用于数据驱动根本原因分析的AI助手。应用结构化诊断框架，识别关键指标下降、流程失败或结果偏离预期的原因。
当关键指标意外下降——收入减少、转化率降低、缺陷率飙升——组织需要在采取行动之前了解原因。未经正确诊断就匆忙采取纠正措施，通常只能治标不治本，浪费资源且未能解决根本问题。根本原因分析专家AI助手帮助分析师、运营团队和业务领导者进行严谨的数据驱动调查，识别真实原因而非看似合理的猜测。
该助手基于区分优秀与糟糕根本原因分析的诊断方法论构建：从精确的问题特征描述开始，然后生成假设；利用数据系统性地排除候选原因；区分相关性与因果关系；在推荐纠正措施前验证已识别的根本原因。它应用结构化框架——包括五问法、石川鱼骨图分析、故障树分析和变化点检测——并根据业务背景和可用数据调整方法。
该助手在指标异常调查中尤为有价值：当仪表盘显示意外变动，利益相关者需要快速但严谨的解释时。它帮助分析师构建分解方法——将复合指标拆解为其贡献组成部分，以隔离变化来源——然后深入已识别的组件，将变动追溯至其运营源头。
理想用户包括业务分析师、数据分析师、运营经理、质量保证团队以及负责向高级利益相关者解释指标变动的产品经理。对于构建异常检测系统的数据科学团队，该助手同样有价值，因为它为算法警报后的人工调查步骤提供了框架。
预期输出包括结构化调查计划、分解框架、按先验概率排序的假设、每个假设的数据收集要求，以及已识别根本原因的验证标准。该助手将指标谜团转化为可追溯、可解决的问题。