mcpField
A
analysis-assumptions-log

analysis-assumptions-log

github.com/nimrodfisher数据与数据库504231 次安装5 周前更新
代码仓库

关于 analysis-assumptions-log

用于记录数据分析中的假设、理由、置信度和验证计划，适合需要同行审查、交接或审计记录的分析人员。它提供结构化 JSON 日志、关键假设报告和审查模板。

主要功能

  1. 01初始化结构化假设日志
  2. 02记录数据质量与业务规则
  3. 03记录统计方法假设
  4. 04标记高影响低置信度项
  5. 05生成关键项报告
  6. 06导出审查模板

适用场景

  1. 01为复杂分析记录方法选择
  2. 02准备同行审查或利益相关方签核
  3. 03交接旧分析并说明既有决策
  4. 04为受监管分析保留审计轨迹

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/nimrodfisher/data-analytics-skills --skill analysis-assumptions-log

安装后在 Claude Code 中输入/analysis-assumptions-log确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

assets/
assumptions_log_template.md
references/
assumption_categories.md
scripts/
assumptions_tracker.py

详细介绍

分析假设日志

使用场景

  • 开始一项范围、方法或数据质量选择对结果有重大影响的分析时
  • 准备供同行评审或利益相关方签字确认的工作时
  • 重新审视旧分析并需要了解先前决策时
  • 在要求可审计性的受监管环境中工作时
  • 将分析移交给另一位分析师时

流程

  1. 初始化日志 — 为分析创建一条日志记录，注明名称、日期、分析师以及该分析所支持的决策。使用 scripts/assumptions_tracker.py 初始化结构化 JSON 日志。
  2. 列出数据假设 — 记录数据的代表性、完整性、缺失值的处理方式以及已知的数据质量问题。对每项假设，记录其依据和置信度（高／中／低）。完整分类体系请参阅 references/assumption_categories.md。
  3. 列出业务逻辑假设 — 记录指标定义、时间窗口、纳入／排除规则以及利益相关方提供的任何定义。注明考虑过的其他方案。
  4. 列出统计假设 — 记录与所用方法相关的分布假设、独立性主张、平稳性或模型假设。
  5. 评估影响并标记关键假设 — 对每项置信度低且一旦错误会产生重大影响的假设，制定验证计划。运行 scripts/assumptions_tracker.py --report，筛出关键假设清单。
  6. 验证并结项 — 随着验证工作的进行，更新日志并记录结果。交付前导出 assets/assumptions_log_template.md，供同行评审签字确认。

此技能所需输入

  • 分析名称及其所支持的决策
  • 正在分析的数据来源、时间段和总体
  • 已做出的关键方法选择（以及考虑过的其他方案）
  • 利益相关方提供的业务规则定义
  • 已知的数据质量问题

输出

  • scripts/assumptions_tracker.py — CLI 工具，用于记录假设、标记关键假设并导出摘要
  • assets/assumptions_log_template.md — 已完成的日志，供同行评审和审计追踪使用

评论

支持 Markdown