一键导入
pm-alpha-data-review
数据复盘工具。提供指标看板解读、趋势分析、问题定位、改进建议等功能。帮助产品经理通过数据驱动决策,发现产品问题,制定优化方向。适用于迭代复盘、专题分析、A/B测试评估等场景。当需要进行数据复盘、分析产品指标或制定优化策略时使用此skill。
用 Codex 或 Claude 帮你安装 复制这段 Prompt,粘贴到 Codex、Claude 或其他助手里,让它检查 Skill 页面并帮你完成安装。
菜单
数据复盘工具。提供指标看板解读、趋势分析、问题定位、改进建议等功能。帮助产品经理通过数据驱动决策,发现产品问题,制定优化方向。适用于迭代复盘、专题分析、A/B测试评估等场景。当需要进行数据复盘、分析产品指标或制定优化策略时使用此skill。
用 Codex 或 Claude 帮你安装 复制这段 Prompt,粘贴到 Codex、Claude 或其他助手里,让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
季度竞品分析技能。每季度系统化收集市场竞品情报、构建竞争全景图、深度画像竞品、分析市场格局演变、提炼战略洞察,输出完整季度竞品分析报告。适用于产品战略规划、年度路线图制定、投融资汇报、高管决策支持等场景。当用户需要每季度深入了解竞争格局、识别战略机会、形成完整竞品分析报告时使用此 skill。
Git 标准操作流程 SOP,包含 init、add、commit、push、status、log、pull 等常用操作及自动检查验证。使用场景:用户要求执行 git 操作时。
API design specifications. 当用户需要设计 API、讨论 RESTful 规范、设计 GraphQL schema 或制定 API 规范时使用此skill。
Architecture quality assessment. 当用户需要评估架构质量、检查系统性能、分析安全风险或评估可扩展性时使用此skill。
System architecture design. 当用户需要设计系统架构、画架构图、讨论微服务拆分、CQRS、事件驱动、DDD等架构模式时使用此skill。
Code architecture review. 当用户需要评审代码架构、讨论设计模式、检查代码质量或进行代码评审时使用此skill。
| name | pm-alpha-data-review |
| description | 数据复盘工具。提供指标看板解读、趋势分析、问题定位、改进建议等功能。帮助产品经理通过数据驱动决策,发现产品问题,制定优化方向。适用于迭代复盘、专题分析、A/B测试评估等场景。当需要进行数据复盘、分析产品指标或制定优化策略时使用此skill。 |
通过数据驱动的方式进行产品复盘,发现问题,制定改进方案。
| 指标名称 | 定义 | 计算公式 | 目标值 | 监控频率 |
|---|---|---|---|---|
| 影像调阅时间 | 从请求到展示的时长 | (展示时刻 - 请求时刻) | P95 < 3s | 实时 |
| 系统响应率 | 成功响应比例 | (成功响应数 / 总请求数) × 100% | ≥ 99.9% | 实时 |
| 并发处理能力 | 同时处理请求数 | Peak QPS | ≥ 500 | 实时 |
| 队列等待时间 | 任务平均等待时长 | AVG(等待时长) | < 5s | 实时 |
| 指标名称 | 定义 | 计算公式 | 目标值 | 监控频率 |
|---|---|---|---|---|
| 报告完成率 | 按时完成的报告比例 | (按时完成数 / 总报告数) × 100% | ≥ 95% | 每日 |
| 危急值通知率 | 及时通知危急值的比例 | (及时通知数 / 危急值总数) × 100% | 100% | 实时 |
| 胶片打印成功率 | 成功打印胶片比例 | (成功数 / 总打印数) × 100% | ≥ 98% | 每日 |
| 影像数据完整率 | 完整数据传输比例 | (完整包数 / 总包数) × 100% | ≥ 99.5% | 每日 |
| 指标名称 | 定义 | 计算公式 | 目标值 | 监控频率 |
|---|---|---|---|---|
| 日活跃用户(DAU) | 每日登录用户数 | COUNT(DISTINCT user_id) | 趋势上升 | 每日 |
| 人均操作次数 | 每用户每日操作数 | 总操作次数 / DAU | 参照基线 | 每日 |
| 任务完成率 | 任务成功完成比例 | (成功任务数 / 总任务数) × 100% | ≥ 95% | 每日 |
| 用户满意度 | 用户评分 | AVG(rating) | ≥ 4.5 | 每周 |
1️⃣ 异常告警 → 2️⃣ 核心KPI → 3️⃣ 细分维度 → 4️⃣ 趋势变化 → 5️⃣ 根因分析
(红色指标) (关键指标) (用户/设备) (对比基准) (深挖问题)
## 指标看板解读报告
### 报告周期
- 时间范围:YYYY-MM-DD 至 YYYY-MM-DD
- 环比周期:YYYY-MM-DD 至 YYYY-MM-DD
- 分析维度:[全部 / 科室 / 设备类型 / 用户角色]
### 1. 核心指标概览
| 指标 | 本期值 | 上期值 | 环比变化 | 目标值 | 达标状态 |
|-----|-------|-------|--------|-------|---------|
| | | | | | ✅达标/⚠️接近/❌未达标 |
### 2. 异常指标告警
| 指标 | 当前值 | 阈值 | 告警级别 | 持续时间 |
|-----|-------|-----|---------|---------|
| | | | 🔴高/🟡中/🟢低 | |
### 3. 重点分析对象
- [ ] 需要深入分析的问题指标
- [ ] 异常波动的指标
- [ ] 低于目标的指标
| 告警级别 | 定义 | 阈值标准(示例) | 响应要求 |
|---------|------|----------------|---------|
| P0 - 紧急 | 系统不可用 | 响应率 < 99% | 立即处理 |
| P1 - 严重 | 核心功能受损 | 响应时间 > 10s | 4h内处理 |
| P2 - 一般 | 功能降级 | 成功率 < 99.5% | 24h内处理 |
| P3 - 提示 | 轻微异常 | 单指标波动 > 20% | 周常关注 |
## 时间维度分析
### 日趋势
- 观察:工作日 vs 周末差异
- 识别:日间高峰时段
- 发现:异常峰值/低谷
### 周趋势
- 观察:周一至周五规律
- 识别:周初 vs 周末差异
- 发现:周期性变化
### 月趋势
- 观察:月度环比变化
- 识别:季节性因素影响
- 发现:长期趋势走向
### 同比分析(年度对比)
- 对比去年同期数据
- 排除季节性干扰
- 评估年度增长率
总指标
↓ 按模块分解
模块A ─ 模块B ─ 模块C
↓ ↓
子功能A1 子功能B1
↓
问题点定位
| 趋势场景 | 推荐图表 | 说明 |
|---|---|---|
| 指标随时间变化 | 折线图 | 展示连续变化趋势 |
| 构成占比变化 | 堆叠面积图 | 展示各部分占比变化 |
| 多指标对比 | 双Y轴折线图 | 展示两个相关指标 |
| 目标达成进度 | 进度条图 | 展示完成度 |
| 分布情况 | 直方图/箱线图 | 展示数据分布 |
## 趋势分析报告
### 分析概述
- 分析对象:[指标名称]
- 分析周期:[时间范围]
- 对比基准:[环比/同比/目标]
### 整体趋势
[可视化趋势图或ASCII表示] 高点:YYYY-MM-DD,值 = XXX 低点:YYYY-MM-DD,值 = XXX 平均:XXX
### 关键变化点分析
| 变化点 | 日期 | 变化前 | 变化后 | 变化幅度 | 可能原因 |
|-------|------|-------|-------|---------|---------|
| | | | | | |
### 趋势判断
- [ ] 上升趋势:连续N个周期上涨
- [ ] 下降趋势:连续N个周期下跌
- [ ] 波动稳定:无明显趋势,在均值±σ内波动
- [ ] 异常拐点:某点显著偏离
### 结论与建议
- 趋势判断:[描述]
- 关注事项:[列出需要关注的问题]
- 建议行动:[给出优化建议]
Step 1: 发现异常
指标偏离正常范围
↓
Step 2: 界定问题
是真问题还是假警报?
↓
Step 3: 拆解问题
按维度分解,定位问题层
↓
Step 4: 寻找根因
5Why分析法/鱼骨图
↓
Step 5: 验证假设
数据验证/用户访谈
↓
Step 6: 确定方案
制定解决方案
## 5Why 分析 - [问题名称]
**问题描述**:系统影像调阅时间从2s上升到8s
### Why 1
**问题**:为什么调阅时间上升?
**答案**:PACS服务器CPU使用率从40%上升到90%
### Why 2
**问题**:为什么CPU使用率上升?
**答案**:今天早上有大批量历史数据迁移任务
### Why 3
**问题**:为什么要进行大批量数据迁移?
**答案**:存储扩容导致需要迁移历史数据
### Why 4
**问题**:为什么存储扩容没有安排在非业务时间?
**答案**:运维人员认为迁移速度优先,选择了业务低谷期凌晨3点执行
### Why 5
**问题**:为什么凌晨执行仍然影响明显?
**答案**:凌晨3点仍有值班医生使用,且迁移任务并发过高
### 根因
**根本原因**:数据迁移任务未进行限流控制,高并发占用系统资源
### 解决方案
1. 数据迁移增加限流配置
2. 迁移任务安排在真正的业务空闲期
3. 重要时段禁止执行批量任务
## 鱼骨图分析 - [问题类别]
[问题]
│
┌──────────┬────────┼────────┬──────────┐
│ │ │ │ │
人力 设备 方法 环境 材料 │ │ │ │ │ ┌─┴─┐ ┌─┴─┐ ┌─┴─┐ ┌─┴─┐ ┌─┴─┐ │ │ │ │ │ │ │ │ │ │ [原因] [原因] [原因] [原因] [原因]
## 问题定位检查清单
### 数据层面
- [ ] 数据来源是否正确?
- [ ] 数据采集时间是否准确?
- [ ] 数据计算逻辑是否正确?
- [ ] 是否存在数据延迟?
### 系统层面
- [ ] 系统资源使用情况(CPU/内存/磁盘/网络)
- [ ] 应用服务健康状态
- [ ] 数据库连接池状态
- [ ] 缓存命中率
- [ ] 队列积压情况
### 代码层面
- [ ] 最近是否有代码变更?
- [ ] 是否有新的性能问题引入?
- [ ] 异常日志是否有规律?
### 配置层面
- [ ] 是否有配置变更?
- [ ] 参数调整是否合理?
- [ ] 开关是否按预期生效?
### 用户层面
- [ ] 用户操作习惯是否有变化?
- [ ] 是否新增用户群体?
- [ ] 用户反馈是否有共同点?
## 改进方案模板
### 1. 问题定义
**问题描述**:[简明描述问题]
**影响范围**:[影响的用户/系统/业务]
**紧急程度**:[P0/P1/P2/P3]
### 2. 根因分析
**根本原因**:[描述根因]
**分析过程**:[简述分析方法]
### 3. 方案对比
| 方案 | 优点 | 缺点 | 成本 | 效果 | 推荐 |
|-----|-----|-----|-----|-----|-----|
| 方案A | | | | | ✅ |
| 方案B | | | | | |
| 方案C | | | | | |
### 4. 推荐方案
**方案名称**:[名称]
**实施步骤**:
1. [步骤1]
2. [步骤2]
3. [步骤3]
**资源需求**:
- 人力:[X人 × Y天]
- 基础设施:[如有]
- 第三方依赖:[如有]
**风险评估**:
| 风险 | 级别 | 应对措施 |
|-----|-----|---------|
| | | |
### 5. 效果预估
| 指标 | 当前值 | 预期改善 | 改善幅度 |
|-----|-------|---------|---------|
| | | | |
### 6. 落地计划
| 阶段 | 内容 | 开始日期 | 结束日期 | 负责人 |
|-----|------|---------|---------|-------|
| P0 | | | | |
| P1 | | | | |
| P2 | | | | |
### 7. 监控指标
**监控维度**:
- [ ] 上线后7天/30天指标跟踪
- [ ] 回归测试验证
- [ ] 用户反馈收集
**验证标准**:
- [ ] 指标达到预期改善目标
- [ ] 无新增问题
- [ ] 用户满意度提升
## 改进优先级矩阵
影响力
低 ◀──────────▶ 高
┌────────────────────────────────┐
高 │ 快速修复 │ 重点项目 │
│ (做/快) │ (优先做) │
紧急 ├────────────────────────────────┤
低 │ 降低优先级 │ 长期规划 │
│ (删除/暂缓) │ (规划做) │
└────────────────────────────────┘
决策规则:
- 影响力高 + 紧急性高 = 立即执行(P0)
- 影响力高 + 紧急性低 = 排入计划(P1)
- 影响力低 + 紧急性高 = 快速修复(P2)
- 影响力低 + 紧急性低 = 降低优先级(P3)
## 改进效果验证报告
### 改进概述
- 改进项:[名称]
- 上线日期:[日期]
- 验证周期:[X天/周]
### 指标对比
| 指标 | 改进前 | 改进后 | 变化幅度 | 目标值 | 达标 |
|-----|-------|-------|---------|-------|-----|
| | | | | | ✅/❌ |
### 用户反馈
- 正面反馈:[收集到的正面评价]
- 负面反馈:[收集到的问题反馈]
- 中性反馈:[其他观察]
### 结论
- [ ] 改进达到预期效果
- [ ] 部分达到预期,仍需优化
- [ ] 未达到预期,需要回滚或重新方案
### 后续建议
- [ ] 持续监控此指标
- [ ] 开展下一轮优化
- [ ] 总结经验教训
## 复盘会议准备清单
### 会前准备(提前1天)
- [ ] 数据收集完成
- [ ] 趋势图表生成
- [ ] 问题清单整理
- [ ] 初步结论形成
### 会议材料
- [ ] 指标看板截图/链接
- [ ] 趋势分析图表
- [ ] 问题分析报告
- [ ] 改进建议初稿
### 参与人确认
- [ ] 数据分析师(如需要)
- [ ] 开发代表
- [ ] 测试代表
- [ ] 相关PM
## 数据复盘会议流程(建议60-90分钟)
| 时间 | 环节 | 内容 | 负责人 |
|-----|-----|-----|-------|
| 10min | 指标概览 | 核心指标达成情况 | PM |
| 15min | 问题回顾 | 本周期发现的问题 | PM |
| 20min | 根因分析 | 重点问题深入分析 | 全团队 |
| 15min | 改进讨论 | 制定改进方案 | 全团队 |
| 10min | 总结确认 | 确认行动项 | PM |
## 数据复盘结论
### 周期:[YYYY-MM-DD 至 YYYY-MM-DD]
### 核心结论
1. **[结论1]**:[简述]
2. **[结论2]**:[简述]
3. **[结论3]**:[简述]
### 亮点
- [做得好的方面]
### 待改进
- [需要改进的方面]
### 行动项
| 行动项 | 负责人 | 截止日期 | 优先级 |
|-------|-------|---------|-------|
| | | | P0/P1 |