一份可信的 AI 分析报告，至少要包含：决策问题、口径、主要发现、证据、限制，以及不确定性／下一步。漂亮摘要只能加速阅读，不能取代这六项；读者必须能判断数字代表什么、从哪里来，以及哪些结论目前不能下。
六段式报告模板
1. 决策问题：这份报告要支持什么行动
避免只写「分析上月表现」。改写成：「判断新版 onboarding 是否值得扩大至所有新用户，主要观察完成率与七日启用率。」
问题应指向一个决策，但不要把期望的结论写进题目。若问题中途改变，应更新分析契约，而不是让 Report 偷换题目。
2. 口径：数字如何被定义
至少交代：
- 分析对象与资料粒度；
- 分子、分母与排除条件；
- 日期范围、时区与 cohort 方式；
- 重要 join key 与资料版本／撷取时点。
例如「完成率 62%」不完整；「7 月首次进入 onboarding 的帐户中，七日内完成全部必要步骤者占 62%，测试帐户与已删除帐户排除」才可复查。
3. 主要发现：先说答案，再说证据强度
每项发现使用「结论 + 数字 + 比较基准 + 条件」：
新版完成率为 62%，旧版同期为 55%，差 7 个百分点；这是观察性比较，尚未排除流量来源组成差异。
这种写法把「发生什么」与「能否推论原因」分开，避免把相关性包装成因果。
4. 证据：让数字能回到查询
证据不是贴满 SQL，而是为关键数字提供可定位的来源：SQL artifact 名称、执行步骤、结果栏位与验证 checkpoint。若一个结论无法指出取数逻辑，它就还不是正式成果。
可用小表维护映射：
| 发现 | Evidence | 验证 |
|---|---|---|
| 完成率 62% | 02_completion_rate |
分母 distinct account count |
| 行动版流失最高 | 03_dropoff_by_device |
装置栏位 NULL 占比 |
5. 限制：哪些事情资料回答不了
限制不是免责声明，而是决策边界。常见限制包括资料未覆盖某渠道、事件定义在月中变更、样本太小、缺少混淆变数，或观察设计不能支持因果推论。NIST AI RMF 将 AI 风险管理视为设计、使用与评估全生命周期的工作；对分析报告而言，把已知限制显性化就是可操作的风险沟通。NIST AI RMF
6. 不确定性与下一步：现在该做什么
结尾应区分：可以立即采取的低后悔行动、需要补资料验证的假设，以及要由 owner 决定的取舍。例如：「先修复行动版第二步文案；同时用随机实验确认新版是否造成完成率提升。」
可直接复制的 Report 骨架
## 决策问题
要支持的决策、对象与时间范围。
## 口径
粒度、分子／分母、排除条件、资料时点。
## 主要发现
结论 + 数字 + 比较基准 + 条件。
## 证据
每个关键数字对应的 SQL／执行步骤与验证。
## 限制
覆盖缺口、假设、偏误，以及不可推论的事项。
## 下一步
可立即行动、待验证假设、owner 与检查时间。
Lantide Data 如何让 Report 不脱离分析过程
Lantide Data 的 Project Analysis 先以 Plan 对齐口径，经使用者 Approve & Execute 后留下正式 SQL 与 execution evidence，再产出含具体数字与 limitations 的 Report。Report 可批注修订，也能转为 HTML 交付；Plan 与 Report 的角色 各自是执行前契约与执行后成果，不只是聊天摘要。
这种 artifact-first 心智的优点，是让读者能从结论回查口径与 evidence，并让「改怎么呈现」和「改怎么算」分开。HTML 的排版、措辞可微调；若分母或数字错误，应回到新 Plan 重新执行，而不是只改画面上的数字。操作边界可见 HTML Report 指南。
Lantide 不会自动判定结论是否符合商业现实，也不能把观察资料变成因果证据；领域判断、风险承担与最后决策仍由人负责。
结语
审稿时用六个问题逐项打勾：为何做、怎么算、发现什么、证据在哪、不能说什么、下一步是什么。缺一项，就把它视为待补的分析工作，而不是交给更漂亮的摘要掩盖。