【免费下载链接】high-stakes-analytics-decision-lab
A platform-neutral analytical Skill that profiles messy data, selects case-adaptive methods, and produces source-backed visual reports for high-stakes decisions.
在高利害决策(信贷审批、资源调度、模型上线)中,一张说不清"结论边界"的图比没有图更危险。High-Stakes Analytics & Decision Lab是一套平台无关的解析型 Skill:它先给脏数据做画像与质量门禁,再按证据强度自适应选择方法,最终输出可访问 SVG 图表支撑的视觉证据报告——每张图都能回溯到源文件、哈希与可重跑代码。
🎯 30 秒看懂:两层产品,一份证据契约
这套视觉系统最核心的设计是"证据优先、决策次之":
- Evidence Intelligence Report(主证据产品):回答"测了什么、变化了多少、有多可靠、证据不能支撑什么";
- Decision Intelligence Brief(条件决策产品):只有当存在真实决策、可行备选与足够证据时才追加,展示门槛、风险边界、终端状态与反转条件。
这种分层保证了一件事:决策简报永远不能替代证据报告,任何决策图都要能链回原始证据与结果。
🧭 自适应路由:图表不是模板,而是按案例生长
系统固定"证据脊柱"(问题、总体、粒度、目标量、时间范围、血缘),只让案例层(路线、字段、方法、图表)自适应变化。四条路线各有合法的终点,推荐不是必填项——"证据不足"、"负面验证"、do_not_deploy同样是有效产出。
📌 记住这条节奏:有界结果 → 全宽图表 → 解读与断言边界 → 紧凑的来源/方法块 → 下一张关键图。报告不是"图堆在开头、方法拖在尾部"。
📐 4 条让图表替证据说话的设计法则
以下法则来自 references/editorial-visual-system.md 与 references/visual-report-system.md:
- 先立图表契约,再动笔。每张图发布前必须记录:分析问题、一句话结论、粒度与分母、图表族及理由、焦点标记与基准、不确定度、配色策略、来源与断言边界。任何一项未知,这张图就不具备发布条件。
- 编辑级层级感。读者应能按"标题 → 副标题 → 关键数字 → 焦点标记 → 注释 → 来源"的顺序扫描;深藏青标题带 + 领域强调色 + 大量留白,禁用彩虹色标与装饰性 3D。
- 直接标注,拒绝"看图猜"。优先直接标注数值与身份,能直标就不用图例;比较类图表显式画出基准线;状态永远不只靠颜色编码,需配合文字、形状或线型。
- 轴要诚实。0–1 决策值刻度从 0 开始;约束风险图显示容差线;点估计必须与区间成对出现,不许把不确定性藏在单个数字里。
可访问性契约(每张 SVG 必查清单)
| 检查项 | 说明 |
|---|---|
<title> | 命名这张图画的是什么 |
<desc> | 概括分析关系 |
| 直接可见的数值标签 | 主比较不靠放大镜 |
| 冗余状态编码 | 颜色之外再用形状/线型/编号 |
| 来源与合成演示注记 | 说明数据出处 |
| 足够对比度 | 文字与背景可读 |
Markdown 报告还必须保留文字摘要与明细表——决策不允许只靠读图得出。
🚀 一键生成可访问 SVG 图表的完整流程
在仓库中,环境体检与 60 秒安全演示都通过 scripts/hsadl.py 一个入口完成:
# 环境体检:Python、运行时、模板、写权限、Skill 足迹 python3 scripts/hsadl.py doctor # 60 秒演示:源文件保留、数据契约、质量门禁、路由、可访问 SVG(不建模、不推荐) python3 scripts/hsadl.py demo --output-dir build/demo # 真实数据起步:保留源文件 + 草稿契约 + 就绪画像 python3 scripts/hsadl.py start <data.csv> --question "<你的问题>" --output-dir build/case跑完后,每个完整项目都会固定保留四类产物:
| 文件 | 职责 |
|---|---|
report.md | 主证据报告(Evidence Intelligence Report) |
results.json | 机器可读分析结果 |
chart-map.json | 图表 → 问题 → 来源的映射契约 |
figures/*.svg | 可访问分析图 |
其中chart-map.json是"图表替证据说话"的关键:每张图对应哪个分析问题、引用哪份数据,全部机器可读、可审计。想在线感受完整流程,可以直接打开 demo/ 目录下的交互式示例。
下面这张来自 15 个真实案例中"自行车调度运营"项目的月度需求图,就是典型的契约图:<title>命名主题、<desc>概括关系、关键数值直接标在图上。
📊 走进 15 个真实案例的图表库
examples/real-data-cases/README.md 收录了 15 条"源文件 → 报告"的完整证据路径,从银行营销响应到空间公平规划。以银行营销响应案例的校准图为例,预测概率与真实频率的偏离被直接画在图上,一眼看出"哪里过度自信":
当证据足够强、进入决策层时,系统会按固定"图表叙事契约"出图。以下决策记分卡来自自行车项目(outputs/decision/figures/),优先选项、数值、P(best) 与稳健性一屏看清:
| 决策图 | 回答的核心问题 | 必须具备的视觉证据 |
|---|---|---|
| 决策记分卡 | 头条结果是什么 | 优先选项、数值、P(best)、稳健性、U95 越界对照容差 |
| 备选排序 | 哪个可行方案领先 | 排序、数值、可行性、P(best) |
| 约束风险 | 谁通过了风险边界 | 观测越界、单侧 U95、容差线 |
| 效用不确定度 | 还有多少重叠与下行 | P05–P95、期望效用、CVaR10 |
| 权重敏感性 | 哪些偏好能改变赢家 | 双侧压力、分数、赢家标记 |
完整契约表见 references/visual-report-system.md 的 "Chart narrative contracts" 一节。
📚 延伸阅读与快速上手
- 视觉报告系统全规范:references/visual-report-system.md
- 编辑级证据系统(配色、图表族、编辑框架):references/editorial-visual-system.md
- 报告标准与呈现要求:references/reporting-standard.md
- 从零开始安装与使用:docs/getting-started.md
- 15 个真实案例索引与能力地图:examples/real-data-cases/cases.json
小结:让图表替证据说话,靠的不是更花哨的图,而是"契约先行 + 直接标注 + 冗余编码 + 可回溯来源"四件套。跟着上面的命令跑一遍 demo,你就能得到一组完全符合契约的可访问 SVG 图表——这正是 High-Stakes Analytics & Decision Lab 交付给每一个高利害决策的底线。
【免费下载链接】high-stakes-analytics-decision-lab
A platform-neutral analytical Skill that profiles messy data, selects case-adaptive methods, and produces source-backed visual reports for high-stakes decisions.
相关推荐
如何让高风险数据决策更可靠:证据门控分析平台 High-Stakes Analytics & Decision Lab 完整指南
如何让高风险数据决策更可靠:证据门控分析平台 High Stakes Analytics & Decision Lab 完整指南 High Stakes Ana
Podman macOS 安装包(pkginstaller)构建指南:从无签名 pkg 到签名并公证的发布包
Podman macOS 安装包(pkginstaller)构建指南:从无签名 pkg 到签名并公证的发布包 本指南围绕 Podman 仓库中 macOS 安装
密钥扫描、DNS 与 SSRF 防护:High-Stakes Analytics & Decision Lab 如何为数据分析构建安全门
密钥扫描、DNS 与 SSRF 防护:High Stakes Analytics & Decision Lab 如何为数据分析构建安全门 数据分析项目听起来离"
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考