看板与报告：共用可信底座，但完成不同的工作
拆解 Build Dashboard 与 Build Report：读者要持续看状态还是理解一次判断、两者在指标模型与完成标准上的差别，以及为什么“已经完成”不是可用证明。
知识路径
Data Agent
算得能复现，图才有说服力
拆解 Jupyter Notebooks 与 Visualize Data：Notebook 的结构与执行完成条件、图表契约的六个要素，以及为什么好看不能掩盖不可靠。
数据质量与分析验证：两道门守住不同的风险
拆解 Analyze Data Quality 与 Validate Data：从粒度判断到质量画像、从受影响人群到独立复算，解释为什么数据全对也可能算错，以及验证结果如何决定交付方式。
市场有多大：别只报一个数，要交付一套能追问的估算
拆解 Market Sizing：如何定义市场边界与计量单位、在自上而下与自下而上之间选择、把事实、代理与假设分开标注，并用敏感性分析说明哪个假设最值得先验证。
指标跌了，先复现变化，再谈原因与行动
拆解 Metric Diagnostics 与 Product & Business Analysis：如何先锁定口径复现变化、用分子分母和分组贡献定位驱动、区分已验证与未解释，再把诊断转成有条件的业务选择。
从定义成功到持续经营：KPI 系统的完整闭环
拆解 Design KPIs 与 KPI Reporting：候选指标如何筛选、Outcome／Drivers／Guardrails 如何分层、经营读数在判断状态前必须锁定的六个口径，以及为什么原因不能现场编。
别急着查数：先把业务背景收集到足以继续
用搜索锚点、证据漏斗、冲突处理和停止条件构造 Context Note，让 Data Agent 回答真正影响决策的问题。
15 个数据分析 Skills，谁来决定该调用哪一个
拆解 Data Analytics Index 的资格门、主 Skill 路由、控制来源和完成门，解释数据 Agent 为什么必须先选择工作方法，再调用工具。