Daten analysieren und Evidenz entwickeln
Verwenden Sie diese Fähigkeit, wenn die Arbeit davon abhängt, was ein Datensatz unterstützen kann: explorative Datenanalyse, Fehlerbehebung von Messungen, Vergleich von Bedingungen, Überprüfung einer wissenschaftlichen Behauptung oder Auswahl einer technischen Verbesserung. Eine klare Erklärung, eine nützliche Visualisierung, eine überarbeitete Frage oder ein nicht schlüssiges Ergebnis können die Aufgabe abschließen. Die Implementierung ist ein optionaler nächster Modus.
Die Frage stellen, ohne die Erkundung zu verschließen
Identifizieren Sie das Publikum, die Frage, das Quellenmaterial und die Entscheidung, falls vorhanden. Beginnen Sie bei einer offenen Anfrage damit, zu erfassen, was vorhanden ist, was fehlt und welche Fragen die Daten ermöglichen. Schlagen Sie eine vorläufige Analyserichtung vor und revidieren Sie diese, wenn sich Muster abzeichnen. Erfinden Sie keine numerische Akzeptanzschwelle, nur um die Anfrage wie eine Lieferarbeit aussehen zu lassen.
Wählen Sie den Modus, der zur aktuellen Frage passt; das Wechseln des Modus ist erlaubt und sollte sichtbar sein:
| Modus | Angemessenes Ergebnis | Bei Bedarf lesen |
|---|---|---|
| Orientierung / Erklärung | Datenkarte, Metrikdefinitionen, unterstützte Zusammenfassung, unbeantwortete Fragen | Evidenz- und Methodenreferenz |
| Explorative Analyse | Verteilungen, Beziehungen, Segmente, alternative Erklärungen, produktive Folgefragen | Erkunden, bevor eine Erklärung ausgewählt wird |
| Bestätigender Vergleich | Vorab festgelegter Schätzer, verglichene Bedingungen, Unsicherheit, qualifizierte Schlussfolgerung | Vergleichen und hinterfragen |
| Technische Diagnose | Rangfolge der Mechanismen mit unterscheidender Evidenz; Änderungsvorschlag, falls gerechtfertigt | Vom Befund zur Änderung |
Lesen Sie die relevanten Referenzabschnitte, nicht standardmäßig das gesamte Paket. Verwenden Sie für eine umfangreiche oder wiederaufnehmbare Studie das Analyse-Ledger; eine direkte Antwort erfordert kein separates Dokument für jedes Feld.
Die Evidenz vertrauenswürdig machen
Erfassen Sie Quellenidentität und -version, Beobachtungseinheit, zeitliche Basis, Sammelbedingungen und Transformationen. Überprüfen Sie die tatsächlichen Daten, bevor Sie ein Modell auswählen. Gleichen Sie Summen über erfolgreiche, fehlgeschlagene, fehlende, ausgeschlossene und unvollständige Beobachtungen ab. Halten Sie Fehlerbedingungen sichtbar, auch wenn sie nicht in eine Leistungsschätzung eingehen können.
Definieren Sie die Metrik mit ihrer Formel, ihrem Nenner, ihrer Einheit, ihrer Richtung und ihrer Berechtigungsregel. Halten Sie Ereignis-, Lauf-, Subjekt- und Experimentbedingungszählungen getrennt. Eine Million Ereignisse aus drei Läufen sind keine Million unabhängiger Wiederholungen. Kennzeichnen Sie synthetische Daten, berechnete Größen, gemessene Werte und abgeleitete Mechanismen getrennt.
Wählen Sie Analysedimensionen, weil sie die Antwort ändern könnten: Enden und Verteilungen, Untergruppen, Zeit, Arbeitslast, Maßstab, Kontrollen, Wechselwirkungen, Fehlstellen oder Sensitivität. Die Abdeckung folgt der Frage und den Konsequenzen; es gibt keine verpflichtende Diagrammzahl oder festgelegte maximale Anzahl von Hypothesen. Erklären Sie wesentliche Auslassungen, anstatt einen erschöpfenden Katalog zu erstellen.
Wiederholt durch Anfrage-Checkpoints iterieren
Ein Explorationszyklus ist beobachten → interpretieren → hinterfragen → die nächste informative Frage wählen. Halten Sie konkurrierende Erklärungen am Leben, solange die Evidenz schwach ist. Berichten Sie an einem nützlichen Checkpoint, was sich im Verständnis geändert hat, welche verbleibende Unsicherheit besteht, welche vielversprechenden Zweige es gibt und was die Kosten einer Fortsetzung sind. Fahren Sie innerhalb des vereinbarten Ziels und der Ressourcen fort; suchen Sie bei einer wesentlichen Änderung an einem von beiden nach einer Steuerung.
Eine neue Hypothese, ein Nullergebnis, eine fehlgeschlagene wissenschaftliche Vorhersage oder eine uninformative Analyse ist keine fehlgeschlagene Softwarereparatur. Bewahren Sie Versuche auf, tatsächliche Implementierungs- oder Evidenzqualitätsmängel zu beheben, und befolgen Sie etwaige Wiederholungslimits, die vom aktuellen Auftrag vorgegeben werden. Beispielsweise ist das wiederholte Reparieren eines defekten Daten-Joins eine Reparatur; das Ausprobieren alternativer Erklärungen für ein gültiges Muster ist Exploration. Diese Methode definiert keine universelle Wiederholungsanzahl.
Evidenz gezielt weiterleiten
Bereiten Sie folgenreiche wissenschaftliche Behauptungen für eine unabhängige qualifizierte Überprüfung der Evidenz und der Schlussfolgerung vor. Folgen Sie bei Vorhandensein dem Überprüfungsweg des Auftrags; geben Sie andernfalls die Evidenz und die Überprüfungsgrenze an den Anforderer zurück, ohne automatisch ein Team zu bilden. Wenn eine technische Maßnahme ausgewählt wird, übergeben Sie den gestützten Befund, alternative Erklärungen, das Zielverhalten, die tatsächlichen Betriebsbedingungen und einen Validierungsplan, der eine Verbesserung von einer geänderten Arbeitslast oder einer unterbrochenen Korrektheit unterscheiden kann.
Behalten Sie neue Ideen als offene Fragen oder Empfehlungen bei, bis sie übernommen werden. Verwenden Sie ein statistisches Muster nicht stillschweigend in eine Anforderung oder erweitern Sie bestehende Akzeptanzkriterien. Ordnen Sie eine ausgewählte Verbesserung ihrer Anforderung, ihrem Akzeptanznachweis und den relevanten Risiken zu, wobei Sie gegebenenfalls vom Aufrufer bereitgestellte Kennungen verwenden. Der Ingenieur kann einen effektiveren Eingriff vorschlagen; der Analyst besitzt weder ein automatisches Code-Mandat noch die endgültige Freigabeberechtigung.
Beenden Sie mit einer Antwort in der gewünschten Tiefe, zugänglicher Evidenz und Reproduktionsschritten, Einschränkungen, die die Interpretation beeinflussen, und den verfügbaren nächsten Entscheidungen. Setzen Sie das Ergebnis und die wichtigsten Datenhighlights in den Multica-Chat, nicht nur in eine verlinkte Datei. Bevorzugen Sie eine kompakte Zusammenfassungstabelle für einige wenige wichtige Vergleiche und ein Diagramm, wenn es Struktur oder Unsicherheit offenbart; begleiten Sie jedes mit der Population, Achsen, Einheiten, Bedingungen und der gestützten Kernaussage. Fügen Sie ein fokussiertes Diagramm oder einen kleinen, bereinigten Datenextrakt bei/geben Sie ihn ein, wenn die visuelle Darstellung oder die genauen Zeilen das Ergebnis leichter überprüfbar machen; halten Sie vollständige Rohdatensätze und Analysedateien am kanonischen Ort und verlinken Sie sie.