整理出一份完整的人工智能简介，将整个模块整合在一起。 Return JSON {"data":"...","questions":"...","checks":"...","deliverable":"..."}: data — 上下文（什么样的数据，一行，单位）； questions - 3-4 个可衡量的导致跌倒原因的问题（趋势、削减、异常）； checks - 如何检查AI数是否收敛； deliverable - 输出是什么：主要结论加上2-3个具有预期效果的优先行动。
强有力的分析不是一个问题，而是一个链条：背景→可衡量的问题→验证→结论→行动。你已经知道如何完成每个部分；结局教你如何将它们缝合在一起。机制：人工智能对所问问题的反应很窄，因此一个大问题必须分解为多个步骤，否则你将得到一个简化的一般答案。杠杆：从一般到具体。一、跌落何处——什么渠道、品类、城市；那么为什么——折扣耗尽了利润，平均账单下降了，或者整个类别消失了。 Insider：将假设分叉成问题。 “如果平均账单下降，原因是折扣；如果支票数量下降，原因是交通堵塞。”分叉提前引导分析而不是徘徊：任何答案都会导致下一步。第二个技巧：总是用有效果的行动来封闭轮廓——没有“做什么”的分析是一个美丽的讣告，对商业没有帮助。一个典型的新手错误：将所有事情都集中到一个巨大的请求中“找出利润下降的原因”。将其分解为步骤并检查每个步骤的数字 - 然后结论就会很可靠。
解锁提交解决方案以供即时 AI 审核的权限。