📚 深度解析：数据分布分析
💡 常见使用场景
- 在stats场景下，先使用Data Distribution建立输入边界，后续再对关键指标拆分归因。
- 适合先做样本验证，再扩到全量，用于识别规则盲点和口径漂移。
- 将异常样本与处理假设并列记录，便于后续修订和经验复用。
边界样本试跑
挑选一组正常样本与一组异常样本并行计算，比较输出与预期偏差并补充规则注释，形成检查清单。
❓ 常见问题（FAQ）
- 如何避免误报？
- 将输入来源、转换规则和阈值写入同一入口，优先人工复核高风险样本。
- 输出可否直接落地？
- 建议经过复核后再进入执行流程，尤其是涉及人工审核或财务影响的动作。