深度探究：归因分析与决策沙盘

DigMind 的核心竞争力之一在于探究数据背后的深层影响。面对复杂的业务指标波动（例如：“本月某地区销量异常下降 5%”），DigMind 提供了从指标建模、自动归因挖掘到沙盘图谱推演的完整深度分析链路。

---

1. 业务指标配置预设

要让 AI 准确理解您的业务逻辑，第一步是进行前置的数据建模。

• 本体与语义模型设定：进入左侧菜单的 数据建模（本体设计器） 模块。
• 配置业务指标：在这里将您的核心业务关注点提炼并定义为系统级指标，为后续的异动监控与自动归因打下基础。

2. 自动化归因分析 (Attribution Analysis)

指标配置完成后，当您需要对某项异动指标进行深度挖掘时，可以通过生成具体的归因报告来完成：

• 新建归因报告：前往 📂 资源空间，点击新建并选择生成“归因报告”。系统会引导您选择刚才在建模时建立的业务指标。
• 全局时间大盘窗口（新）：归因报告界面现已新增全局时间周期选择器，支持您自由调整时间大盘窗口以进行更深度的多维趋势分析。
• 切片归因 (Slice Attribution)：系统会自动对庞大的数据进行多维度的切片，精准识别出究竟是哪个区域、哪个品类或渠道出现了数据异常。
• 拟真预测审核（新）：为拟真预测结果引入了全新的审核机制，进一步保障模型输出结果的准确性与可靠性。
• 因子发现 (Factor Discovery)：在定位异常切片后，系统会进一步向底层穿透，智能挖掘出导致该切片异常的底层真实根因（例如：“核心主材供应链周转率低下”或“区域性库存短缺”）。此外，依托于最新的智能引擎底层，所有的挖掘因子已经被全面汉化为中文指标名词展现给用户。
• 公开解释指引（新增）：为防范“知其然而不知其所以然”，现在每份生成的归因报告及智能建议都附带了针对该推理链路的公开解释文档指引链接，帮助您清晰地看懂系统为什么会生成这样的判定策略。

3. 智能决策沙盘 (Decision Sandbox)

找到了根因，业务策略应该如何调整？这就需要依赖 智能决策沙盘。

• 归因图谱分析：这里是进行业务因果关系探索的核心阵地。
• 因果链路直观推演：您可以基于知识图谱生成的节点关联，在可视化画布上直观地推演各个业务变量之间的因果链路。当您分析某个前置底层因子（如库存预警）时，可以在沙盘中清晰地看到其如何沿着知识图谱链路，一步步向上传导并最终影响整体财务或营收指标的涟漪效应。

---