核心用法
majia-huiyuan（会员数据顾问·马甲实战版）是一套面向连锁零售/餐饮会员运营的开源数据中台样板间。用户以自然语言提问，Skill 根据意图路由至三大资产响应：
1. 查口径/公式：复购率、RFM分层、核销率、留存流失等3100行标准SQL，附口径选项对比（如跨天vs非跨天复购）
2. 要业务动作的数据依据：召回、提频、防流失、渠道迁移等场景，按「圈谁→何时→力度→派给谁→怎么回收」五件套输出人群条件、阈值决策表、任务池NBA模型
3. 搭CDP/标签体系：OneID身份桥、param_参数表范式、Profile+Events双层结构
4. 从零设计会员数仓：按DIM→DWD→DWS→ADS分阶段给最小可用集，55个逻辑数据集当checklist诊断缺口
5. 生成建表语句：Spark 3.4方言，主动提醒MySQL/ClickHouse/PG函数差异
6. 规划看板体系：12张角色看板（老板驾驶舱、店长指挥台等）按组织架构裁剪
7. 数据质量排障：9项合流检查+9项业务不变量回归
关键设计：同一运营动作「数据依据」在本 Skill，「执行内容」（话术/SOP/企微操作）切至 majia-siyu，用户从任一侧进入均需告知另一半。
显著优点
- 白盒可审计：全部SQL、口径、阈值逻辑开源可查，非黑箱SaaS
- 生产级脱敏：3100行公式来自真实履职，经脱敏处理，结构可直接参考
- NBA任务池完整模型：市面MA/SCRM产品的核心四段（输入→决策→执行→回收）用BI+ETL即可复刻，含9类任务类型与P0-P2优先级映射
- 阈值定标方法论：活跃/沉睡/流失天数从分布拐点定标，非拍脑袋
- 多引擎适配：Spark 3.4为源，主动提示跨引擎函数差异
潜在缺点与局限性
- 模拟数据陷阱：全部数值为模拟生成，绝不可当行业基准或真实经营数据引用
- T+1批处理：不支持秒级实时触发，实时MA需对接系统
- SQL非即插即用：需按实际表名、字段、引擎调整，承诺已从"换表名即可生产"取消
- 界外明确不接：付费广告回流归因（曝光/点击/消耗）、触达通道API对接执行不在库内
- 双口径并存风险：RFM有8类（高低二分）与9类（5分制）两套，需先问场景再选，易混用
适合的目标群体
- 连锁品牌会员运营/数据分析负责人，需自建CDP或诊断现有体系
- 区域运营经理，需「圈人-派活-回收」的数据依据而非黑箱系统
- 数据中台工程师，需会员域DWD/DWS层设计范式与字段词典
- 观远BI用户，需复刻整套ETL与看板（平台操作细节切majia-guanyuan）
常规使用风险
1. 口径不一致风险：复购、留存等指标口径选项多，未对齐即计算会导致决策偏差
2. 引擎迁移风险：Spark函数在其他引擎可能不存在或行为差异（如日期函数）
3. 时间归因混淆：同批次需统一as_of_date；无对照组时只能称"关联GMV"，不可称"贡献销售"
4. 历史JSON误导：*/原始JSON/为v1.4.0快照，非v1.4.1校正后权威实现，应以ETL/逻辑SQL/为准
5. 身份匹配置信度：OneID合并需关注匹配置信度与优先级，非简单union