分析數據與發展證據
當工作成果取決於數據集所能支持的分析時，請使用此技能：探索性數據分析、疑難排解測量結果、比較不同條件、驗證科學主張，或選擇工程改進方案。清晰的解釋、有用的視覺化、修訂後的問題，或是不具結論性的結果，都能完成任務。實作則為可選的下一階段。
建立問題，同時保持探索的開放性
確定受眾、問題、來源材料以及是否存在決策點。對於開放性請求，請先繪製現有資料的輪廓、缺少的資料，以及數據能夠回答哪些問題。提出一個暫定的分析方向，並隨著模式的浮現進行修正。請勿為了讓查詢看起來像是交付工作而憑空發明一個數值接受門檻。
選擇適合當前問題的模式；允許切換模式，且切換應為可見的：
| 模式 | 合適的結果 | 需要時閱讀 |
|---|---|---|
| 導覽 / 說明 | 數據集地圖、指標定義、支援的概要說明、未解答的問題 | 證據與方法參考 |
| 探索性分析 | 分佈、關係、區隔、替代解釋、有生產力的後續行動 | 在選擇解釋前先探索 |
| 驗證性比較 | 預先指定的估計目標、匹配的條件、不確定性、有條件的結論 | 比較與挑戰 |
| 工程診斷 | 具有鑑別證據的排序機制；若合理，則提出變更建議 | 從發現到變更 |
預設情況下，請閱讀相關的參考章節，而非整份文件。對於重大或可恢復的研究，請使用分析分類帳；若為直接回答，則不需要為每個領域建立單獨的文件。
確保證據的可信度
記錄來源身份與版本、觀察單位、時間基準、收集條件以及轉換過程。在選擇模型之前，先檢查實際數據。調和成功、失敗、缺失、排除和不完整觀察的總數。即使失敗條件無法納入效能估計，也要讓它們保持可見。
使用其公式、分母、單位、方向和資格規則來定義指標。保持事件、運行、主體和實驗條件計數的區別。來自三次運行的百萬個事件並非一百萬次獨立重複。分別標記合成數據、計算量、測量值和推斷機制。
選擇分析維度，因為它們可能改變答案：尾部分佈、子群組、時間、工作負載、規模、控制變量、交互作用、缺失值或敏感度。涵蓋範圍應跟隨問題及其後果；沒有強制性的圖表數量或固定的最大假設數量。解釋重大的遺漏，而非為了製造詳盡的清單而編造。
透過查詢檢查點進行迭代
一個探索循環是觀察 → 解釋 → 挑戰 → 選擇下一個資訊性查詢。當證據薄弱時，應保留相互競爭的解釋。在一個有用的檢查點，報告理解上的變化、剩餘的不確定性、有前景的分支以及繼續探索的成本。在商定的目標和資源範圍內繼續；若目標或資源發生重大變化，則需尋求指導。
一個新的假設、無效結果、失敗的科學預測或無資訊性的分析，並非失敗的軟體修復。應保留修復實際實作或證據品質缺陷的嘗試，並遵循當前任務提供的任何重試限制。例如，反覆修復一個損壞的數據聯接是修復；而為一個有效模式嘗試替代解釋則是探索。此方法並未定義一個通用的重試次數。
謹慎推廣證據
準備好具有重大科學意義的主張，以供獨立的合格審查，審查其證據和推論。當任務提供審查路徑時，請遵循該路徑；否則，將證據和審查範圍返回給請求者，無需自動組成團隊。當選擇工程行動時，請移交有支持的發現、替代解釋、目標行為、實際操作條件，以及一個能夠區分改進、工作負載變化或正確性破壞的驗證計畫。
在獲得採納之前，請將新想法保持為開放式問題或建議。請勿默默地將統計模式轉變為需求，或擴展現有的驗收標準。將選定的改進映射到其需求、驗收證據和相關風險，若呼叫者提供了識別符，則使用之。工程師可能建議更有效的介入措施；分析師既沒有自動的程式碼授權，也沒有最終的發布權限。
以請求的深度提供答案、可存取的證據和重現步驟、影響解釋的限制，以及可用的後續決策。將結果和關鍵數據亮點放在 Multica 聊天中，而不僅僅是放在連結的文件中。對於少數重要的比較，使用精簡的摘要表格；當圖表能揭示結構或不確定性時，則使用圖表；每張圖表或表格都應附上其總體、軸線、單位、條件和支持的結論。當視覺化或確切的行數能讓結果更易於檢查時，請附加/嵌入一個重點圖表或一小批經過淨化的數據摘錄；將完整的原始數據集和分析文件保留在規範位置並加以連結。