limingrui679-design/high-stakes-analytics-decision-lab

解決する課題

重要度の高い分析は、不明確な質問、隠されたデータクレンジングの選択、および証拠が弱い場合でも推奨事項を強制する傾向があるため、しばしば失敗します。本プロジェクトは、いかなる意思決定やアクションが提案される前にも、厳格なデータ検証と再現可能な証拠が確立されることを保証する証拠ゲート型オーケストレーションシステムを提供します。

仕組み

システムは、質問から結果へと進めるために、厳密な一連のゲートと適応型ルートを使用します：

1. データ準備ゲート：分析の前に、システムは元のソースを保持し、品質とプライバシーをプロファイリングし、データコントラクトをチェックします。重大な障害（スキーマや漏洩の問題など）が見つかった場合、ワークフローを停止できます。
2. 適応型ルーティング：質問に応じて、システムは4つのパスのいずれかを通じて分析をルーティングします：記述的（何が起きているか）、診断的（なぜ起きているか）、予測的（次に何が起こりそうか）、または処方的（何をすべきか）。
3. 証拠ファースト出力：手法、検証、不確実性を詳述した主要な「証拠インテリジェンスレポート」を作成します。証拠とコンテキストが具体的に意思決定を正当化する場合にのみ、「意思決定インテリジェンスブリーフ」が追加されます。
4. トレーサブルなコミュニケーション：再現性を確保するため、すべての主張と数値は、機械可読な結果（JSON/CSV）、ハッシュ、および再実行可能なコードにリンクされています。

対象者

再現性、データの完全性、および根拠のない主張の回避が重要となる、重大な影響を持つ分析を実行するアナリストや研究者。

ハイライト

• 証拠ゲート型ワークフロー：各分析ルートのデータ準備と正当性を要求することで、弱い証拠が強い主張へと「アップグレード」されるのを防ぎます。
• 4つの分析ルート：記述的、診断的、予測的、処方的分析のための構造化されたパスであり、それぞれに特定の規範要件があります。
• 再現可能なポートフォリオ：運用需要から空間的公平性まで、さまざまな証拠パスを示す15の実データケースが含まれています。
• エージェントスキル統合：AIエージェントフレームワーク内で使用するために、コンパクトな「エージェントスキル」としてインストールできます。