OpenDemi-DataAnalysis(得覓·資料分析)

👤 星絡 📦 v1.0.0 ⭐ 0.0 ⬇️ 176 下載

💼 行業專業免費

📖 技能介紹

name: OpenDemi-DataAnalysis(得覓·資料分析) version: 5.2.0 description: | 「OpenDemi · 得覓」審計四環之資料分析引擎。面向企業通用審計場景的深度資料分析技能。三層解耦架構（L1通用引擎→L2業務路由→L3場景模板）。支援8種分析模式路由、7類資料來源接入、統計檢驗、安全規範、降級策略、結論撰寫。觸發場景：資料分析、審計分析、Excel核查、合規檢測、趨勢預警、鉤稽驗證、差異分解、內控測試。 agent_created: true brand: OpenDemi tags: [OpenDemi, data-analysis, audit, excel, csv, sql, pandas, python, visualization, statistics, reconciliation, sox, business-intelligence]

7w4.net小蔥技能站，你的AI助手技能庫。

audit-deep-analysis(資料分析) v5.2

技能定位

面向企業通用審計場景的通用深度資料分析技能。

當用戶提供業務資料（Excel/CSV/資料庫表），需要進行以下任意操作時，啟用本技能：

核查比對：同類資料不同表之間的數量/金額匹配與差異核查
合規檢測：供應商/批次合規性、制度條款違規識別
趨勢預警：質量/合格率/損耗/成本趨勢分析與異常預警
鉤稽驗證：入庫-出庫-報廢-付款等環節的鏈條完整性驗證
綜合分析：多維關聯分析、根因定位、決策支援
資料畫像：資料質量評估、異常值檢測、分佈特徵描述
報告輸出：帶視覺化圖表的結構化HTML/Word報告

適用部門

部門	典型需求	報告風格
審計監察部	風險排查、鉤稽核查、合規檢測	風險導航式（→見階段5.1）
財務部(BP/管會)	預算差異、成本分析、投入產出比	偏差歸因式（→見階段5.1）
生產車間	合格率/損耗率/效率趨勢、異常定位	運營監控式（→見階段5.1）
採購中心	供應商合規、價格異常、合同執行	合規審計式（→見階段5.1）
品管部	質量指標趨勢、批次追溯、標準偏離	質量報告式（→見階段5.1）

核心設計理念

資料分析不是羅列數字，是回答"然後呢"。先判問題型別，再選分析方法；高風險的深挖，低風險的簡述。每個分析模組都應回答：這對決策/行動有什麼用？

架構總覽：三層解耦

┌──────────────────────────────────────────────────────────────┐
│  L1 通用分析引擎（方法層，業務無關）                          │
│  ├ 1.1 資料接入（7類資料來源 + 大數據量分檔）                   │
│  ├ 1.2 資料畫像（audit_profile + 質量評分）                  │
│  ├ 1.3 差異分解方法論（價量/率混合/瀑布圖歸因）               │
│  ├ 1.4 對賬鉤稽體系（3類差異+老化分析+升級閾值）             │
│  ├ 1.5 重要性閾值框架（分層閾值+調查優先順序）                 │
│  ├ 1.6 安全規範（3域12條 + 脫敏函式）                        │
│  ├ 1.7 分析模式路由（8種問題→方法對映 + 統計檢驗工具箱）     │
│  ├ 1.8 降級策略（4級降級鏈 + 6類錯誤對映）                   │
│  ├ 1.9 分析結論撰寫規範（四條鐵律 + 發現-建議關聯模板）     │
│  └ 1.10 統計增強工具箱（描述性統計+假設檢驗+陷阱警告+驗證清單）│
├──────────────────────────────────────────────────────────────┤
│  L2 業務場景對映（路由層，按場景排程L1能力）                  │
│  ├ 產業鏈場景路由（養殖/加工/製造/流通/副產/綜合）           │
│  ├ 部門需求路由（審計/財務BP/生產/採購/品管）                │
│  ├ 內控測試路由（CEAVOP認定+樣本選擇+缺陷分級）              │
│  ├ 場景→分析方法→圖表→報告風格 對映表                       │
│  └ 個性化需求適配入口                                        │
├──────────────────────────────────────────────────────────────┤
│  L3 場景模板（示例層，按需載入，不汙染通用邏輯）              │
│  ├ 養殖：投產鉤稽/原料溯源/合格率趨勢                        │
│  ├ 加工：原料出入庫/配方成本/損耗分析                         │
│  ├ 製造：產出效率/生產損耗/副產回收                          │
│  ├ 流通：原料分級/出品率/加工損耗                            │
│  ├ 財務：預算差異/成本結構/投入產出/結賬流程                  │
│  └ 綜合：跨事業部效率對比/集團趨勢預警                       │
└──────────────────────────────────────────────────────────────┘

L1模組邏輯順序說明：編號1.1-1.10為歷史迭代順序（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）。邏輯上的閱讀順序為：輸入(1.1→1.2) → 方法(1.3→1.4→1.5) → 路由(1.7) → 統計增強(1.10) → 約束(1.6→1.8) → 輸出(1.9)。下次大版本迭代時將統一重編號。

關聯技能

被呼叫技能	呼叫場景	呼叫時機
`weknora-connector(WK檢索)`	檢索相關制度條款、合同約定作為分析依據	資料分析前按需載入
`obsidian-connector(OB檢索)`	讀取星覓智庫成品倉歷史分析底稿/風險判斷	需要參考歷史結論時載入

L1 通用分析引擎

1.1 多源資料接入

支援的資料來源

資料來源	接入方式	典型場景
Excel (.xlsx/.xls)	`pd.read_excel()`	業務臺賬、生產報表、盤點表
CSV (.csv/.tsv)	`pd.read_csv(encoding=...)`	系統匯出、日誌資料
SQLite	`sqlite3.connect()` + `pd.read_sql()`	本地業務資料庫、系統備份
MySQL/MariaDB	`sqlalchemy` + `pd.read_sql()`	ERP/財務系統直連
PostgreSQL	`sqlalchemy` + `pd.read_sql()`	集團資料中心
SQL Server	`pyodbc` + `pd.read_sql()`	用友/金蝶等國產ERP
DuckDB	`duckdb.connect()` + SQL查詢	大檔案OLAP分析（百萬行級）

資料庫連線模板

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（百萬行級檔案分析利器）
import duckdb
conn = duckdb.connect()
df = conn.execute("SELECT * FROM read_csv_auto('big_file.csv')").df()

# 通用安全查詢模板
import re

def safe_query(engine_or_conn, sql, max_rows=10000):
    """安全查詢：僅允許單條SELECT + 自動LIMIT + 防注入

    安全措施：
    1. 禁止多語句（分號分隔）——防 DROP/DELETE 注入
    2. 僅允許SELECT開頭的查詢
    3. 檢測最外層是否有限制行數的子句（LIMIT/OFFSET/FETCH），無則追加
    """
    sql = sql.strip().rstrip(';')  # 去尾部分號

    # 防多語句注入
    if ';' in sql:
        raise ValueError('安全約束：禁止多語句查詢（含分號）')

    # 僅允許SELECT
    if not sql.upper().startswith('SELECT'):
        raise ValueError('安全約束：僅允許SELECT查詢')

    # 檢測最外層是否已有行數限制（只看SQL尾部，避免子查詢中的LIMIT干擾）
    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)

大數據量分檔策略

資料量	策略	場景舉例
\< 10萬行	全量載入到記憶體	常規業務臺賬
10萬\~100萬行	分塊讀取 `chunksize=50000` 或採樣	年度生產明細
100萬\~1000萬行	資料庫端聚合，僅拉取結果	集團全量交易流水
> 1000萬行	DuckDB/SQL聚合 + 取樣分析	全集團歷史資料

# 大檔案分塊處理
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 標準化資料畫像

何時使用

首次接觸任何新資料集時，在資料探索之前執行
作為報告策略設計的資料輸入——畫像結果幫助判斷哪些維度最可能產生高價值發現

畫像維度與統計項

維度	統計項	分析價值
基本資訊	行數、列數、重複行數、記憶體佔用	評估資料規模，決定處理策略
資料型別	數值型/分型別/日期型/布林型列數	快速識別可用分析維度
缺失值	每列缺失率、缺失模式（隨機/系統性）	系統性缺失=控制缺陷/流程盲區訊號
唯一值	基數(cardinality)、重複率	高基數=可能需要分組聚合
數值分佈	均值、中位數、偏度、峰度、IQR異常值數	偏度異常=可能有資料操縱或異常業務
分類分佈	Top-N類別、長尾比例	集中度異常=壟斷/利益輸送風險
相關性	數值列間Pearson/Spearman相關矩陣	強相關=鉤稽校驗候選對
質量評分	完整性×唯一性綜合評分(0-1)	跨表/跨期質量對比基準

一鍵畫像函式

import pandas as pd
import numpy as np

def audit_profile(df, name='資料集'):
    """通用資料畫像：輸出結構化質量報告"""
    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)

    # 高相關性對（鉤稽候選）——標註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:
                    # 檢查參與列的缺失率——高缺失列的相關性不可靠
                    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 = '需謹慎(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

    # 質量評分
    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

畫像結果的關注點生成

def profile_to_flags(profile, context='通用'):
    """根據畫像生成關注點，context可為'審計'/'生產'/'財務'/'採購'/'品管'"""
    flags = []

    # 通用關注點——所有context都適用
    if profile['overview']['missing_pct'] > 10:
        flags.append('資料完整性風險：整體缺失率{:.1f}%，系統性缺失可能掩蓋問題'.format(profile['overview']['missing_pct']))
    if profile['overview']['duplicated_rows'] > 0:
        flags.append('重複行：{}條重複記錄，可能存在重複記賬或錄入錯誤'.format(profile['overview']['duplicated_rows']))
    for ci in profile['columns']:
        if ci.get('missing_pct', 0) > 20:
            flags.append('欄位[{}]缺失率{:.1f}%，高於20%警戒線'.format(ci['name'], ci['missing_pct']))
        if ci.get('outliers_pct', 0) > 5:
            flags.append('欄位[{}]異常值佔比{:.1f}%，需核查原因'.format(ci['name'], ci['outliers_pct']))
    for a, b, r, reliability in profile.get('high_correlations', []):
        flags.append('鉤稽候選：{}與{}強相關(r={})，可用於交叉驗證 [{}]'.format(a, b, r, reliability))

    # context差異化關注點
    if context == '審計':
        # 審計最怕：系統性缺失=控制缺陷、高重複率=重複記賬、金額欄位異常=操縱風險
        for ci in profile['columns']:
            if ci.get('missing_pct', 0) > 5 and ci.get('missing_pct', 0) <= 20:
                flags.append('審計關注：欄位[{}]缺失率{:.1f}%，雖未超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 ['金額','價格','成本','費用']):
                flags.append('審計關注：金額欄位[{}]異常值佔比{:.1f}%，存在操縱或舞弊風險'.format(ci['name'], ci['outliers_pct']))

    elif context == '生產':
        # 生產最怕：日期列缺失=排產混亂、合格率欄位偏斜=資料不實
        for ci in profile['columns']:
            if 'date' in ci.get('dtype', '') or any(kw in ci['name'] for kw in ['日期','時間']):
                if ci.get('missing_pct', 0) > 5:
                    flags.append('生產關注：日期欄位[{}]缺失率{:.1f}%，排產與追溯可能不完整'.format(ci['name'], ci['missing_pct']))
            if any(kw in ci['name'] for kw in ['合格率','損耗率','成活率']):
                if ci.get('stats', {}).get('skewness', 0) > 1:
                    flags.append('生產關注：率指標[{}]偏度{:.1f}，可能存在選擇性記錄'.format(ci['name'], ci['stats']['skewness']))

    elif context in ('財務', 'BP', '管會'):
        # 財務最怕：金額欄位缺失=入賬不全、高相關異常=調節空間
        for ci in profile['columns']:
            if any(kw in ci['name'] for kw in ['金額','價格','成本','費用','收入']):
                if ci.get('missing_pct', 0) > 2:
                    flags.append('財務關注：金額欄位[{}]缺失率{:.1f}%，可能存在未入賬交易'.format(ci['name'], ci['missing_pct']))
        for a, b, r, reliability in profile.get('high_correlations', []):
            if abs(r) > 0.95:
                flags.append('財務關注：{}與{}近乎完全相關(r={})，需核實是否同一資料來源或調節關係 [{}]'.format(a, b, r, reliability))

    elif context == '採購':
        # 採購最怕：供應商/合同欄位缺失=繞過管控、價格欄位異常=利益輸送
        for ci in profile['columns']:
            if any(kw in ci['name'] for kw in ['供應商','合同','訂單']):
                if ci.get('missing_pct', 0) > 3:
                    flags.append('採購關注：[{}]缺失率{:.1f}%，可能存在繞過管控的線下交易'.format(ci['name'], ci['missing_pct']))

    elif context == '品管':
        # 品管最怕：批次/檢驗欄位缺失=追溯斷裂、標準偏離欄位異常
        for ci in profile['columns']:
            if any(kw in ci['name'] for kw in ['批次','檢驗','檢測','標準']):
                if ci.get('missing_pct', 0) > 3:
                    flags.append('品管關注：[{}]缺失率{:.1f}%，追溯鏈可能斷裂'.format(ci['name'], ci['missing_pct']))

    return flags

1.3 差異分解方法論（v5.0新增）

借鑑來源： finance外掛 variance-analysis 的價量分解、率混合分解、瀑布圖歸因方法論

核心問題

v4.0的"對比分析"模式只能告訴你"A和B差異顯著"，但不能回答"差異由什麼驅動，各貢獻多少"。差異分解就是把這個"黑箱"拆開。

三種分解方法

A. 價量分解（Price-Volume Decomposition）

適用：任何可表達為 單價 × 數量 的指標（收入、成本、採購額等）

總差異 = 實際值 - 基準值（預算/上期/標準）

數量效應 = (實際數量 - 基準數量) × 基準單價
價格效應 = (實際單價 - 基準單價) × 實際數量
驗證：數量效應 + 價格效應 = 總差異

擴充套件：三因素分解（分離組合效應）

當指標可表達為 單價 × 數量 × 結構（多品類/多區域場景）時，雙因素分解會產生殘差——這就是組合效應。

結構 = 各品類數量佔總數量之比（如A品類佔60%、B品類佔40%）

數量效應 = (實際數量 - 基準數量) × 基準單價 × 基準結構
價格效應 = (實際單價 - 基準單價) × 基準數量 × 實際結構
組合效應 = 基準單價 × 基準數量 × (實際結構 - 基準結構)
驗證：數量效應 + 價格效應 + 組合效應 = 總差異

何時用雙因素 vs 三因素：

雙因素：單一品類/單一產品線，結構不變 → 數量效應+價格效應足夠
三因素：多品類彙總分析，品類間佔比發生變化 → 必須分離組合效應，否則數量/價格效應會"吸收"結構變化的影響

注：三因素分解的完整函式實現與 rate_mix_decompose() 共享同一方法論。對於"單價×數量"型指標的三因素分解，建議先按品類分別做價量分解，再用率混合分解歸因組合效應。

def price_volume_decompose(actual_qty, actual_price, base_qty, base_price):
    """價量分解：返回數量效應、價格效應、總差異"""
    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）

適用：分析加權平均指標（如毛利率、平均單價、投入產出比）的變化原因——是各分項本身的比率變了，還是分項之間的比例變了？

比率效應 = Σ(實際數量_i × (實際比率_i - 基準比率_i))
組合效應 = Σ(基準比率_i × (實際數量_i - 基準數量下按基準結構應分配的數量_i))

典型場景：加工綜合毛利率下降了2個百分點——是各品類毛利都降了，還是低毛利品類佔比增加了？

def rate_mix_decompose(df_actual, df_base, value_col, weight_col, category_col):
    """率混合分解：比率效應 vs 組合效應（按品類分組計算）

    原理：
      加權平均比率 = Σ(比率_i × 權重_i) / Σ(權重_i)
      比率效應 = 各品類自身比率變化對加權平均的影響
      組合效應 = 各品類權重(佔比)變化對加權平均的影響
      驗證：比率效應 + 組合效應 = 實際加權平均 - 基準加權平均
    """
    import pandas as pd

    # 按品類聚合
    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'})

    # 對齊品類索引（處理某期有而另一期沒有的品類）
    all_cats = actual.index.union(base.index)
    actual = actual.reindex(all_cats, fill_value=0)
    base = base.reindex(all_cats, fill_value=0)

    # 計算各品類比率（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)

    # 計算權重佔比
    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

    # 加權平均比率（正確計算方式）
    weighted_actual_rate = (actual_rate * actual_mix).sum()
    weighted_base_rate = (base_rate * base_mix).sum()
    total_change = weighted_actual_rate - weighted_base_rate

    # 比率效應：各品類比率變化 × 實際權重
    rate_effect = ((actual_rate - base_rate) * actual_mix).sum()

    # 組合效應：基準比率 × 權重變化
    mix_effect = (base_rate * (actual_mix - base_mix)).sum()

    # 驗證
    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': '比率效應為主→分項本身變化; 組合效應為主→結構變化',
        # 各品類明細
        '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. 瀑布圖歸因（Waterfall Attribution）

將總差異拆解為各驅動因素的正負貢獻，形成"瀑布"——從基準值出發，各因素依次增減，最終達到實際值。

def waterfall_attribution(drivers):
    """瀑布圖歸因：drivers = [(名稱, 金額), ...] 金額正值=增，負值=減"""
    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',
        })

    # 合併小項（<5%貢獻的歸入"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)
        # 計算合併後的cumulative：major最後一項的cumulative + other_amount
        last_cumulative = major[-1]['cumulative'] if major else 0
        major.append({'driver': '其他(合計)', '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（無圖表工具時使用）：

瀑布歸因：XX成本 — 本期 vs 預算

預算成本                                          ¥1,000,000
  |
  |--[+] 原料價格上漲                              +¥80,000
  |--[+] 產量增加（多產200噸）                     +¥50,000
  |--[-] 採購議價降本                              -¥30,000
  |--[-] 工藝最佳化節耗                              -¥15,000
  |--[+] 人民幣貶值增加進口成本                     +¥5,000
  |
實際成本                                          ¥1,090,000

淨差異：+¥90,000 (+9.0% 不利)

差異敘述撰寫規範

每個重大差異的敘述必須包含：

**[專案名]**：[有利/不利]差異 ¥[金額] ([百分比]%)
vs [比較基準] for [期間]

驅動因素：[主要驅動因素描述]
[2-3句量化解釋，每個驅動因素的具體金額貢獻]

趨勢判斷：[一次性 / 預計持續 / 改善中 / 惡化中]
行動建議：[無需 / 持續觀察 / 深入調查 / 更新預算]

敘述反模式（必須避免）：

❌ "費用較預算偏高"（模糊——哪個費用？偏多少？為什麼？）
❌ "量價因素共同影響"（沒拆解——各貢獻多少？）
❌ "一次性因素"（沒說明具體是什麼一次性事項）
❌ "多種小額因素"（重大差異必須進一步拆解）

1.4 對賬鉤稽體系（v5.0新增）

借鑑來源： finance外掛 reconciliation 的3類差異分類 + 老化分析 + 升級閾值

核心問題

v4.0的"鉤稽比對"模式能找到差異，但沒有對差異進行系統分類和生命週期管理。對賬鉤稽體系就是把"對不上的數"分為三類、跟蹤老化、設定升級閾值。

三類差異分類

類別	含義	典型例子	處理方式
時點差異	正常處理時差導致，後續期間自動消除	在途物資、未達賬項、跨期入賬	無需調整，跟蹤至消除
需調整差異	記錄錯誤或遺漏，需要做調整分錄	金額錄錯、重複記賬、漏記交易	編制調整分錄
待查差異	無法立即解釋，需深入調查	不明原因差額、爭議金額	調查根因，文件化，必要時升級

老化分析

跟蹤未解決差異的"年齡"，識別過期項：

老化區間	狀態	行動
0-30天	正常	跟蹤——在正常處理週期內
31-60天	老化	調查——跟進為何未消除
61-90天	過期	升級——通知主管，記錄調查過程
90天+	呆滯	管理層升級——可能需要核銷或強制調整

def aging_analysis(reconciling_items, as_of_date):
    """對賬差異老化分析"""
    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', '跟蹤'
        elif age_days <= 60:
            bucket, status, action = '31-60天', '老化', '調查'
        elif age_days <= 90:
            bucket, status, action = '61-90天', '過期', '升級主管'
        else:
            bucket, status, action = '90天+', '呆滯', '管理層升級'

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

升級閾值框架

觸發條件	示例閾值	升級物件
單項差異金額	> ¥50,000	主管稽核
單項差異金額	> ¥200,000	部門負責人稽核
差異總額	> ¥500,000	部門負責人稽核
差異年齡	> 60天	主管跟進
差異年齡	> 90天	管理層稽核
未解釋差異	任何金額	不能結賬——必須解決或文件化
連續增長	3期以上	流程改進調查

鉤稽結果標準輸出格式

鉤稽結果：[表A名] × [表B名] — [期間]

A表總量:                              ¥XX,XXX
B表總量:                              ¥XX,XXX
                                      --------
初始差異:                              ¥X,XXX

加: 時點差異項
  [專案描述]                           ¥X,XXX
  [專案描述]                           ¥X,XXX
                                       --------
  小計:                                ¥X,XXX

減: 需調整差異項
  [專案描述]                          (¥X,XXX)
  [專案描述]                          (¥X,XXX)
                                       --------
  小計:                               (¥X,XXX)

調整後差異:                            ¥X,XXX

待查差異項:
  [專案描述]                           ¥X,XXX (老化XX天, [狀態])
  [專案描述]                           ¥X,XXX (老化XX天, [狀態])

最終未解釋差異:                        ¥X,XXX

1.5 重要性閾值框架（v5.0新增）

借鑑來源： finance外掛 variance-analysis 的分層閾值 + audit-support 的質量閾值 + sox-testing 的樣本量策略

核心問題

v4.0缺少統一的"什麼才算重要"的判斷標準。不同規模的數字、不同型別的分析，重要性門檻應該不同。

分層閾值框架

原則：金額越大，百分比閾值越低；波動性越高，閾值可適當放寬。

專案規模	金額閾值	比例閾值	觸發條件
> ¥1,000萬	¥50萬	5%	任一超過即觸發
¥100萬\~1,000萬	¥10萬	10%	任一超過即觸發
\< ¥100萬	¥5萬	15%	任一超過即觸發

比較型別的差異化閾值：

比較型別	比例閾值	說明
實際 vs 預算	10%	預算差異通常更受關注
實際 vs 上期	15%	環比波動較大屬正常
實際 vs 預測	5%	預測應更準確，偏差更敏感
環比(MoM)	20%	月度波動天然較大
同比(YoY)	10%	消除季節性後的變化更值得關注

調查優先順序排序

當多個差異超過閾值時，按以下優先順序排列：

最大絕對金額差異 —— 對利潤影響最大
最大比例差異 —— 可能暗示流程問題或錯誤
方向反預期 —— 與趨勢或管理層預期相反的差異
新出現的差異 —— 之前正常，本期突然偏移
累計擴大趨勢 —— 連續數期增長的不利差異

def prioritize_variances(variances, threshold_config=None):
    """差異優先順序排序——5級綜合排序

    輸入字典需含欄位：
      variance_amount: 差異金額
      variance_pct: 差異比例
      base_amount: 基準金額（用於分層閾值）
    可選欄位（缺失時該維度不參與排序）：
      is_unexpected: 是否方向反預期(bool)
      is_new: 是否新出現的差異(bool)
      is_growing: 是否連續增長(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'] = '金額≥¥{:,.0f} 或 比例≥{:.0%}'.format(amt_thr, pct_thr)
                break
        if v.get('flagged'):
            flagged.append(v)

    # 5級綜合排序：每級給分，總分降序
    for v in flagged:
        score = 0
        # 1. 絕對金額（歸一化到0-40分，最大金額=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. 比例差異（歸一化到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. 方向反預期(+15)
        score += 15 if v.get('is_unexpected') else 0
        # 4. 新出現的差異(+10)
        score += 10 if v.get('is_new') else 0
        # 5. 累計擴大趨勢(+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

三向比較框架（預算-預測-實際）

指標	預算	預測	實際	預算差異(¥)	預算差異(%)	預測差異(¥)	預測差異(%)
[科目1]	¥X	¥X	¥X	¥X	X%	¥X	X%

三向比較的用途：

實際 vs 預算：年度績效考核、薪酬決策、董事會報告
實際 vs 預測：運營管理、識別新問題
預測 vs 預算：理解預期變化，評估計劃準確性

1.6 安全規範體系

執行安全

規則	說明
只讀原則	資料庫連線僅執行SELECT，嚴禁INSERT/UPDATE/DELETE/DROP
LIMIT保護	無LIMIT查詢自動新增 LIMIT 10000
注入防護	SQL引數化查詢，不拼接使用者輸入
程式碼沙盒	禁止 `os.system`, `subprocess`, `exec`, `eval`
許可權邊界	僅訪問使用者授權的資料庫和表，不探測未授權物件
超時控制	查詢設定 `max_execution_time`，Python指令碼設60秒超時

資料保護——敏感資料自動識別

資料型別	識別規則	脫敏策略
身份證號	15/18位數字+校驗位	保留前3後4：`340***1234`
手機號	11位，1開頭	保留前3後4：`138****5678`
銀行卡號	16-19位數字	保留前6後4：`622848****1234`
金額欄位	含"金額""價格""成本"等關鍵詞	報告中僅展示彙總統計，明細用區間
供應商名稱	含"公司""有限"等	正式報告可全稱，外發材料用代號

def mask_field(value, data_type):
    """敏感欄位脫敏"""
    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

輸出安全

聚合優先：報告優先展示彙總統計結果，明細資料僅在附件中提供
憑證保護：資料庫連線密碼不出現在日誌、分析輸出或報告中
路徑脫敏：報告中的絕對路徑替換為相對路徑
行數限制：HTML報告明細資料展示不超過100行，超出部分提供下載連結

1.7 分析模式路由

核心路由表

問題型別	分析模式	推薦方法	輸出形式
"兩個數對不對得上？"	鉤稽比對	外關聯merge + 差異率計算	差異明細表 + 差異率柱狀圖
"這個數正不正常？"	異常檢測	IQR/Z-score + 閾值篩選	異常記錄清單 + 分佈圖
"趨勢有沒有問題？"	趨勢分析	同比環比 + 變點檢測(CUSUM)	趨勢折線圖 + 預警標註
"兩組有沒有差異？"	對比分析	t檢驗/卡方檢驗/ANOVA	檢驗結論 + 對比柱狀圖
"合不合規？"	合規檢測	規則詞典匹配 + 制度條款對映	違規清單 + 制度對照表
"資料質量怎麼樣？"	資料畫像	`audit_profile()` 一鍵畫像	質量評分 + 關注點清單
"成本結構如何？"	構成分析	分組佔比 + 帕累托分析	構成餅圖 + 累計曲線
"投入產出怎樣？"	效率分析	比率計算 + 標杆對比	效率指標表 + 標杆對比圖

統計檢驗方法選擇指南

完整方法論見 1.10 統計增強工具箱——含假設檢驗框架、效應量/置信區間/樣本量考量、統計陷阱警告。

對比型別	資料條件	推薦方法	Python實現
兩組均值對比	正態+等方差	獨立樣本t檢驗	`scipy.stats.ttest_ind`
兩組均值對比	非正態	Mann-Whitney U	`scipy.stats.mannwhitneyu`
多組均值對比	正態+等方差	單因素ANOVA	`scipy.stats.f_oneway`
比例對比	計數資料	卡方檢驗	`scipy.stats.chi2_contingency`
前後對比	配對資料	配對t檢驗	`scipy.stats.ttest_rel`
分佈對比	任意分佈	KS檢驗	`scipy.stats.ks_2samp`

from scipy import stats

def auto_compare(group_a, group_b, alpha=0.05):
    """自動選擇檢驗方法並返回結論

    正態性檢驗策略：n<=2000用Shapiro-Wilk，n>2000用D'Agostino-Pearson（大樣本更穩健）。
    抽樣策略：超過2000時隨機抽樣，避免取前N條的時間/排序偏差。
    """
    import numpy as np

    # 正態性檢驗
    for grp, label in [(group_a, 'A'), (group_b, 'B')]:
        if len(grp) < 3:
            return {'method': '樣本不足', 'statistic': None, 'p_value': None,
                    'conclusion': '樣本量<3，無法進行統計檢驗'}

    def _test_normality(data, alpha=0.05):
        """正態性檢驗：n<=2000用Shapiro-Wilk，n>2000用D'Agostino"""
        if len(data) <= 2000:
            _, p = stats.shapiro(data)
        else:
            # 隨機抽樣2000條，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 = '獨立樣本t檢驗'
    else:
        stat, p_value = stats.mannwhitneyu(group_a, group_b, alternative='two-sided')
        method = 'Mann-Whitney U檢驗'

    significant = p_value < alpha
    conclusion = '差異顯著' if significant else '差異不顯著'
    return {'method': method, 'statistic': round(float(stat), 4),
            'p_value': round(float(p_value), 6), 'conclusion': conclusion}

1.8 降級策略框架

4級降級鏈

當首選方案不可用時，逐級降級而非直接失敗：

全量分析 → 取樣分析 → 聚合統計 → 提示使用者資料過大需手動處理
精確計算 → 近似計算 → 估算 → 告知精度限制
即時查詢 → 快取資料 → 歷史快照 → 告知資料時效
L1精確匹配 → L2橋接匹配 → L3編碼匹配 → 標記"需人工核實"

常見錯誤降級對映

錯誤型別	首選方案	降級方案
MemoryError	全量載入	`chunksize` 分塊 + 逐塊聚合
查詢超時	全表關聯	先WHERE過濾再JOIN，或子查詢分步
編碼錯誤	UTF-8	嘗試GBK → Latin-1 → 忽略錯誤字元
連線超時	直連資料庫	重試3次(1s/3s/5s遞增) → 建議匯出CSV本地分析
列名不匹配	精確列名merge	iloc位置索引 + 列名對映字典
資料為空	全量分析	給出友好提示，建議檢查過濾條件

1.9 分析結論撰寫規範

四條鐵律

量化表達：所有結論附帶具體數值
✅ "Q2合格率同比下降8.3%，從91.2%降至82.9%，低於85%制度紅線"
❌ "Q2合格率有明顯下降"
因果審慎：區分相關和因果
✅ "外來佔比與合格率呈負相關(r=-0.72)，但無法確認因果關係，需現場核實"
❌ "外來導致合格率下降"
置信標註：統計結論標註顯著性
✅ "兩組合格率差異顯著(91.2% vs 83.7%, p\<0.01)"
❌ "一組比另一組合格率高"
侷限宣告：主動說明分析侷限
資料時間範圍的限制
匹配策略的侷限（間接匹配需人工核實）
樣本代表性（單公司資料不代表集團全貌）

發現-建議關聯模板

### 發現N：{標題}
**資料錨點**：{量化結論 + 置信度/顯著性}
**制度/標準紅線**：{違反的條款編號及內容（審計場景）或 偏離的預算/標準（財務場景）}
**等級**：🔴高 / 🟡中 / 🟢低
**→行動指引**：{審計→現場怎麼查；財務→需調整什麼；生產→需改進什麼}
**→建議**：{優先順序 + 預期效果 + 實施難度}

1.10 統計增強工具箱（v5.2新增）

借鑑來源： Scene #8 "資料分析及視覺化" 外掛 statistical-analysis + data-validation 精華

核心問題

v5.1的1.7提供了統計檢驗方法選擇指南，但缺少：

描述性統計的系統方法論（均值vs中位數的選擇邏輯、百分位敘事）
假設檢驗的完整框架（效應量、置信區間、樣本量考量）
系統性統計陷阱檢測（多重比較、倖存者偏差、生態謬誤）
異常檢測的處理原則（調查為先而非自動刪除）
交付前的結構化驗證清單

本模組補全這些能力。

10.1 描述性統計方法選擇

集中趨勢度量：均值 vs 中位數

資料特徵	使用	原因	審計示例
對稱分佈，無異常值	均值	最有效估計量	標準化產品的單位成本
偏態分佈	中位數	抗異常值	供應商單筆金額（少數大單拉高均值）
分類/定序資料	眾數	僅非數值選項	違規型別分佈
高度偏態+極端值	中位數+均值	差距揭示偏斜程度	採購單價（均>中是供應商集中訊號）

鐵律：審計場景中的金額/成本/價格指標，均值和中位數同時報告。兩者差距越大，資料越偏斜，單看均值越誤導。

分佈表徵框架

每遇到一個數值分佈，必須回答五問：

維度	問題	方法
形態	正態/右偏/左偏/雙峰/均勻/重尾？	偏度+直方圖+核密度估計
中心	均值和中位數各是多少？差距大嗎？	`mean()` + `median()`
離散	標準差還是IQR更合適？	正態→標準差；偏態→IQR
異常值	有多少？多極端？集中在什麼區間？	Z-score/IQR/百分位法
邊界	是否有自然下限(0)或上限(100%)？	業務邏輯檢驗

百分位業務敘事

報告關鍵百分位以講出比均值更豐富的故事：

p1:   底部1%（最低典型值）
p5:   正常範圍低端
p25:  第一四分位
p50:  中位數（典型值）
p75:  第三四分位
p90:  前10%（高產/高耗區間）
p95:  正常範圍高階
p99:  前1%（極端值）

審計敘事示例：

"供應商單筆金額中位數為¥8.5萬，但前10%的供應商單筆金額超過¥35萬，將均值拉至¥14.2萬。這一偏斜提示需關注前10%供應商是否存在異常交易。"

10.2 假設檢驗完整框架

檢驗五步法

原假設(H0)：無差異（預設假設）
備擇假設(H1)：有差異
顯著性水平(α)：通常0.05（5%假陽性風險）
計算檢驗統計量和p值
解讀：p \< α → 拒絕H0（有證據表明差異真實存在）

審計常用檢驗速查

審計場景	檢驗方法	Python	注意事項
兩供應商單價是否有顯著差異	獨立t檢驗	`scipy.stats.ttest_ind`	正態+等方差
同上(非正態)	Mann-Whitney U	`scipy.stats.mannwhitneyu`	報告中位數差而非均值差
某車間合格率下降是否真實	z檢驗(比例)	`statsmodels.stats.proportion.proportions_ztest`	需樣本量和事件數
多事業部費用率是否隨機差異	單因素ANOVA	`scipy.stats.f_oneway`	正態+等方差
整改前後指標是否真的改善	配對t檢驗	`scipy.stats.ttest_rel`	同一物件前後對比
違規事件與班次是否相關	卡方檢驗	`scipy.stats.chi2_contingency`	期望頻數≥5
兩批資料分佈是否相同	KS檢驗	`scipy.stats.ks_2samp`	任意分佈均可用

統計顯著 ≠ 實際重要

統計顯著：差異不太可能是隨機所致。

實際重要：差異大到影響業務決策。

大樣本下，極小的差異也可能統計顯著但毫無實際意義。審計報告中必須同時報告：

必須報告	示例	為什麼
效應量	"B組合格率比A組高2.3個百分點"	差異有多大
置信區間	"95%置信區間[1.1%, 3.5%]"	真實差異的可能範圍
業務影響	"相當於每萬枚原料多出230枚合格蛋"	翻譯為業務語言

反模式：只報p值("p\<0.01，差異顯著")而不報差異大小——這是統計學，不是審計結論。

樣本量考量

規則	審計應用
小樣本結果不可靠，哪怕p值顯著	單月\<30筆的交易型別，不做統計推斷
比例檢驗每組至少30個事件	違規率\<1%的部門，需要千級樣本才有檢測力
檢測小效應需要大樣本	要檢測1%的差異，可能需要每組上千樣本
樣本不足時如實說明	"本月僅12筆此類交易，不足以做統計檢驗，以下為描述性分析"

10.3 統計陷阱警告體系

多重比較問題

當檢驗多個假設時，必有部分"顯著"純屬碰巧。

檢驗20個指標在p=0.05下 → 預期1個假陽性
翻看了很多分組才找到一個顯著的 → 必須說明檢驗了多少個

Bonferroni校正：α_adjusted = 0.05 / N（N為檢驗次數）

審計場景：同時對比30個供應商的單價 → α調整為0.05/30≈0.0017

或者直接放棄校正，坦誠報告："我們檢驗了30項，以下X項差異顯著（未校正），需結合業務判斷跟進優先順序。"

倖存者偏差

你只能分析"存活"到資料集中的實體。

審計場景	倖存者偏差陷阱
僅分析在冊供應商	已被淘汰/拉黑的供應商不在資料中，均價被人為壓低
僅分析當月在產車間	已關停車間的問題被自動排除
僅分析有交易的客戶	零交易客戶（可能因糾紛）被忽略

審計鐵律：每次分析前問——"誰不在這份資料裡？他們的缺席是否改變結論？"

平均的平均

對已有平均值再求平均，忽略各組樣本量不同 → 結果錯誤。

案例：

車間A：100批次，平均合格率 95%
車間B：10批次，平均合格率 70%
❌ 錯誤：(95%+70%)/2 = 82.5%（簡單平均）
✅ 正確：(100×95%+10×70%)/110 = 92.7%（加權平均）

預防：永遠從原始資料聚合，不對已有聚合結果二次求平均。

生態謬誤

群體層面的結論不適用於個體。

"高損耗率集中在XX區域" ✗→ "XX區域的每個車間都高損耗"
彙總分析只能指向排查區域，不能定罪具體車間

錨定效應與虛假精度

❌ "預計下季度損耗率4.73%"——虛假精度
✅ "基於歷史，下季度損耗率預計在4-6%之間"
適當舍入比精確數字更誠實

10.4 異常檢測增強

離群值處理四步法

v5.1提供了Z-score/IQR/百分位三種檢測方法，v5.2補充處理原則。

禁止自動刪除離群值。改為四步：

調查：是資料錯誤、真實極值、還是不同群體？
資料錯誤：修復或刪除（如負數年齡、1970年時間戳）
真實極值：保留，改用穩健統計量（中位數代替均值）
不同群體：分離後獨立分析（如大額交易vs常規交易）

必須報告處理方式："排除47筆單筆>¥50萬的交易(0.3%)，這些為批次採購，單獨分析。"

點異常 vs 變點

型別	特徵	審計含義
點異常	單點偏離	可能是錄入錯誤或單次異常交易
變點	持續偏移	可能是流程變化、政策調整或系統性舞弊

檢測方法：

計算預期值（移動平均或去年同期）
計算偏離度
偏離超過2-3倍殘差標準差 → 標記
連續N個點同方向偏離 → 變點訊號

10.5 增長率方法

方法	公式	適用場景
簡單增長率	`(本期-上期)/上期`	單期對比
年複合增長率(CAGR)	`(期末/期初)^(1/年數)-1`	多年趨勢
對數增長率	`ln(本期/上期)`	波動大的序列

10.6 季節性檢測

目視檢查：先畫原始時間序列圖，肉眼找週期性
周均值檢驗：按星期幾分組求均值——是否有明顯週末效應
月均值檢驗：按月份分組求均值——是否有年度週期
同期對比原則：存在季節性時，必須用同比(YoY)而非環比(MoM)做對比

審計應用：養殖產蛋率/加工消耗量/生產量的季節性屬於正常波動，異常檢測不能把季節性當異常警報。

10.7 交付前驗證清單

借鑑 data-validation 的結構化QA框架。分析報告交付前逐項檢查。

資料質量

[ ] 資料來源已確認正確（表/檔案/日期）
[ ] 時間範圍完整，無意外斷層
[ ] 關鍵列缺失率已檢查，空值處理方式已記錄
[ ] 無因JOIN型別錯誤導致的重複計數
[ ] 過濾條件已驗證，無意外的排除

計算邏輯

[ ] GROUP BY已包含所有非聚合列
[ ] 比率/百分比的分子分母正確，分母非零
[ ] JOIN型別適當（INNER vs LEFT），多對多JOIN未膨脹行數
[ ] 指標定義與利益相關方一致

合理性

[ ] 數值在合理範圍內（金額非負、百分比在0-100%）
[ ] 時間序列無未解釋的跳變
[ ] 關鍵數字與已知基準交叉驗證
[ ] 邊界情況已考慮（空分組、零活動期、新增實體）

紅旗訊號（任一觸發→暫停交付，深入調查）

任一指標環比變化>50%且無合理解釋
計數/金額為精確整零（可能是過濾條件或預設值問題）
比率恰好為0%或100%（可能資料不完整）
結論完美驗證假設（現實通常更混亂）
跨期間/跨分組數值完全一致（可能忽略了某個維度）

清單中的"紅旗訊號"在審計場景下尤為關鍵——完美的一致性和精確的整數往往指向資料操縱而非自然業務結果。

L2 業務場景對映

2.1 產業鏈場景路由

企業產品全產業鏈場景矩陣

產業鏈環節	核心業務	典型分析維度	高頻問題	推薦分析模式
祖代產品	引種→育成→產蛋	引種成本、育成率、產蛋效能	"引種投入產出合理嗎？"	效率分析+構成分析
父母代養殖	孵化→養殖→原料生產	合格率、孵化率、來源追溯	"投產對不對得上？""來源可追溯嗎？"	鉤稽比對+合規檢測
肉產品養殖	雛產品→育肥→產出	成活率、投入產出比、產出均重	"損耗正不正常？"	異常檢測+趨勢分析
加工加工	原料採購→配方→生產	原料損耗、配方成本、產出率	"原料去哪了？""成本結構如何？"	鉤稽比對+構成分析
生產初加工	活產品→白條→分割	出肉率、副產回收、損耗率	"出肉率達標嗎？"	對比分析+效率分析
流通初加工	原料→水洗→分揀	出品率、質量標準、加工損耗	"出品率波動原因？"	趨勢分析+異常檢測
副產加工	產品腸/產品血/產品毛等	回收率、加工產出、廢棄率	"副產回收充分嗎？"	效率分析+構成分析

場景→分析方法→圖表→報告風格對映

場景	首選分析	輔助分析	核心圖表	報告風格
原料挑選→上孵鉤稽	鉤稽比對	合規檢測	差異率柱狀圖	風險導航式
加工原料出入庫	鉤稽比對	構成分析	差異明細表+成本構成餅圖	對比歸因式
肉產品產出效率	效率分析	趨勢預警	投入產出比趨勢圖+標杆線	運營監控式
流通出品率	趨勢分析	異常檢測	出品率折線圖+異常標註	運營監控式
供應商合規	合規檢測	對比分析	違規清單+對照表	合規審計式
預算執行差異	對比分析	構成分析	預算vs實際對比柱狀圖	偏差歸因式
成本結構分析	構成分析	趨勢分析	帕累托圖+成本趨勢線	決策支援式
投入產出分析	效率分析	對比分析	投入產出散點圖+標杆	效率評估式

2.2 部門需求路由

審計監察部

核心需求：風險排查、鉤稽核查、合規檢測、歷史對照

報告風格：風險導航式（TOP3風險前置→資料全景→分層支撐→制度對照，→見階段5.1）

分析側重：

鉤稽比對為主，合規檢測為輔
制度紅線自動標註（關聯weknora-connector檢索制度條款）
歷史問題復發檢測
結論模板用審計版（制度紅線+現場指引）

財務部（BP/管理會計）

核心需求：預算差異分析、成本結構拆解、投入產出比、費用趨勢

報告風格：偏差歸因式（差異概覽→價量分解→趨勢→調整建議，→見階段5.1）

分析側重：

對比分析為主（預算vs實際、同比環比），構成分析為輔
重點關注：費用超支、成本異常波動、毛利率變化
結論模板用財務版（預算/標準紅線+調整建議）

生產車間

核心需求：合格率/損耗率趨勢、異常批次定位、效率標杆對比

報告風格：運營監控式（KPI卡片→趨勢圖→異常標註→改進措施，→見階段5.1）

分析側重：

趨勢分析為主，異常檢測為輔
重點關注：指標偏離標準線、連續異常、季節性波動
結論模板用生產版（標準線+改進措施）

採購中心

核心需求：供應商合規、價格異常、合同執行率

報告風格：合規審計式（合規總覽→違規清單→對照表→處置建議，→見階段5.1）

分析側重：

合規檢測為主，對比分析為輔
重點關注：停用供應商交易、價格偏離市場、合同量vs實際量
結論模板用採購版（條款+處置建議）

品管部

核心需求：質量指標趨勢、批次追溯、標準偏離

報告風格：質量報告式（質量評分→指標趨勢→批次追溯→整改要求，→見階段5.1）

分析側重：

趨勢分析+異常檢測
重點關注：指標偏離標準、不合格批次集中度、追溯鏈完整性
結論模板用品管版（標準值+整改要求）

2.3 內控測試路由（v5.0新增）

借鑑來源： finance外掛 audit-support + sox-testing 的CEAVOP認定+樣本選擇+缺陷分級方法論

CEAVOP認定框架

當審計需求涉及內控測試時，將分析目標對映到6類認定：

認定	英文	含義	典型審計場景
完整性	Completeness	所有交易均已記錄	入庫單vs系統記錄、費用是否全部入賬
存在/發生	Existence/Occurrence	交易真實發生	銷售是否虛構、存貨是否真實存在
準確性	Accuracy	金額記錄正確	單價×數量=金額驗證、計算複核
計價	Valuation	資產/負債計價合理	存貨跌價準備、壞賬計提充分性
權利/義務	Rights/Obligations	權屬清晰	固定資產歸屬、或有負債識別
列報	Presentation	分類披露恰當	關聯方交易披露、會計政策一致性

樣本選擇策略

控制頻率	總體量(約)	低風險樣本	中風險樣本	高風險樣本
年度	1	1	1	1
季度	4	2	2	3
月度	12	2	3	4
每週	52	5	8	15
每日	\~250	20	30	40
每筆(小量)	\<250	20	30	40
每筆(大量)	250+	25	40	60

樣本選擇方法：

隨機選擇（預設）：每項等機率被選中，統計上可辯護
系統選擇：等間距抽取+隨機起點，確保期間覆蓋
定向選擇（風險導向補充）：高金額、期末、異常、關聯方交易優先

控制缺陷分級

級別	定義	指示訊號
缺陷	控制設計或執行不足以防止/發現錯報	評估可能性+金額+是否有補償控制
重要缺陷	嚴重程度低於重大缺陷但需治理層關注	可能導致超過非重要性但未達重要性的錯報
重大缺陷	有合理可能性導致重大錯報未被發現	管理層舞弊（任何金額）、重大錯報重述、審計師發現公司內控未發現的重大錯報

缺陷聚合：單項不重要的缺陷，同一流程/認定內合併後可能構成重要缺陷甚至重大缺陷。

2.4 個性化需求適配

當用戶需求不在預設場景中時，按以下流程適配：

識別需求本質：將使用者描述對映到8種分析模式之一
選擇匹配的場景模板：找最接近的L3模板作為起點
調整引數：欄位對映、閾值、分組維度按實際資料調整
組合模式：複雜需求通常是2-3種分析模式的組合

使用者需求："幫我看看流通車間最近三個月的加工損耗是不是有異常"
→ 識別本質：趨勢分析（"最近三個月"）+ 異常檢測（"是不是有異常"）
→ 匹配場景：流通初加工（L3模板）
→ 調整引數：時間範圍=最近3個月，關注指標=加工損耗率，閾值=歷史均值±2σ
→ 輸出風格：運營監控式

L3 場景模板

使用規則：L3模板是示例程式碼，按需載入。不要在通用邏輯中硬編碼特定場景的欄位名或業務規則。

3.1 生產事業部

投產鉤稽分析

適用：原料挑選表 × 上孵表的數量匹配與差異核查

關鍵步驟：

資料畫像：識別供應商列/批次列缺失率，判斷匹配鍵可靠性
多層匹配：L1精確名稱→L2供應商橋接→L3批次編碼
差異率計算：外關聯merge，篩選差異>10%的記錄
來源分類：名稱模式匹配→供應商列推斷→預設分類（三級降級）

來源分類示例（按實際資料調整模式）：

import re

def classify_source(row, name_col_idx=0, supplier_col_idx=7, zone_col_idx=3):
    """三級降級來源分類——以養殖場景為例

    注意：row 為 df.apply(func, axis=1) 傳入的 Series，用 iloc[n] 一維索引
    """
    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()

    # 第一級：名稱模式匹配
    if re.search(r'[A-Z]{2}\d+', farmer):
        return '基地來蛋'
    if re.search(r'有限公司|農牧|牧業|養殖場', farmer):
        return '社會外來蛋'
    if '某區域' in zone_raw or '內蒙' in farmer:
        return '社會外來蛋'

    # 第二級：供應商列有值→外來
    if supplier not in ('', 'nan', 'NaN'):
        return '社會外來蛋'

    # 第三級：預設基地
    return '基地來蛋'

核心教訓：

astype(str) 後 NaN 變成字串 'nan'，需同時判斷 '', 'nan', 'NaN'
跨表名稱不一致（如"某區域種產品一場" vs "某區域強英農牧科技有限公司"）會導致百萬級記錄"消失"，永遠檢查unmatched數量級

原料合格率趨勢分析

適用：按日/周/月的合格率趨勢監測與異常預警

關鍵步驟：

日期標準化 + 合格率計算
按來源/區域分組趨勢
閾值線標註（制度紅線如85%）
連續N日低於閾值的批次預警

3.2 採購事業部

原料出入庫鉤稽

適用：原料採購入庫 × 領料出庫 × 庫存檔點的三方匹配

關鍵步驟：

資料畫像：檢查批號/物料編碼列的缺失率與一致性
三方鉤稽：採購入庫→領料出庫→期末庫存，期初+入庫-出庫=期末
差異定位：按物料類別/批次/供應商歸因
損耗率計算：合理損耗範圍外的異常標記

配方成本分析

適用：標準配方成本 vs 實際生產成本的差異分析

關鍵步驟：

標準配方BOM展開（原料×用量×單價）
實際投料資料聚合
價差（單價偏離）與量差（用量偏離）拆解
按品類/時段的差異趨勢

3.3 加工事業部

產出效率與損耗分析

適用：肉產品產出成活率、投入產出比、產出均重的趨勢與異常

關鍵步驟：

按批次/棚舍/時段彙總
投入產出比計算與標杆對比
異常批次識別（Z-score偏離）
損耗環節定位（死淘率→運輸損耗→生產損耗）

生產產出與副產回收

適用：白條出肉率、副產（產品腸/產品血/產品毛）回收率分析

關鍵步驟：

投入（活產品重量/數量）→ 產出（白條+副產）的物料平衡
出肉率趨勢與標準線對比
副產回收率分析（哪些副產回收不充分）
廢棄率異常檢測

3.4 貿易事業部

出品率與加工損耗分析

適用：原料毛→水洗→分揀各環節的出品率趨勢與損耗

關鍵步驟：

按原料批次追蹤全流程產出
各環節出品率/損耗率計算
質量標準波動趨勢
加工損耗異常檢測

3.5 財務分析場景

預算執行差異分析

適用：各部門/事業部的預算vs實際對比

關鍵步驟：

預算表 × 實際表按科目/部門/月度關聯
差異率計算（絕對差異+相對差異）
價量分解（v5.0增強）：價格變動影響 vs 數量變動影響，量化各驅動因素貢獻
瀑布圖歸因（v5.0增強）：將總差異拆解為各驅動因素的正負貢獻
超支TOP-N排序與趨勢

成本結構分析

適用：產品/事業部/期間的成本構成與變動分析

關鍵步驟：

成本按要素（直接材料/直接人工/製造費用）拆解
帕累托分析（80%成本由哪些專案構成）
率混合分解（v5.0增強）：毛利率變化中，各品類毛利變化貢獻多少 vs 結構變化貢獻多少
同比環比結構變動
毛利率變化歸因

投入產出分析

適用：各事業部/產品的投入產出效率評估

關鍵步驟：

投入指標（原料/人工/能源）× 產出指標（產量/收入）
效率比率計算與標杆對比
趨勢分析與異常定位
跨事業部效率排名

結賬流程分析（v5.0新增）

借鑑來源： finance外掛 close-management 的依賴圖+瓶頸分析

適用：財務部月度結賬效率分析、結賬流程改進

關鍵步驟：

繪製結賬依賴圖：哪些任務必須先完成才能啟動後續任務
識別關鍵路徑：決定結賬週期的最短時間
瓶頸定位：哪些環節耗時最長、延遲最多
改進建議：自動化Level 1任務（折舊/攤銷/標準計提）、持續對賬替代月末集中對賬

結賬依賴圖模板：

Level 1（無依賴，T+1立即啟動）：
├── 現金收支錄入
├── 銀行對賬單獲取
├── 固定資產折舊執行
├── 預付費用攤銷
├── 應付計提準備
└── 內部交易過賬

Level 2（依賴Level 1完成）：
├── 銀行對賬（需：現金分錄+銀行對賬單）
├── 收入確認（需：出庫/交付資料最終確認）
├── 應收子賬核對（需：所有收入/現金分錄）
├── 應付子賬核對（需：所有應付分錄/計提）
└── 匯率重估（需：所有外幣分錄過賬）

Level 3（依賴Level 2完成）：
├── 所有資產負債表對賬
├── 內部交易對賬與抵消
├── 對賬發現的調整分錄
└── 試算平衡表初稿

Level 4（依賴Level 3完成）：
├── 稅務計提
├── 合併與抵消
├── 財務報表初稿
└── 差異分析

Level 5（依賴Level 4完成）：
├── 管理層審閱
├── 最終調整
├── 封賬 / 期間鎖定
└── 報告發布

常見瓶頸與解決方案：

瓶頸	根因	解決方案
應付計提延遲	等待部門確認	推行持續計提估算；設定截止時間
手工日記賬	每月手工編制重複分錄	ERP中自動化標準迴圈分錄
對賬緩慢	每月從零開始	推行持續/滾動對賬
內部交易延遲	等待對方確認	自動化內部交易匹配；設更嚴截止時間
管理層審閱後大額調整	審閱中發現問題	改進前期稽核流程；提前發現問題

3.6 綜合分析場景

跨事業部效率對比

適用：養殖/加工/製造/流通/副產各事業部的核心效率指標橫向對比

關鍵步驟：

統一指標口徑（如各事業部的"合格率"定義不同，需先標準化）
各事業部核心KPI彙總表（效率比率+趨勢方向+同比變化）
標杆對比：集團內最佳實踐 vs 平均水平 vs 預警線
差異歸因：是結構因素（產品組合/區域分佈）還是執行因素（管理/工藝）

注意事項：

跨事業部對比的難點在於指標口徑統一，切忌直接拉表對比
輸出風格：決策支援式（排名+差距+改進方向）

集團趨勢與預警

適用：集團級關鍵指標（收入/利潤/成本/質量）的月度/季度趨勢與異常預警

關鍵步驟：

各事業部資料按月彙總，生成集團級時間序列
同比環比+季節性調整+變點檢測
多維聯動預警（如：加工成本↑ + 肉產品產出損耗↑ → 利潤風險）
管理層駕駛艙式輸出（KPI卡片+趨勢+預警標註）

注意事項：

集團彙總資料可能掩蓋事業部間差異，需同時提供明細
輸出風格：運營監控式（KPI卡片+趨勢+預警）

通用工作流

六階段工作流（階段0-5）

階段 0：報告策略設計

在寫任何分析程式碼前，先回答三個問題：

哪些資料維度最可能導致高價值發現？（參考業務場景路由表）
報告應以哪2-3個核心問題為導航主線？
視覺化圖表的落點在哪裡？（圖表不是裝飾，是輔助判斷的決策工具）

輸出：策略對映表

核心問題	對應分析	視覺化	行動指引
問題A	分析模組X	圖表型別	指向什麼行動
問題B	分析模組Y	圖表型別	指向什麼行動

0.1 資料畫像前置

在正式探索列名之前，對資料集執行 audit_profile() 一鍵畫像：

profile = audit_profile(df, name='資料集名稱')
flags = profile_to_flags(profile, context='審計')  # context按部門選擇
for f in flags:
    print('⚠', f)

畫像結果直接輸入策略對映——缺失率高的欄位不適合做主匹配鍵，異常值佔比高的欄位優先做風險分析。

階段 1：資料探索與列名定位

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

核心原則：

永遠優先用 iloc[:, n] 位置索引，不依賴中文列名（中文列名含空格/換行/合併單元格時極易出錯）
先列印列名和前3行，確認欄位位置後再編寫分析程式碼
用 df.shape 確認行列數，防止遺漏 sheet 或誤讀 header

階段 2：資料清洗與型別統一

# 過濾合計/彙總行
df = df[df.iloc[:, 0] != '合計'].copy()
df = df[df.iloc[:, 0].notna()].copy()

# 統一日期格式
df['_dt'] = pd.to_datetime(df.iloc[:, 2], errors='coerce')

# 數值轉換
df['_qty'] = pd.to_numeric(df.iloc[:, 10], errors='coerce')

# 字串標準化
df['_key'] = df.iloc[:, 5].astype(str).str.strip()

關鍵注意：

errors='coerce' 是數值/日期轉換的標配，非法值變 NaN 而非報錯
清洗後用 .copy() 防止 SettingWithCopyWarning
對業務規則判斷，用 isna() | (str.strip() == '') 雙重判斷

階段 3：多維關聯分析

3.1 單表分組彙總

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({
        '分組鍵': str(key),
        '總量': 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')) 語法不再支援，優先用 for 迴圈

3.2 跨表多層匹配

# Layer 1: 精確名稱匹配
match_l1 = pd.merge(df_a, df_b, on=['date', 'zone', 'name'], how='inner')

# Layer 2: 橋接鍵匹配（當主鍵不匹配時，用輔助欄位橋接）
# 構建 name ↔ supplier 對映字典作為第二匹配鍵

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

匹配結果文件化：

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匹配的記錄需在報告中標註"間接匹配，需人工核實"'
}

關鍵教訓：跨表名稱不一致會導致大量記錄"消失"。永遠在匹配後檢查 unmatched 數量級——如果達到異常量級，一定是匹配策略有問題。

3.3 合規檢測模板

# 規則詞典方式：關鍵詞/閾值 → 違規標記 + 條款對映
RULES = {
    '停用物件交易': {'keyword': '停用|黑名單|停用', 'field_idx': 6, 'clause': '採購管理制度第5條'},
    '低於標準閾值': {'field_idx': 37, 'op': '<', 'value': 0.85, 'clause': '管理辦法第12條'},
}
# 對每條規則檢測資料，在結果中附上條款編號

3.4 關聯制度/合同文本

通過 weknora-connector 檢索相關制度條款，將分析發現自動對映到制度依據。

階段 4：結果序列化

import json

results = { ... }  # 分析結果字典

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

分析與報告解耦：先生成 JSON，再由獨立指令碼讀取生成報告。修改報告樣式無需重跑分析。

階段 5：報告生成

5.1 報告風格選擇

呼叫部門	報告風格	結構特徵
審計監察	風險導航式	TOP3風險前置→資料全景→分層支撐→制度對照
財務BP	偏差歸因式	差異概覽→價量分解→趨勢→調整建議
生產車間	運營監控式	KPI卡片→趨勢圖→異常標註→改進措施
採購中心	合規審計式	合規總覽→違規清單→對照表→處置建議
品管部	質量報告式	質量評分→指標趨勢→批次追溯→整改要求

5.2 HTML報告（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: '警戒線', enabled: true }
          }
        }
      }
    }
  }
});
</script>

資料注入方式：<script type="application/json" id="data_xxx"> 標籤嵌入JSON。

5.3 Word報告（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('分析報告.docx')

5.4 附錄互動式看板（可選增強）

定位：報告主體用靜態圖表保證歸檔確定性，附錄可附帶互動式資料看板供深入查閱。適用：領導要"自己翻翻資料"，或需要多維度交叉篩查時。 不適合：正式歸檔件、對外報送件（互動元素列印後失效）。

位置	內容	互動性	歸檔性
報告主體	核心發現 + 靜態證據圖	無（線性閱讀）	✅ 可列印歸檔
附錄看板	多維度篩選 + 聯動圖表 + 明細下鑽	✅ 點選/篩選聯動	❌ 僅電子版

技術實現：ECharts單檔案看板（篩選器變化→全圖重繪，圖表點選聯動）

看板輸出規則：

獨立檔案：xxx_dashboard_appendix.html，報告中僅放連結
資料自包含：所有資料內嵌JSON，不依賴外部API
篩選器由資料驅動，不硬編碼
中國市場配色：漲紅跌綠
列印降級：@media print 隱藏篩選器
資料量上限：內嵌不超過5萬行，超出提供CSV下載

圖表落點原則

圖表不是報告裝飾，是決策輔助工具。 每張圖表都應有明確的"看了能做什麼"的落點。

圖表型別	適用場景	典型落點
折線圖(趨勢)	指標隨時間變化	定位異常時間視窗，鎖定排查日期
柱狀圖(對比)	分組/期間對比	定位偏差最大的維度，決定關注方向
環形圖(佔比)	構成分佈	量化關鍵佔比，評估結構合理性
散點圖(關聯)	兩變數關係	檢測相關性，識別離群點
帕累托圖	成本/問題集中度	聚焦關鍵少數（80/20法則）
熱力圖	多維度交叉	快速定位異常交叉點

常見錯誤速查表

#	錯誤型別	根因	解決方案
1	`ValueError: Length mismatch`	手動賦列名數量與實際列數不符	不手動賦列名，全用 `iloc` 位置索引
2	`TypeError: unhashable type 'Series'`	pandas 2.x `agg` 語法變更	改用 `for key, group in df.groupby(...)` 迴圈
3	`SyntaxError: invalid syntax`	變數名含空格	變數名用下劃線，先做語法檢查
4	JSON 序列化失敗	`numpy.int64` 不可序列化	`json.dump(..., default=str)` 或顯式 `int()`
5	HTML 特殊字元異常	`<` `>` `&` 未轉義	先轉義再拼接，不在f-string裡二次轉義
6	來源分類誤判	僅依賴單欄位+`astype(str)`後NaN判斷混亂	三級降級分類+同時判斷`''`/`'nan'`/`'NaN'`
7	跨表匹配大量"消失"	名稱不一致導致merge失敗	多層匹配+必須檢查unmatched數量級
8	報告面面俱到無焦點	所有分析並列，無重點區分	前置策略對映，高價值深挖低價值簡述

可擴充套件的分析維度

以下維度尚未內建為獨立模組，但可基於現有L1/L2能力組合實現。如高頻使用，可沉澱為L3模板。

風險評分模型：多指標加權評分模型，輸出綜合風險等級（需定義權重體系）
預測性分析：基於歷史資料的趨勢外推與預警（ARIMA/Prophet，需時間序列庫支援）
關聯規則挖掘：從交易資料中挖掘頻繁共現模式（如"某供應商+某品類+月末"高頻組合）
地理空間分析：按區域/基地的空間分佈與聚類（需geopandas庫支援）
自然語言分析：審計筆記/制度文本的語義匹配與分類（需NLP模型支援）

v5.2內建能力速查（勿重複開發）

內建能力	位置	說明
價量分解	1.3	成本差異拆解為價格變動+數量變動
率混合分解	1.3	加權平均指標變化的比率效應vs組合效應
瀑布圖歸因	1.3	總差異按驅動因素正負貢獻視覺化
對賬老化	1.4	未解決差異的年齡跟蹤與升級
CEAVOP認定	2.3	內控測試目標的認定對映
樣本選擇	2.3	按控制頻率和風險等級確定樣本量
三表鉤稽	3.2	入庫×出庫×庫存端到端追蹤
制度關聯	2.2+3.4	從知識庫拉取制度條款，自動標註違規依據
跨期對比	1.7	同比環比+變點檢測
帕累托分析	1.7	成本/問題集中度，聚焦關鍵少數
趨勢預警	1.7	滾動均值+閾值線+連續偏離觸發
⚡均值vs中位數選擇	1.10.1	按資料分佈特徵選擇集中趨勢度量
⚡假設檢驗完整框架	1.10.2	五步法+效應量+置信區間+樣本量考量
⚡統計陷阱警告	1.10.3	多重比較/倖存者偏差/平均的平均/生態謬誤
⚡異常檢測處理原則	1.10.4	調查優先四步法+點異常vs變點
⚡季節性檢測	1.10.6	目視→周均值→月均值→同期對比
⚡交付前驗證清單	1.10.7	資料質量+計算邏輯+合理性+紅旗訊號

環境依賴

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

執行指令碼時使用：

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

輸出檔案規範

檔案	用途	命名規範
`analyze_xxx.py`	分析指令碼	動詞+物件+py
`analysis_results.json`	中間結果	固定名，便於報告指令碼引用
`generate_report.py`	HTML 報告生成指令碼	generate_字首
`generate_docx.py`	Word 報告生成指令碼	generate_字首
`xxx分析報告.html`	HTML 報告	業務名稱+分析報告
`xxx分析報告.docx`	Word 報告	業務名稱+分析報告
`xxx_dashboard_appendix.html`	附錄互動看板	業務名稱+dashboard_appendix

版本迭代記錄

版本	變更
v5.2	新增L1.10統計增強工具箱：描述性統計方法論（均值vs中位數選擇/分佈五問/百分位敘事）、假設檢驗完整框架（五步法+審計檢驗速查+統計顯著≠實際重要+樣本量考量）、統計陷阱警告體系（多重比較/倖存者偏差/平均的平均/生態謬誤/錨定效應）、異常檢測增強（離群值處理四步法+點異常vs變點區分）、增長率方法（簡單/CAGR/對數）、季節性檢測方法、交付前驗證清單（4維度+紅旗訊號）。增強1.7路由表交叉引用。借鑑Scene#8資料分析及視覺化 statistical-analysis + data-validation 精華
v5.1	架構復盤審查修復15項：修復率混合分解程式碼錯誤(P4按品類分組+加權平均)、修復瀑布圖歸因cumulative缺失(P5)、補全差異優先順序5級排序(P6)、profile_to_flags按context差異化(P7)、safe_query防注入增強(P11)、auto_compare大樣本正態性檢驗改用D'Agostino+隨機抽樣(P10)、audit_profile相關性標註缺失率可靠性(P12)、classify_source iloc二維改一維(P15)、三因素分解補充定義與使用場景(P14)、補充L3.6綜合場景模板(P13)、統一報告風格三處描述(P8)、清理可擴充套件維度冗餘(P9)、修復七階段→六階段(P1)、架構圖與正文對齊+L1編號順序說明(P2/P3)
v5.0	差異分解方法論（價量/率混合/瀑布圖歸因+敘述規範）、對賬鉤稽體系（3類差異+老化分析+升級閾值）、重要性閾值框架（分層閾值+調查優先順序+三向比較）、SOX內控測試路由（CEAVOP+樣本選擇+缺陷分級）、結賬流程分析模板（依賴圖+瓶頸定位）。借鑑finance外掛variance-analysis/reconciliation/audit-support/sox-testing/close-management精華
v4.0	三層解耦重構（L1通用引擎/L2場景對映/L3場景模板），從養殖專用擴充套件為全產業鏈通用，增加5個部門路由和8個產業鏈場景，新增構成分析和效率分析模式
v3.0	多源資料接入、標準化資料畫像、安全規範、分析模式路由、降級策略、結論撰寫規範（借鑑ai-data-copilot精華）
v2.0	報告策略前置、多層匹配、Chart.js視覺化、風險導航結構

📁 包含檔案 (1 個)

📄 SKILL.md 88.6 KB