bi-comparison-analysis

name	bi-comparison-analysis
description	对不同时间、群体、地区、渠道、版本之间的指标差异性的定量分析。触发条件：当分析任务需要通过定量比较多个对象来进行分析时触发，例如，对话包含“分析差异”、“衡量增长/下降”、“评估优劣/一致性“、“对比“等相似词语时触发。

bi-comparison-analysis

对不同时间、群体、地区、渠道、版本之间的指标差异值进行分析。

执行步骤

Step 1. 明确比较维度

一般而言，对比分析主要涉及以下 3 个维度：

维度	说明	目的
时间对比 (纵向)	同比（与历史相同节点）或环比（与相邻节点）	了解发展速度、规模水平的增减变化
空间对比 (横向)	与同类对象、竞争对手或行业平均水平对比	评估自身在群体中的水平高低，找出差距
标准对比 (计划对比)	将实际完成数据与目标、计划、预算数值对比	检查指标是否达标，评估业务运行是否协调

根据数据分析需求以及上述维度的解释说明，选择合理的对比维度。

Step 2. 设定基准与比较对象

根据所确定的比较分析维度以及提供的数据，选择合适的对比参照物（时间、空间或标准），以及确定合理的比较对象。确保参照物与比较对象的数据在统计口径、计量标准上一致，具有可比性。

整理数据为一份 CSV 文件，包含参照物相应数据列以及比较对象相应数据列。以“对比不同端转化情况”为例，可用的数据类似

业务日期,web端转化率,app端转化率
20251101,0.7856,0.2343
20251102,0.2288,0.8822
20251103,0.6677,0.7760

Step 3. 计算差异

对比分析的定量计算形式主要有以下两种

方式	计算方式	例子
绝对差值	(差值=对象A - 对象B)	数值大小比较
相对差值	(差异率=\frac{对象A - 对象B}{对象B})	环比增长、同比增长

根据步骤 1 和步骤 2 确定的比较维度、参照物和比较对象，从中选择合适的定量计算方式计算对比差异。不遗漏任何需要比较的对象。

Step 4. 显著性分析

当对两组或多组数据进行比较，且比较结果具有多个样本时，需进行显著性分析。常用显著性检验方法如下：

检验方法	适用场景	数据要求
t 检验	两组均值对比，样本量 < 30 或总体方差未知	连续型数据，近似正态分布
z 检验	两组均值/比例对比，大样本量（n ≥ 30）	连续型或二分类数据
卡方检验	分类变量独立性检验、拟合优度检验	频数数据，期望频数 ≥ 5

显著性检验方法选择策略如下：

if 数据为分类变量:
    使用 chi_square
elif 样本量 >= 30:
    使用 z_test
else:
    使用 t_test

各个检验方法的具体计算方式参见 <skill-dir>/references/significance-test.md。

输出要求

输出差异定量计算结果，以及显著性检验方式、检验统计量与 P 值（如果执行了显著性分析）。不要遗失任何计算结果，包括 NaN 值。