多源接入与口径治理
支持批量、流式与接口三类接入，统一字段字典与枚举值。空值率控制在 3% 以内，主键重复率低于 0.5%，每次变更留痕可回溯。
交付物：字段字典 + 质量日报核心能力
三项可被伙伴复用的数据能力
每项能力都给出可交接的输入输出契约：字段清单、更新频率、质量阈值与解释责任方，避免协作到一半才发现口径不一致。
特征加工与挖掘建模
把业务假设拆成可验证特征，按周迭代；分类任务以 AUC 0.78 为上线基线，回归任务以 MAPE 低于 12% 为准入线，模型卡随版本归档。
交付物：特征表 + 模型卡
结论解释与协作分发
每个结论附置信区间与样本量，禁止只给单点数值。结论卡片可一键分发到伙伴看板，并标注责任人与复核时间，减少反复确认。
交付物：结论卡 + 复核记录常见问题
协作中最常被追问的四个问题
把分歧前置到项目启动会解决，比在交付前返工便宜得多。以下回答均可直接写进协作备忘录。
双方指标口径不一致，先改谁的？
先冻结维度表，再对齐事实表。做法：把争议指标拆成「分子事件 + 分母口径 + 时间窗」三要素，逐项签字确认。量化目标：口径争议条目从平均 14 条降到 6 条以内。
数据挖掘模型多久复训一次？
按漂移速度分级：高漂移场景（营销、风控）按月复训；中漂移（供应链、库存）按季度；低漂移（客户分层）按半年。同时监控 PSI，超过 0.2 触发紧急复训。
分屏设计对用户体验优化的价值是什么？
把「问题」与「证据」并置，减少上下文切换。实测中，分析人员定位一个异常根因的平均点击次数由 9 次降至 4 次，结论复核往返轮次从 3 轮降到 1.5 轮。
伙伴能拿到多细的数据？
按最小必要授权：仅开放任务所需字段，敏感字段做脱敏或聚合到 50 条以上样本组再输出。所有访问记录保留 180 天，异常下载 5 分钟内告警。
合作伙伴墙
六类角色，各拿一份清晰的接口
生态协作的关键不是拉更多人进来，而是让每类角色只关心自己那一段：数据供给、建模、业务解释与落地执行各司其职。
数据源方提供字段与更新频率
平台工程保障调度与血缘
算法团队负责特征与模型卡
业务分析提出假设并验收
合规风控审授权与脱敏规则
创意策划把结论转成表达
实用指导清单
启动一个数据挖掘协作项目的六步
按顺序执行，每步都给出可量化验收标准；任何一步不达标就先修，不要带着问题进入下一步。
把业务问题写成可验证假设
格式固定为「在某群体中，某行为在 7 天内变化超过 X%，则某指标会提升 Y%」。验收：假设能被一条 SQL 或一次实验直接证伪。
冻结维度与字段口径
输出字段字典，标注类型、枚举、空值处理与责任人。验收：空值率 ≤3%、主键重复率 ≤0.5%、字段变更 24 小时内同步到字典。
构建特征并做单变量检验
先单变量，再多变量。验收：单特征 IV 大于 0.02 才进入候选，特征间相关系数高于 0.85 时只保留解释性更强的一个。
建模并按基线卡点
划分训练、验证、时间外样本三层。验收：分类 AUC ≥0.78、回归 MAPE ≤12%，且时间外样本衰减不超过 5 个百分点。
解释并写成结论卡
给出效应量、置信区间与样本量，标注不适用场景。验收：业务方在 10 分钟内能复述结论与边界条件，不需再次追问。
上线监控与复训排期
监控 PSI、命中率与线上指标偏差。验收：PSI >0.2 自动触发复训，偏差连续 3 天超过阈值即回滚上一版本。
解决方案对比
三种协作落地方式的取舍
预算、周期与可控性往往不可兼得，先明确最不能妥协的那一项，再选路径。
| 维度 | 自建数据挖掘平台 | 与伙伴共建 | 采购成品分析工具 |
|---|---|---|---|
| 首版上线周期 | 约 10–14 周 | 约 5–8 周 | 约 2–4 周 |
| 口径可控性 | 完全可控，需自建治理 | 双方共同治理 | 受工具模型限制 |
| 特征复用率 | 可达 65% 以上 | 约 45–55% | 通常低于 25% |
| 长期成本 | 人力投入高 | 按阶段分摊 | 订阅费用随席位增长 |
| 适用场景 | 核心指标长期沉淀 | 快速验证并逐步自建 | 标准化报表与看板 |
工作流程步骤
粘性堆叠：一条任务从提问到复盘的链路
向下滚动时每张卡片会依次覆盖上一张，对应数据挖掘任务的推进阶段，便于在评审会上逐段汇报。
01 提问与登记
业务方提交问题，登记假设、影响面与期望指标；分析负责人 1 个工作日内确认可行性并给出排期。
02 取数与特征构建
按字段字典取数，构建候选特征并做单变量筛选；产出可复跑的特征脚本，保证任何人重跑结果一致。
03 建模与验证
训练、调参与时间外验证并行推进，保留最优与最稳两个版本，避免只追指标而牺牲稳定性。
04 解释、分发与复盘
输出结论卡并分发到伙伴看板，标记责任人与复核时间；上线两周后复盘实际偏差，沉淀为下一轮假设。
数据可视化面板
协作健康度的四个关键读数
面板只放能驱动动作的指标，每个数值都标注统计周期与责任方，避免看板沦为装饰。
96.4%字段可用率（近 30 天）
0.31 PSI模型漂移指数（需复训）
78.2%结论被采纳并执行率
1.5 轮结论平均复核轮次
主色：平台侧指标辅助：伙伴侧指标强调：需关注阈值
近六周任务推进节奏
单位：完成的任务数。取数与特征阶段耗时占比最高，建议优先优化接入链路与字段字典的完备度。
取数与特征 62%
建模与验证 21%
解释与分发 11%
复盘与沉淀 6%