一份可信的 AI 分析報告，至少要包含：決策問題、口徑、主要發現、證據、限制，以及不確定性／下一步。漂亮摘要只能加速閱讀，不能取代這六項；讀者必須能判斷數字代表什麼、從哪裡來，以及哪些結論目前不能下。
六段式報告模板
1. 決策問題：這份報告要支持什麼行動
避免只寫「分析上月表現」。改寫成：「判斷新版 onboarding 是否值得擴大至所有新用戶，主要觀察完成率與七日啟用率。」
問題應指向一個決策，但不要把期望的結論寫進題目。若問題中途改變，應更新分析契約，而不是讓 Report 偷換題目。
2. 口徑：數字如何被定義
至少交代：
- 分析對象與資料粒度；
- 分子、分母與排除條件；
- 日期範圍、時區與 cohort 方式；
- 重要 join key 與資料版本／擷取時點。
例如「完成率 62%」不完整；「7 月首次進入 onboarding 的帳戶中，七日內完成全部必要步驟者占 62%，測試帳戶與已刪除帳戶排除」才可複查。
3. 主要發現：先說答案，再說證據強度
每項發現使用「結論 + 數字 + 比較基準 + 條件」：
新版完成率為 62%，舊版同期為 55%，差 7 個百分點；這是觀察性比較，尚未排除流量來源組成差異。
這種寫法把「發生什麼」與「能否推論原因」分開，避免把相關性包裝成因果。
4. 證據：讓數字能回到查詢
證據不是貼滿 SQL，而是為關鍵數字提供可定位的來源：SQL artifact 名稱、執行步驟、結果欄位與驗證 checkpoint。若一個結論無法指出取數邏輯，它就還不是正式成果。
可用小表維護映射：
| 發現 | Evidence | 驗證 |
|---|---|---|
| 完成率 62% | 02_completion_rate |
分母 distinct account count |
| 行動版流失最高 | 03_dropoff_by_device |
裝置欄位 NULL 占比 |
5. 限制：哪些事情資料回答不了
限制不是免責聲明，而是決策邊界。常見限制包括資料未覆蓋某渠道、事件定義在月中變更、樣本太小、缺少混淆變數，或觀察設計不能支持因果推論。NIST AI RMF 將 AI 風險管理視為設計、使用與評估全生命週期的工作；對分析報告而言，把已知限制顯性化就是可操作的風險溝通。NIST AI RMF
6. 不確定性與下一步：現在該做什麼
結尾應區分：可以立即採取的低後悔行動、需要補資料驗證的假設，以及要由 owner 決定的取捨。例如：「先修復行動版第二步文案；同時用隨機實驗確認新版是否造成完成率提升。」
可直接複製的 Report 骨架
## 決策問題
要支持的決策、對象與時間範圍。
## 口徑
粒度、分子／分母、排除條件、資料時點。
## 主要發現
結論 + 數字 + 比較基準 + 條件。
## 證據
每個關鍵數字對應的 SQL／執行步驟與驗證。
## 限制
覆蓋缺口、假設、偏誤，以及不可推論的事項。
## 下一步
可立即行動、待驗證假設、owner 與檢查時間。
Lantide Data 如何讓 Report 不脫離分析過程
Lantide Data 的 Project Analysis 先以 Plan 對齊口徑，經使用者 Approve & Execute 後留下正式 SQL 與 execution evidence，再產出含具體數字與 limitations 的 Report。Report 可批註修訂，也能轉為 HTML 交付；Plan 與 Report 的角色 各自是執行前契約與執行後成果，不只是聊天摘要。
這種 artifact-first 心智的優點，是讓讀者能從結論回查口徑與 evidence，並讓「改怎麼呈現」和「改怎麼算」分開。HTML 的排版、措辭可微調；若分母或數字錯誤，應回到新 Plan 重新執行，而不是只改畫面上的數字。操作邊界可見 HTML Report 指南。
Lantide 不會自動判定結論是否符合商業現實，也不能把觀察資料變成因果證據；領域判斷、風險承擔與最後決策仍由人負責。
結語
審稿時用六個問題逐項打勾：為何做、怎麼算、發現什麼、證據在哪、不能說什麼、下一步是什麼。缺一項，就把它視為待補的分析工作，而不是交給更漂亮的摘要掩蓋。