常检测（"是不是有异常"）
→ 匹配场景：流通初加工（L3模板）
→ 调整参数：时间范围=最近3个月，关注指标=加工损耗率，阈值=历史均值±2σ
→ 输出风格：运营监控式

L3 场景模板

使用规则：L3模板是示例代码，按需加载。不要在通用逻辑中硬编码特定场景的字段名或业务规则。

3.1 生产事业部

投产钩稽分析

适用：原料挑选表 × 上孵表的数量匹配与差异核查

关键步骤：

数据画像：识别供应商列/批次列缺失率，判断匹配键可靠性
多层匹配：L1精确名称→L2供应商桥接→L3批次编码
差异率计算：外关联merge，筛选差异>10%的记录
来源分类：名称模式匹配→供应商列推断→默认分类（三级降级）

来源分类示例（按实际数据调整模式）：

import re

def classify_source(row, name_col_idx=0, supplier_col_idx=7, zone_col_idx=3):
    """三级降级来源分类——以养殖场景为例

    注意：row 为 df.apply(func, axis=1) 传入的 Series，用 iloc[n] 一维索引
    """
    farmer = str(row.iloc[name_col_idx]).strip()
    supplier = str(row.iloc[supplier_col_idx]).strip()
    zone_raw = str(row.iloc[zone_col_idx]).strip()

    # 第一级：名称模式匹配
    if re.search(r'[A-Z]{2}\d+', farmer):
        return '基地来蛋'
    if re.search(r'有限公司|农牧|牧业|养殖场', farmer):
        return '社会外来蛋'
    if '某区域' in zone_raw or '内蒙' in farmer:
        return '社会外来蛋'

    # 第二级：供应商列有值→外来
    if supplier not in ('', 'nan', 'NaN'):
        return '社会外来蛋'

    # 第三级：默认基地
    return '基地来蛋'

核心教训：

astype(str) 后 NaN 变成字符串 'nan'，需同时判断 '', 'nan', 'NaN'
跨表名称不一致（如"某区域种产品一场" vs "某区域强英农牧科技有限公司"）会导致百万级记录"消失"，永远检查unmatched数量级

原料合格率趋势分析

适用：按日/周/月的合格率趋势监测与异常预警

关键步骤：

日期标准化 + 合格率计算
按来源/区域分组趋势
阈值线标注（制度红线如85%）
连续N日低于阈值的批次预警

3.2 采购事业部

原料出入库钩稽

适用：原料采购入库 × 领料出库 × 库存盘点的三方匹配

关键步骤：

数据画像：检查批号/物料编码列的缺失率与一致性
三方钩稽：采购入库→领料出库→期末库存，期初+入库-出库=期末
差异定位：按物料类别/批次/供应商归因
损耗率计算：合理损耗范围外的异常标记

配方成本分析

适用：标准配方成本 vs 实际生产成本的差异分析

关键步骤：

标准配方BOM展开（原料×用量×单价）
实际投料数据聚合
价差（单价偏离）与量差（用量偏离）拆解
按品类/时段的差异趋势

3.3 加工事业部

产出效率与损耗分析

适用：肉产品产出成活率、投入产出比、产出均重的趋势与异常

关键步骤：

按批次/棚舍/时段汇总
投入产出比计算与标杆对比
异常批次识别（Z-score偏离）
损耗环节定位（死淘率→运输损耗→生产损耗）

生产产出与副产回收

适用：白条出肉率、副产（产品肠/产品血/产品毛）回收率分析

关键步骤：

投入（活产品重量/数量）→ 产出（白条+副产）的物料平衡
出肉率趋势与标准线对比
副产回收率分析（哪些副产回收不充分）
废弃率异常检测

3.4 贸易事业部

出品率与加工损耗分析

适用：原料毛→水洗→分拣各环节的出品率趋势与损耗

关键步骤：

按原料批次追踪全流程产出
各环节出品率/损耗率计算
质量标准波动趋势
加工损耗异常检测

3.5 财务分析场景

预算执行差异分析

适用：各部门/事业部的预算vs实际对比

关键步骤：

预算表 × 实际表按科目/部门/月度关联
差异率计算（绝对差异+相对差异）
价量分解（v5.0增强）：价格变动影响 vs 数量变动影响，量化各驱动因素贡献
瀑布图归因（v5.0增强）：将总差异拆解为各驱动因素的正负贡献
超支TOP-N排序与趋势

成本结构分析

适用：产品/事业部/期间的成本构成与变动分析

关键步骤：

成本按要素（直接材料/直接人工/制造费用）拆解
帕累托分析（80%成本由哪些项目构成）
率混合分解（v5.0增强）：毛利率变化中，各品类毛利变化贡献多少 vs 结构变化贡献多少
同比环比结构变动
毛利率变化归因

投入产出分析

适用：各事业部/产品的投入产出效率评估

关键步骤：

投入指标（原料/人工/能源）× 产出指标（产量/收入）
效率比率计算与标杆对比
趋势分析与异常定位
跨事业部效率排名

结账流程分析（v5.0新增）

借鉴来源： finance插件 close-management 的依赖图+瓶颈分析

适用：财务部月度结账效率分析、结账流程改进

关键步骤：

绘制结账依赖图：哪些任务必须先完成才能启动后续任务
识别关键路径：决定结账周期的最短时间
瓶颈定位：哪些环节耗时最长、延迟最多
改进建议：自动化Level 1任务（折旧/摊销/标准计提）、持续对账替代月末集中对账

结账依赖图模板：

Level 1（无依赖，T+1立即启动）：
├── 现金收支录入
├── 银行对账单获取
├── 固定资产折旧运行
├── 预付费用摊销
├── 应付计提准备
└── 内部交易过账

Level 2（依赖Level 1完成）：
├── 银行对账（需：现金分录+银行对账单）
├── 收入确认（需：出库/交付数据最终确认）
├── 应收子账核对（需：所有收入/现金分录）
├── 应付子账核对（需：所有应付分录/计提）
└── 汇率重估（需：所有外币分录过账）

Level 3（依赖Level 2完成）：
├── 所有资产负债表对账
├── 内部交易对账与抵消
├── 对账发现的调整分录
└── 试算平衡表初稿

Level 4（依赖Level 3完成）：
├── 税务计提
├── 合并与抵消
├── 财务报表初稿
└── 差异分析

Level 5（依赖Level 4完成）：
├── 管理层审阅
├── 最终调整
├── 封账 / 期间锁定
└── 报告发布

常见瓶颈与解决方案：

瓶颈	根因	解决方案
应付计提延迟	等待部门确认	推行持续计提估算；设置截止时间
手工日记账	每月手工编制重复分录	ERP中自动化标准循环分录
对账缓慢	每月从零开始	推行持续/滚动对账
内部交易延迟	等待对方确认	自动化内部交易匹配；设更严截止时间
管理层审阅后大额调整	审阅中发现问题	改进前期审核流程；提前发现问题

3.6 综合分析场景

跨事业部效率对比

适用：养殖/加工/制造/流通/副产各事业部的核心效率指标横向对比

关键步骤：

统一指标口径（如各事业部的"合格率"定义不同，需先标准化）
各事业部核心KPI汇总表（效率比率+趋势方向+同比变化）
标杆对比：集团内最佳实践 vs 平均水平 vs 预警线
差异归因：是结构因素（产品组合/区域分布）还是执行因素（管理/工艺）

注意事项：

跨事业部对比的难点在于指标口径统一，切忌直接拉表对比
输出风格：决策支持式（排名+差距+改进方向）

集团趋势与预警

适用：集团级关键指标（收入/利润/成本/质量）的月度/季度趋势与异常预警

关键步骤：

各事业部数据按月汇总，生成集团级时间序列
同比环比+季节性调整+变点检测
多维联动预警（如：加工成本↑ + 肉产品产出损耗↑ → 利润风险）
管理层驾驶舱式输出（KPI卡片+趋势+预警标注）

注意事项：

集团汇总数据可能掩盖事业部间差异，需同时提供明细
输出风格：运营监控式（KPI卡片+趋势+预警）

通用工作流

六阶段工作流（阶段0-5）

阶段 0：报告策略设计

在写任何分析代码前，先回答三个问题：

哪些数据维度最可能导致高价值发现？（参考业务场景路由表）
报告应以哪2-3个核心问题为导航主线？
可视化图表的落点在哪里？（图表不是装饰，是辅助判断的决策工具）

输出：策略映射表

核心问题	对应分析	可视化	行动指引
问题A	分析模块X	图表类型	指向什么行动
问题B	分析模块Y	图表类型	指向什么行动

0.1 数据画像前置

在正式探索列名之前，对数据集执行 audit_profile() 一键画像：

profile = audit_profile(df, name='数据集名称')
flags = profile_to_flags(profile, context='审计')  # context按部门选择
for f in flags:
    print('⚠', f)

画像结果直接输入策略映射——缺失率高的字段不适合做主匹配键，异常值占比高的字段优先做风险分析。

阶段 1：数据探索与列名定位

import pandas as pd

df = pd.read_excel('xxx.xlsx', sheet_name='Sheet1', header=0)
print("shape:", df.shape)
print("columns:", list(df.columns))
print("head:\n", df.head(3))
print(df.iloc[:, 2].unique()[:10])  # 用位置索引，不用列名

核心原则：

永远优先用 iloc[:, n] 位置索引，不依赖中文列名（中文列名含空格/换行/合并单元格时极易出错）
先打印列名和前3行，确认字段位置后再编写分析代码
用 df.shape 确认行列数，防止遗漏 sheet 或误读 header

阶段 2：数据清洗与类型统一

# 过滤合计/汇总行
df = df[df.iloc[:, 0] != '合计'].copy()
df = df[df.iloc[:, 0].notna()].copy()

# 统一日期格式
df['_dt'] = pd.to_datetime(df.iloc[:, 2], errors='coerce')

# 数值转换
df['_qty'] = pd.to_numeric(df.iloc[:, 10], errors='coerce')

# 字符串标准化
df['_key'] = df.iloc[:, 5].astype(str).str.strip()

关键注意：

errors='coerce' 是数值/日期转换的标配，非法值变 NaN 而非报错
清洗后用 .copy() 防止 SettingWithCopyWarning
对业务规则判断，用 isna() | (str.strip() == '') 双重判断

阶段 3：多维关联分析

3.1 单表分组汇总

rows = []
for key, group in df.groupby(df.iloc[:, 1]):
    total = pd.to_numeric(group.iloc[:, 10], errors='coerce').sum()
    avg_rate = pd.to_numeric(group.iloc[:, 37], errors='coerce').mean()
    rows.append({
        '分组键': str(key),
        '总量': int(total),
        '平均值': round(float(avg_rate) * 100, 2) if pd.notna(avg_rate) else 0,
    })
# pandas 2.x 中 agg(col=(Series, 'func')) 语法不再支持，优先用 for 循环

3.2 跨表多层匹配

# Layer 1: 精确名称匹配
match_l1 = pd.merge(df_a, df_b, on=['date', 'zone', 'name'], how='inner')

# Layer 2: 桥接键匹配（当主键不匹配时，用辅助字段桥接）
# 构建 name ↔ supplier 映射字典作为第二匹配键

# Layer 3: 编码匹配（提取通用编码模式）
def extract_code(name, pattern=r'([A-Z]{2}\d+)'):
    m = re.search(pattern, str(name))
    return m.group(1) if m else None

匹配结果文档化：

match_report = {
    'L1_exact_match': len(match_l1),
    'L2_bridge_match': len(match_l2),
    'L3_code_match': len(match_l3),
    'unmatched_after_L3': len(unmatched),
    'note': 'L2/L3匹配的记录需在报告中标注"间接匹配，需人工核实"'
}

关键教训：跨表名称不一致会导致大量记录"消失"。永远在匹配后检查 unmatched 数量级——如果达到异常量级，一定是匹配策略有问题。

3.3 合规检测模板

# 规则词典方式：关键词/阈值 → 违规标记 + 条款映射
RULES = {
    '禁用对象交易': {'keyword': '禁用|黑名单|停用', 'field_idx': 6, 'clause': '采购管理制度第5条'},
    '低于标准阈值': {'field_idx': 37, 'op': '<', 'value': 0.85, 'clause': '管理办法第12条'},
}
# 对每条规则检测数据，在结果中附上条款编号

3.4 关联制度/合同文本

通过 weknora-connector 检索相关制度条款，将分析发现自动映射到制度依据。

阶段 4：结果序列化

import json

results = { ... }  # 分析结果字典

with open('analysis_results.json', 'w', encoding='utf-8') as f:
    json.dump(results, f, ensure_ascii=False, indent=2, default=str)

分析与报告解耦：先生成 JSON，再由独立脚本读取生成报告。修改报告样式无需重跑分析。

阶段 5：报告生成

5.1 报告风格选择

调用部门	报告风格	结构特征
审计监察	风险导航式	TOP3风险前置→数据全景→分层支撑→制度对照
财务BP	偏差归因式	差异概览→价量分解→趋势→调整建议
生产车间	运营监控式	KPI卡片→趋势图→异常标注→改进措施
采购中心	合规审计式	合规总览→违规清单→对照表→处置建议
品管部	质量报告式	质量评分→指标趋势→批次追溯→整改要求

5.2 HTML报告（Chart.js）

<script src="https://cdn.jsdelivr.net/npm/chart.js@4.4.0/dist/chart.umd.min.js"></script>

<div class="chart-container" style="max-width:700px;margin:20px auto">
  <canvas id="chart_trend"></canvas>
</div>

<script>
const trendData = JSON.parse(document.getElementById('data_trend').textContent);
new Chart(document.getElementById('chart_trend'), {
  type: 'line',
  data: {
    labels: trendData.labels,
    datasets: trendData.datasets
  },
  options: {
    responsive: true,
    plugins: {
      annotation: {
        annotations: {
          threshold: {
            type: 'line', yMin: 85, yMax: 85,
            borderColor: '#E67E22', borderWidth: 2, borderDash: [6,4],
            label: { content: '警戒线', enabled: true }
          }
        }
      }
    }
  }
});
</script>

数据注入方式：<script type="application/json" id="data_xxx"> 标签嵌入JSON。

5.3 Word报告（python-docx）

from docx import Document
from docx.shared import Pt, RGBColor

doc = Document()

t = doc.add_table(rows=1 + len(data_rows), cols=len(headers))
t.style = 'Light Grid Accent 1'
for i, h in enumerate(headers):
    t.rows[0].cells[i].text = str(h)
for ri, row in enumerate(data_rows):
    for ci, val in enumerate(row):
        t.rows[ri+1].cells[ci].text = str(val)

doc.save('分析报告.docx')

5.4 附录交互式看板（可选增强）

定位：报告主体用静态图表保证归档确定性，附录可附带交互式数据看板供深入查阅。适用：领导要"自己翻翻数据"，或需要多维度交叉筛查时。 不适合：正式归档件、对外报送件（交互元素打印后失效）。

位置	内容	交互性	归档性
报告主体	核心发现 + 静态证据图	无（线性阅读）	✅ 可打印归档
附录看板	多维度筛选 + 联动图表 + 明细下钻	✅ 点击/筛选联动	❌ 仅电子版

技术实现：ECharts单文件看板（筛选器变化→全图重绘，图表点击联动）

看板输出规则：

独立文件：xxx_dashboard_appendix.html，报告中仅放链接
数据自包含：所有数据内嵌JSON，不依赖外部API
筛选器由数据驱动，不硬编码
中国市场配色：涨红跌绿
打印降级：@media print 隐藏筛选器
数据量上限：内嵌不超过5万行，超出提供CSV下载

图表落点原则

图表不是报告装饰，是决策辅助工具。 每张图表都应有明确的"看了能做什么"的落点。

图表类型	适用场景	典型落点
折线图(趋势)	指标随时间变化	定位异常时间窗口，锁定排查日期
柱状图(对比)	分组/期间对比	定位偏差最大的维度，决定关注方向
环形图(占比)	构成分布	量化关键占比，评估结构合理性
散点图(关联)	两变量关系	检测相关性，识别离群点
帕累托图	成本/问题集中度	聚焦关键少数（80/20法则）
热力图	多维度交叉	快速定位异常交叉点

常见错误速查表

#	错误类型	根因	解决方案
1	`ValueError: Length mismatch`	手动赋列名数量与实际列数不符	不手动赋列名，全用 `iloc` 位置索引
2	`TypeError: unhashable type 'Series'`	pandas 2.x `agg` 语法变更	改用 `for key, group in df.groupby(...)` 循环
3	`SyntaxError: invalid syntax`	变量名含空格	变量名用下划线，先做语法检查
4	JSON 序列化失败	`numpy.int64` 不可序列化	`json.dump(..., default=str)` 或显式 `int()`
5	HTML 特殊字符异常	`<` `>` `&` 未转义	先转义再拼接，不在f-string里二次转义
6	来源分类误判	仅依赖单字段+`astype(str)`后NaN判断混乱	三级降级分类+同时判断`''`/`'nan'`/`'NaN'`
7	跨表匹配大量"消失"	名称不一致导致merge失败	多层匹配+必须检查unmatched数量级
8	报告面面俱到无焦点	所有分析并列，无重点区分	前置策略映射，高价值深挖低价值简述

可扩展的分析维度

以下维度尚未内置为独立模块，但可基于现有L1/L2能力组合实现。如高频使用，可沉淀为L3模板。

风险评分模型：多指标加权评分模型，输出综合风险等级（需定义权重体系）
预测性分析：基于历史数据的趋势外推与预警（ARIMA/Prophet，需时间序列库支持）
关联规则挖掘：从交易数据中挖掘频繁共现模式（如"某供应商+某品类+月末"高频组合）
地理空间分析：按区域/基地的空间分布与聚类（需geopandas库支持）
自然语言分析：审计笔记/制度文本的语义匹配与分类（需NLP模型支持）

v5.2内置能力速查（勿重复开发）

内置能力	位置	说明
价量分解	1.3	成本差异拆解为价格变动+数量变动
率混合分解	1.3	加权平均指标变化的比率效应vs组合效应
瀑布图归因	1.3	总差异按驱动因素正负贡献可视化
对账老化	1.4	未解决差异的年龄跟踪与升级
CEAVOP认定	2.3	内控测试目标的认定映射
样本选择	2.3	按控制频率和风险等级确定样本量
三表钩稽	3.2	入库×出库×库存端到端追踪
制度关联	2.2+3.4	从知识库拉取制度条款，自动标注违规依据
跨期对比	1.7	同比环比+变点检测
帕累托分析	1.7	成本/问题集中度，聚焦关键少数
趋势预警	1.7	滚动均值+阈值线+连续偏离触发
⚡均值vs中位数选择	1.10.1	按数据分布特征选择集中趋势度量
⚡假设检验完整框架	1.10.2	五步法+效应量+置信区间+样本量考量
⚡统计陷阱警告	1.10.3	多重比较/幸存者偏差/平均的平均/生态谬误
⚡异常检测处理原则	1.10.4	调查优先四步法+点异常vs变点
⚡季节性检测	1.10.6	目视→周均值→月均值→同期对比
⚡交付前验证清单	1.10.7	数据质量+计算逻辑+合理性+红旗信号

环境依赖

C:\Users\DESKTOP-9F3C\.workbuddy\binaries\python\envs\default\Scripts\pip install pandas openpyxl python-docx numpy scipy sqlalchemy pymysql duckdb

运行脚本时使用：

C:\Users\DESKTOP-9F3C\.workbuddy\binaries\python\envs\default\Scripts\python analyze_xxx.py

输出文件规范

文件	用途	命名规范
`analyze_xxx.py`	分析脚本	动词+对象+py
`analysis_results.json`	中间结果	固定名，便于报告脚本引用
`generate_report.py`	HTML 报告生成脚本	generate_前缀
`generate_docx.py`	Word 报告生成脚本	generate_前缀
`xxx分析报告.html`	HTML 报告	业务名称+分析报告
`xxx分析报告.docx`	Word 报告	业务名称+分析报告
`xxx_dashboard_appendix.html`	附录交互看板	业务名称+dashboard_appendix

版本迭代记录

版本	变更
v5.2	新增L1.10统计增强工具箱：描述性统计方法论（均值vs中位数选择/分布五问/百分位叙事）、假设检验完整框架（五步法+审计检验速查+统计显著≠实际重要+样本量考量）、统计陷阱警告体系（多重比较/幸存者偏差/平均的平均/生态谬误/锚定效应）、异常检测增强（离群值处理四步法+点异常vs变点区分）、增长率方法（简单/CAGR/对数）、季节性检测方法、交付前验证清单（4维度+红旗信号）。增强1.7路由表交叉引用。借鉴Scene#8数据分析及可视化 statistical-analysis + data-validation 精华
v5.1	架构复盘审查修复15项：修复率混合分解代码错误(P4按品类分组+加权平均)、修复瀑布图归因cumulative缺失(P5)、补全差异优先级5级排序(P6)、profile_to_flags按context差异化(P7)、safe_query防注入增强(P11)、auto_compare大样本正态性检验改用D'Agostino+随机抽样(P10)、audit_profile相关性标注缺失率可靠性(P12)、classify_source iloc二维改一维(P15)、三因素分解补充定义与使用场景(P14)、补充L3.6综合场景模板(P13)、统一报告风格三处描述(P8)、清理可扩展维度冗余(P9)、修复七阶段→六阶段(P1)、架构图与正文对齐+L1编号顺序说明(P2/P3)
v5.0	差异分解方法论（价量/率混合/瀑布图归因+叙述规范）、对账钩稽体系（3类差异+老化分析+升级阈值）、重要性阈值框架（分层阈值+调查优先级+三向比较）、SOX内控测试路由（CEAVOP+样本选择+缺陷分级）、结账流程分析模板（依赖图+瓶颈定位）。借鉴finance插件variance-analysis/reconciliation/audit-support/sox-testing/close-management精华
v4.0	三层解耦重构（L1通用引擎/L2场景映射/L3场景模板），从养殖专用扩展为全产业链通用，增加5个部门路由和8个产业链场景，新增构成分析和效率分析模式
v3.0	多源数据接入、标准化数据画像、安全规范、分析模式路由、降级策略、结论撰写规范（借鉴ai-data-copilot精华）
v2.0	报告策略前置、多层匹配、Chart.js可视化、风险导航结构

📁 包含文件 (1 个)

📄 SKILL.md 88.6 KB