讀時間： 約 5 分鐘 · 系列： 分析師進階 · 上一步： 快取與 Source Run · 下一步： Plan vs Memory
它們做什麼
Lantide 內建一組 AI 數據分析工具（t 檢定、卡方、ANOVA、線性／邏輯迴歸、相關、預測、分群、PCA、ARIMA 等），由 Agent 在對話中透過 activate_analysis 啟用。
重點：
- 統計在 SQL 備好的表 上跑，不是取代 SQL 取數
- 結果主要在 AI 對話 呈現，不會改寫 原始資料檔
- 適合 Execute 後的「這張乾淨表上還要做檢定／建模嗎？」
完整工具清單與參數說明見 USER_GUIDE §12.9。
什麼時候會用到
| 場景 | 典型流程 |
|---|---|
| A/B 轉化差異 | SQL 聚合兩組樣本 → 對話中 t 檢定 / 卡方 |
| 留存曲線解讀 | SQL 算 cohort 表 → 對話解讀 + 必要時建模 |
| 多因子相關 | SQL 整理 wide 表 → 相關 / 迴歸 |
Agent 也可能依 分析方法論 在 Plan 裡建議 checkpoint（例如「比較組樣本是否足夠」）——方法論指導 Plan 怎麼寫，不是跳過 SQL。
兩條規則（分析師必知）
1. Planning 階段不跑正式統計
還在改 Plan、對口徑時，Agent 應專注探索 schema 與修訂計畫。若你發現 Planning 中 Agent 急著跑檢定，應先把 分母與樣本定義 寫進 Plan。
2. 執行前 Agent 會問你確認
無論 Quick 還是 Executing，啟用統計工具前 Agent 通常會用互動問題確認：欄位對應、對照組、顯著性門檻等。不要跳過確認——參數錯了，檢定再快也沒意義。
和 Excel / Python notebook 怎麼選
| 對話統計工具 | 自己 export 後建模 | |
|---|---|---|
| 口徑 | 前置 SQL 仍在 Lantide | 易與取數脫節 |
| 重現 | 同一 SQL + 對話紀錄 | 靠個人習慣 |
| 深度 | 覆蓋常見檢定與基礎 ML | 幾乎無上限 |
建議： 取數與口徑留在 Lantide SQL；探索性、與 Plan 綁在一起的檢定 用對話工具；極客製化 pipeline 再 export 或另開 notebook，但正式交付仍應指回 SQL / Report。