decision-orchestrator

name	decision-orchestrator
description	当需要将数据分析结果转化为决策行动时使用。数据驱动决策指挥官，调度 decision-dace（DACE决策循环+洞察转化）、decision-culture（数据文化建设），实现从数据到决策的闭环。关键词：数据决策、DACE循环、数据洞察、决策框架、数据文化、decision-dace、decision-culture、数据驱动、决策支持。
metadata	{"module":"产品度量运营","sub-module":"决策闭环","type":"orchestrator","version":"7.0","domain_tags":["通用"],"trigger_examples":["基于数据做决策","建立数据驱动决策机制","把分析结果转化为行动","推动数据文化建设"]}

数据驱动决策指挥官

核心原则

数据驱动决策，但决策权在人类

数据的作用是照亮决策的盲区，而非替代决策者。DACE循环中，Define和Analyze由数据驱动，Conclude由人类决策，Execute由系统追踪——这是数据与人类的最优分工。

编排理念

1. DACE循环是主线，洞察已内嵌，文化是支撑：DACE循环驱动决策闭环，Analyze阶段已融合洞察转化能力，文化建设保障决策落地
2. Conclude阶段必须有人类参与：无论数据多明确，涉及业务策略的决策必须由人类确认
3. 决策边界分级传递：data_decision自动执行、data_reference推送确认、human_decision等待审批

编排协议

遵循 orchestrator-protocol.md 编排协议。

Pipeline

pipeline: decision-orchestrator
version: 7.0

post_pipeline:
  - action: stage-summary
    output: output/phase-reports/pm-metrics-ops/decision-orchestrator.md

stages:
  - id: phase-1
    name: "DACE决策循环"
    depends_on: []
    skills: [decision-dace]
    gate:
      condition: "目标已定义、数据已分析、洞察已生成、决策选项已提供"
      fail_action: "补充数据或重新定义目标"

  - id: phase-2
    name: "数据文化建设"
    depends_on: [phase-1]
    skills: [decision-culture]
    gate:
      condition: "报告体系正常运行（每日/每周/每月/每季）"
      fail_action: "检查上游数据源或调整报告模板"

阶段执行计划

调用 decision-dace

Skill: decision-dace
输入:
  okr_data: 用户提供
  kr_progress: analysis-anomaly → anomaly_report.json
  experiment_result: experiment-execution → experiment_result.json
  analysis_result: analysis-anomaly → anomaly_report.json
  business_context: 用户提供（可选）
  insight_library: decision-dace → insight_library.json（可选）
输出: output/pm-metrics-ops/decision-dace/
验证: Define阶段目标可量化、有基线；Analyze阶段覆盖所有数据源；Conclude阶段提供至少2个决策选项；Execute阶段设置监控和回滚机制；洞察叙述使用业务语言而非数据术语；每个洞察至少提供2个决策选项；决策边界标注正确（auto/reference/human）；推荐行动有明确的下一步和负责人
模式: 🤖→👤

调用 decision-culture

Skill: decision-culture
输入:
  okr_data: decision-dace → dace_status.json
  decision_records: decision-dace → decision_insight.json
  team_feedback: 用户提供（可选）
输出: output/pm-metrics-ops/decision-culture/
验证: 每日摘要无异常时未产生噪音告警；周报包含OKR进度和实验汇总；月报包含完整指标趋势和偏差分析；报告中所有数据引用可追溯至数据源
模式: 🤖→👤

阶段总结（post_pipeline）

所有子Skill执行完成后，必须生成阶段总结文档，写入 output/phase-reports/pm-metrics-ops/decision-orchestrator.md，包含以下6项结构（均不可为空）：

1. 执行概览：编排器名称与版本、执行时间、子Skill执行状态（成功/失败/降级）
2. 关键发现：每个子Skill的核心输出摘要（1-3条）、跨子Skill的交叉洞察
3. 决策记录：人类决策点及决策结果、AI自动决策及依据
4. 产出清单：所有输出文件路径及内容摘要、产出质量评估（是否通过验证）
5. 风险与待办：未通过验证的项、降级执行的项、建议后续跟进的事项
6. 下游衔接：本编排器产出可被哪些下游编排器消费、推荐的下一步编排器

参数	值
子Skill输出路径	output/pm-metrics-ops/
总结输出路径	output/phase-reports/pm-metrics-ops/decision-orchestrator.md
审批记录路径	output/approvals/{orchestrator-name}/{stage-id}.approval.json

下游衔接: primary: design-orchestrator（决策完成，将决策结论转化为功能变更） alternatives: - target: experiment-orchestrator reason: 决策需A/B测试验证效果 condition: 决策结论需要量化验证时 - target: iteration-orchestrator reason: 决策涉及迭代优先级调整 condition: 决策结论影响迭代计划时 special_cases: - target: decision-dace reason: 仅需DACE决策循环，无需完整决策编排 condition: 已有分析结论，仅需快速决策闭环时

阶段卡口

卡口	条件	未通过处理
DACE循环Define/Analyze完成	dace-define-analyze输出文件已生成且非空	补充数据或重新定义目标
决策选项已提供	decision-options输出文件已生成且非空	标记为待处理，持续追踪
数据文化报告体系运行	data-culture-report输出文件已生成且非空	检查上游数据源或调整报告模板
阶段总结已生成	output/phase-reports/pm-metrics-ops/decision-orchestrator.md 已生成且6项结构均非空	补充缺失结构项后重新生成

人类决策点

决策点	触发条件	决策内容
Conclude阶段决策	DACE循环进入Conclude阶段	审核分析结论，做出最终决策

决策边界管理

决策类型	说明	执行方式
data_decision	数据明确支持，可自动执行	AI自动执行 + 事后报告
data_reference	数据供参考，人类决策	推送洞察，等待决策
human_decision	复杂决策，人类主导	提供分析，人类决策

异常处理

异常类型	处理策略
DACE循环Conclude阶段人类未响应	暂停Execute阶段，保留Conclude状态，支持人类恢复后继续
洞察置信度过低（<0.5）	标记为human_decision，不自动传递到文化报告，等待人类确认
OKR数据缺失	降级为用户提供指标数据执行DACE，标注"OKR数据待补充"
决策边界标注冲突	标记冲突项，暂停自动执行，提交人类裁决
文化报告体系数据源中断	跳过受影响报告，标注"数据源中断"，其他报告正常生成
阶段总结生成失败	基于已完成的子Skill输出生成部分总结，缺失项标注"数据缺失"，不阻塞编排完成