analysis-orchestrator

name	analysis-orchestrator
description	当需要进行数据异常检测、漏斗分析或留存分析时使用。数据分析指挥官，调度analysis-anomaly/funnel/retention/data-analysis-report。关键词：数据分析、异常检测、漏斗分析、留存分析、Aha Moment、看数据、数据不好、数据洞察。
metadata	{"module":"产品度量运营","sub-module":"数据分析","type":"orchestrator","version":"7.1","domain_tags":["通用"],"trigger_examples":["帮我分析一下数据","数据有异常，排查一下","做一下漏斗分析","分析一下用户留存","数据不好，找找原因"]}

数据分析指挥官

核心原则

用数据减少决策中的猜测

数据分析的价值不在于产出报告，而在于将不确定性转化为可量度的风险，将直觉判断转化为证据支撑的决策。

编排理念

1. 检测先行，分析跟进，报告收口：异常检测7×24运行，漏斗和留存按需触发，报告整合收口
2. 每个分析结果必须可行动：没有行动建议的分析结果不传递到下游
3. 异常即阻断，其他按序执行：P0异常立即阻断当前流程，其他阶段按序执行

编排协议

编排协议遵循 orchestrator-protocol.md 统一标准。

Pipeline

pipeline: analysis-orchestrator
version: 7.1

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

stages:
  - id: phase-1
    name: "异常检测"
    depends_on: []
    skills: [analysis-anomaly]
    gate:
      condition: "异常检测Pipeline持续运行，无中断"
      fail_action: "立即修复检测Pipeline，启动备用监控"

  - id: phase-2
    name: "漏斗分析"
    parallel_with: [phase-3]
    skills: [analysis-funnel]
    gate:
      condition: "核心业务漏斗已定义且数据完整"
      fail_action: "补充漏斗定义，确保核心路径覆盖"

  - id: phase-3
    name: "留存分析"
    parallel_with: [phase-2]
    skills: [analysis-retention]
    gate:
      condition: "至少产出1个Aha Moment候选行为"
      fail_action: "扩大行为搜索范围或延长分析周期"

  - id: phase-4
    name: "数据分析报告"
    depends_on: [phase-1, phase-2, phase-3]
    skills: [data-analysis-report]
    gate:
      condition: "报告执行摘要完整，至少3条行动建议"
      fail_action: "补充分析或标注建议补充数据"

阶段执行计划

调用 analysis-anomaly

Skill: analysis-anomaly
输入:
  metrics_system: metrics-system → metrics.json
  real_time_data: 数据仓库/实时计算平台
  alert_rules: 用户提供
  event_calendar: 用户提供（可选）
输出: output/pm-metrics-ops/analysis-anomaly/
验证: 异常检测覆盖所有关键指标；异常等级分类正确（P0/P1/P2）；根因分析有数据支撑；建议措施可操作
模式: 🤖

调用 analysis-funnel

Skill: analysis-funnel
输入:
  funnel_definition: 用户提供
  event_data: 用户提供
  segment_config: 用户提供（可选）
  comparison_period: 用户提供（可选）
输出: output/pm-metrics-ops/analysis-funnel/
验证: 漏斗步骤定义完整、无遗漏；转化率计算基于全量数据；流失节点识别附带原因假设；多维下钻覆盖至少3个维度
模式: 🤖

调用 analysis-retention

Skill: analysis-retention
输入:
  user_behavior_data: 用户提供
  segment_definition: 用户提供（可选）
  cohort_config: 用户提供（可选）
  baseline_date: 用户提供（可选）
输出: output/pm-metrics-ops/analysis-retention/
验证: 留存计算基于全量用户而非抽样；Cohort分析覆盖时间、渠道、行为三个维度；Aha Moment候选通过显著性检验；流失预警模型准确率>70%
模式: 🤖

调用 data-analysis-report

Skill: data-analysis-report
输入:
  funnel_analysis: output/pm-metrics-ops/analysis-funnel/
  retention_analysis: output/pm-metrics-ops/analysis-retention/
  anomaly_detection: output/pm-metrics-ops/analysis-anomaly/
  decision_dace: decision-dace → decision_insight.json（可选）
  metrics_system: metrics-system → metrics_system.json（可选）
  analysis_time_range: 用户提供
  product_info: 用户提供（可选）
输出: output/pm-metrics-ops/data-analysis-report/
验证: 执行摘要包含3条关键发现+Top1建议；核心指标仪表盘完整；漏斗分析包含最大流失点和提升机会；留存分析包含生命周期阶段；每条洞察有数据事实+业务含义；行动建议至少3条，每条有优先级和验证方式；数据口径和局限性已说明
模式: 🤖→👤

阶段总结（post_pipeline）

遵循 orchestrator-protocol.md 阶段总结协议。

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/analysis-orchestrator.md

下游衔接: primary: decision-orchestrator（数据分析完成，将分析洞察转化为可执行决策） alternatives: - target: experiment-orchestrator reason: 分析发现需A/B测试验证的假设 condition: 数据分析发现因果关系不确定，需实验验证时 - target: iteration-orchestrator reason: 分析结论直接影响迭代优先级 condition: 数据分析产出明确的迭代方向建议时 special_cases: []

阶段卡口

卡口	条件	未通过处理
异常检测7×24运行	异常检测Pipeline持续运行，无中断	立即修复检测Pipeline，启动备用监控
漏斗核心路径覆盖	核心业务漏斗已定义且数据完整	补充漏斗定义，确保核心路径覆盖
留存Aha Moment候选已识别	retention-analysis输出文件已生成且非空	扩大行为搜索范围或延长分析周期
数据洞察报告已生成	数据洞察报告文件已生成且非空	补充分析或标注"建议补充数据"
阶段总结已生成	output/phase-reports/pm-metrics-ops/analysis-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
P0异常即时确认	P0级异常检测触发	确认异常真实性，决定响应策略

决策规则

条件	Action
P0异常	即时推送 + 电话告警
P1异常	2小时内Slack/企微通知
P2异常	每日汇总报告
P3波动	仅记录，不告警

异常处理

异常类型	处理策略
子Skill输出校验失败	暂停下游阶段执行，输出校验失败报告，提示人类修正后重试当前阶段
P0异常检测触发	立即中断当前阶段，优先处理P0异常，处理完成后恢复原流程
上游数据源不可用	按子Skill降级策略执行，记录降级信息，在最终输出中标注降级影响范围
分析结果无行动建议	阻断传递到下游，要求当前子Skill补充行动建议
人类决策超时未响应	暂停流程，保留当前阶段状态，支持人类恢复后从断点继续
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

变更记录

• v1.0: 初始版本
• v2.0: 结构优化
• v3.0: 新增 data-analysis-report（数据分析报告）
• v4.0: 编排器优化——任务调度改为阶段执行计划，新增子Skill执行协议，调度规则改为执行模式，阶段卡口和人类决策点改为表格
• v5.0: 执行步骤原则替换为编排理念，新增异常处理表
• v6.0: 编排协议优化——将"读取子Skill定义并代理执行"改为"使用Skill工具显式调用子Skill"；新增Pipeline定义（YAML声明式执行图）；阶段执行计划改为调用指令格式；调度规则合并入编排协议