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

해결하는 문제

고위험 분석은 종종 불명확한 질문, 숨겨진 데이터 정제 선택, 그리고 증거가 약할 때에도 권장 사항을 강제하려는 경향으로 인해 실패합니다. 이 프로젝트는 어떤 의사결정이나 행동이 제안되기 전에 엄격한 데이터 검증과 재현 가능한 증거가 확립되도록 보장하는 증거 게이트 오케스트레이션 시스템을 제공합니다.

작동 방식

이 시스템은 질문에서 결과로 나아가기 위해 엄격한 일련의 게이트와 적응형 라우팅을 사용합니다:

1. 데이터 준비 게이트: 분석 전에 시스템은 원본 소스를 보존하고, 품질과 개인정보 보호를 프로파일링하며, 데이터 계약을 확인합니다. 스키마나 누출 문제와 같은 치명적인 오류가 발견되면 워크플로우를 중단할 수 있습니다.
2. 적응형 라우팅: 질문에 따라 시스템은 4가지 경로 중 하나를 통해 분석을 라우팅합니다: 기술적(무슨 일이 일어나고 있는가), 진단적(왜 일어나는가), 예측적(다음에 무엇이 일어날 가능성이 있는가), 또는 처방적(무엇을 해야 하는가).
3. 증거 우선 출력: 방법론, 검증 및 불확실성을 상세히 설명하는 기본 "증거 인텔리전스 보고서"를 생성합니다. 증거와 맥락이 구체적으로 의사결정을 정당화하는 경우에만 "의사결정 인텔리전스 브리프"가 추가됩니다.
4. 추적 가능한 커뮤니케이션: 재현성을 보장하기 위해 모든 주장과 수치는 기계 판독 가능한 결과(JSON/CSV), 해시 및 재실행 가능한 코드에 연결됩니다.

대상

재현성, 데이터 무결성 및 근거 없는 주장의 회피가 중요한, 결과에 중대한 영향을 미치는 분석을 수행하는 분석가와 연구원.

주요 특징

• 증거 게이트 워크플로우: 각 분석 경로에 대한 데이터 준비와 정당성을 요구함으로써 약한 증거가 강한 주장으로 "업그레이드"되는 것을 방지합니다.
• 4가지 분석 경로: 기술적, 진단적, 예측적 및 처방적 분석을 위한 구조화된 경로이며 각각 특정 규율 요구사항이 있습니다.
• 재현 가능한 포트폴리오: 운영 수요에서 공간적 형평성에 이르기까지 다양한 증거 경로를 보여주는 15개의 실제 데이터 사례가 포함되어 있습니다.
• 에이전트 스킬 통합: AI 에이전트 프레임워크 내에서 사용하기 위해 간결한 "에이전트 스킬"로 설치할 수 있습니다.