1. 概述

归因分析支持大模型自主调用，对指定指标或数据模型进行全维度拆解与深度分析。系统会自动计算各维度及维值对指标变化的贡献度，精准识别影响数据结果的关键维度及对应取值，帮助用户快速定位问题根因并提供优化建议。

2. 应用场景

业绩波动根因定位：当核心数据，例如销售额、合同额，出现异常上涨或下跌时，系统可通过多维度自动拆解，快速定位是哪个区域、渠道、产品或用户群体导致数据波动，帮助用户明确问题根源。

活动效果量化评估：针对营销活动、运营策略进行效果归因，统计各维度对目标结果的贡献度，清晰判断活动真实成效与关键影响因素。

业务问题深度诊断：对转化率、留存率、复购率等关键指标下滑进行分析，识别影响数据表现的核心维度与异常值，为问题修复提供依据。

经营决策数据支撑：通过维度贡献度分析，帮助管理层判断哪些业务线、区域或产品对整体业绩影响最大，为资源投放、策略调整提供数据支持。

3. 数据模型分析

3.1 能力说明

同环比归因：对比两个不同日期下同一指标的数据变化，计算各维度的贡献度，解读差异原因。例如，分析 2025 年同比 2024 年大数据合同额的变化。

离散归因：对比两个离散字符串或数字类型维度的维值之间指标变化关系。例如，对比“金融行业”与“央国企行业”在 2025 年的大数据合同额差异，或对比“举办活动”与“未举办活动”的效果。

3.2 结果说明

归因建议：结合各维度指标、对比数据及贡献率完成智能归纳复盘，依托 AI 大模型梳理核心问题与优势项，拆解数据背后成因，最终结合实际业务场景落地，提供针对性优化方向与可执行建议。

4. 指标归因分析

4.1 能力说明

同环比归因：对比两个不同日期下同一指标的数据变化，计算各维度的贡献度，解读差异原因。例如，分析 2025 年同比 2024 年大数据合同额的变化。

预实比归因：对比指标中配置的目标值与实际值之间的变化关系。例如，配置的目标值为“20000”与实际值“10000”，在归因面板内呈现 50% 的目标达成率。

4.2 结果说明

指标图谱：显示以该指标为根节点的指标图谱缩略图，支持点击节点查看指标详情。

总结与行动建议：根据指标内预设的默认提示词框架完成内容填充和输出，支持进入【指标平台 - 指标编辑 - 同环比归因 / 预实比归因 - 编辑提示词 - 归因解读提示词】自定义框架，详情见指标平台提示词配置部分。

4.3 操作说明

归因日期：支持自定义设置归因分析的日期范围，并可灵活切换对比周期。

归因维度：默认分析指标或数据模型中的全部维度，支持编辑调整不同维度对结果的贡献度，修改后系统将自动重新执行归因计算。

维度拆解：

1. 交叉组合归因：对多个维度进行自由组合关联分析，维度间存在层级顺序，根据【变化量】降序排列。该方式可实现多层级递进式拆解分析，默认按照关联维度的顺序逐层拆解，支持手动调整维度顺序。
2. 多层穿透归因：从汇总数据逐层下钻至明细层级，维度间无层级概念，根据【变化量】降序排列。该方式可实现多维度并行对比，精准识别多维度共同作用下对指标结果的影响。支持手动调整维度顺序，支持设置 TopN。
3. 指标图谱按钮：鼠标移入指标值，点击按钮可查看当前总指标的指标图谱。当前指标存在图谱的情况下显示该功能按钮。
4. 贡献度数据：当前维度的维值变化量占指标总变化量的百分比。