root-cause-investigation

根因调查

适用场景

• 关键指标意外下降（或飙升），团队需要找到原因
• 利益相关方询问“X 为什么会发生？”，需要基于证据给出答案
• 已观察到指标变化，但团队不确定这是噪声还是信号
• 事件影响业务指标后，准备进行事后复盘
• 数周前出现趋势变化，需要进行回溯调查

流程

1. 验证变化 — 使用 z-score 或与滚动平均值进行简单比较，确认指标变化超出正常波动范围。如果变化在 ±1.5 个标准差以内，则记录为正常范围内并结束调查。使用 scripts/drilldown_analyzer.py --validate。
2. 建立时间线 — 绘制指标随时间的变化图，确定变化开始的时间点。突然的阶跃变化通常意味着发生了特定事件；缓慢漂移则通常意味着结构性转变。
3. 分解指标 — 将指标拆解为其组成部分（例如，收入 = 交易量 × 价格 × 组合）。在按维度深入分析之前，先确定哪个组成部分推动了变化。
4. 系统地深入分析 — 按可用维度（地理位置、平台、渠道、产品类别、用户细分）比较变化前后的指标。按绝对贡献排序，以确定主要驱动因素。使用 scripts/drilldown_analyzer.py --drilldown。结构化方法请参阅 references/rca_framework.md。
5. 检验假设 — 提出明确的假设（交易量下降、组合转变、单位质量变化、数据问题），并用证据逐一接受或排除。根据 references/hypothesis_testing_guide.md 中的已知事件对照时间线。
6. 撰写根因报告 — 记录主要驱动因素（量化其影响占比）、支持性证据、已排除的假设，以及分级建议（立即／短期／长期）。使用 assets/rca_report_template.md。

技能所需输入

• 指标名称和历史值（变化发生前至少 30 天）
• 带有维度细分的详细数据（地理位置、平台、细分群体等）
• 注意到变化的日期或日期范围
• 同一时期的变更日志或事件日志（产品发布、活动、服务中断）
• 业务背景：哪些决策依赖此指标

输出

• scripts/drilldown_analyzer.py — 验证变化、计算维度下钻结果，并按影响对贡献因素排序
• references/rca_framework.md — 包含决策规则的结构化五步 RCA 方法
• references/hypothesis_testing_guide.md — 常见根因及其检验方法清单
• assets/rca_report_template.md — 报告模板：变化内容、发生时间、主要驱动因素、支持性证据、时间线、建议