概述
Buddy 提供多种复杂数据分析能力，帮助用户通过自然语言快速完成深度数据分析任务。本文介绍以下核心分析能力：异常检测 、归因分析 、预测分析 和相关性分析 。
异常检测
功能说明
异常检测用于自动识别业务指标的异常波动，帮助用户快速发现指标是否存在异常掉量或突增，并定位异常发生的具体日期。
使用方式
在对话框中用自然语言描述异常检测需求即可，例如：
近期的DAU 是否存在异常掉量？
分析流程
Buddy 收到异常检测请求后，会自动执行以下步骤：
1. 数据获取 ：从指定数据表中提取目标指标的历史时序数据。
2. 异常检测 ：基于统计方法（如历史基线对比）检测是否存在异常波动。
3. 生成检测报告 ：输出异常检测结果，包含异常日期和异常程度。
输出内容
模块 | 说明 |
异常检测结果 | 是否存在异常、异常日期、异常程度（低于历史基线的幅度） |
建议动作 | 按优先级给出止血、深入排查、长效预防等建议 |
产物清单 | 生成的 Markdown 报告和 HTML 交互式报告路径 |
归因分析
功能说明
归因分析用于对已识别的异常指标进行多维度归因拆解，定位导致异常的主要因素（如渠道、版本、地域等维度），帮助用户快速找到问题根因。
使用方式
在对话框中用自然语言描述归因分析需求即可，例如：
针对异常日期的DAU进行归因分析。
分析流程
Buddy 收到归因分析请求后，会自动执行以下步骤：
1. 数据获取 ：获取异常日期前后的多维度明细数据。
2. 多维度归因拆解 ：按各维度（渠道、版本、地域等）逐一拆解，计算各维度对异常的贡献度。
3. 生成归因报告 ：输出归因结论、关键发现和建议动作。
输出内容
模块 | 说明 |
归因分析结论 | 多维度归因拆解，定位导致异常的关键因素 |
关键发现 | 按维度列出主要归因项（如渠道维度、版本维度、地域维度等） |
建议动作 | 按优先级给出止血、深入排查、长效预防等建议 |
产物清单 | 生成的 Markdown 报告和 HTML 交互式报告路径 |
预测分析
功能说明
预测分析基于历史数据，结合趋势预测模型，对未来一段时间内的业务指标进行预测。Buddy 会自动完成数据获取、模型构建、预测计算和报告生成的全流程。
使用方式
在对话框中用自然语言描述预测需求即可，例如：
基于试驾(testdrive_cnt)、咨询(consult_cnt)、留资数据(lead_cnt、valid_lead_cnt)等数据，预测下季度各车型订单量。
分析流程
Buddy 收到预测分析请求后，会自动执行以下步骤：
1. 数据获取 ：从指定数据表中提取历史数据。
2. 趋势预测建模 ：基于历史趋势、相关性分析，构建预测模型。
3. 生成预测报告 ：输出预测结论、驱动因子排序和关键建议。
输出内容
预测分析报告包含以下核心内容：
模块 | 说明 |
核心预测结论 | 预测总量、增长引擎、风险项等关键结论 |
各分组历史订单量 + 预测趋势图 | 可视化展示历史走势与未来预测 |
关键建议 | 基于预测结果给出可落地的业务建议 |
产物清单 | 生成的 Markdown 报告和 HTML 交互式报告路径 |
相关性分析
功能说明
相关性分析用于探索目标指标与多个候选因子之间的统计关联强度，帮助用户识别驱动业务目标的关键行为或特征。Buddy 默认采用 Spearman 秩相关方法，适用于非正态分布和有序变量场景。
使用方式
在对话框中用自然语言描述相关性分析需求即可，例如：
用户进行游戏首次充值与用户的哪些行为具有相关性。
分析流程
Buddy 收到相关性分析请求后，会自动执行以下步骤：
1. 数据获取 ：从指定数据表中提取样本数据。
2. 相关性计算 ：对目标指标与所有候选因子计算 Spearman 秩相关系数。
3. 显著性检验 ：通过 p 值判定统计显著性（p < 0.05）。
4. 生成分析报告 ：输出相关性排序表、关键洞察和运营建议。
输出内容
相关性分析报告包含以下核心内容：
模块 | 说明 |
分析概况 | 目标指标、候选因子数、样本量、分析方法、数据表 |
相关性排序表 | 按相关系数降序排列所有显著相关的因子，含 r 值、p 值、显著性、强度和方向 |
无显著关联的行为 | 列出未通过显著性检验的因子 |
关键洞察 | 对相关性结果的深层解读 |
运营建议 | 基于分析结果给出的业务建议 |
产物清单 | 生成的 Markdown 报告和 HTML 交互式报告路径 |
