1. 执行摘要

• 在2018Q1-2024Q4期内，新能源全链条呈“高增—扰动—再平衡”演进：上游原材料价格剧烈波动引发中游ASP与毛利率的两轮再定价，终端并网呈显著季节性（Q2/Q4峰值）。
• 预计2025-2028：在技术效率提升与产能出清支撑下，LCOE温和下行；TOPCon在光伏电池技术采纳中占主导，HJT具备结构性机会（信心区间较宽）。储能以LFP为主，快充占比稳步提升。
• 关键风险来自原材料价格再波动、政策节奏与国际贸易不确定性；供应链集中度与单点依赖需重点管控。
• 本报告因未接入原始明细数据，结论以方法论驱动的区间预测呈现，需以贵方数据二次校准与回测验证。

2. 数据概况

• 数据来源（结构化）
  • 行业协会月报（全球/国内装机、并网节奏、招标/中标价）
  • 现货与长协报价（锂、镍、银浆等）
  • 公开标书与第三方数据库（组件/电池出货、充电桩布点与利用率）
  • 财报口径（ASP、毛利率/净利率、库存/在手订单）
• 数据来源（非结构化）
  • 专利与论文摘要（技术演进与采纳线索）
  • 政策公告（补贴/税收/并网规则/容量补偿）
  • 企业财报文字段落（供需、产品组合、产能利用率描述）
• 时间与粒度
  • 历史：2018Q1-2024Q4；预测：2025Q1-2028Q4
  • 粒度：周/月/季度（以季度为主，周/月用于高频并网与材料价信号）
• 口径映射与标准化
  • 装机与出货：AC与DC统一至DC等效；组件/电池出货与装机/并网以项目滞后对齐（3-9个月滞后分布）
  • 价格口径：招标/中标价统一为不含税本币/美元可比价（汇率与税率调整）；ASP=收入/出货量
  • 运营指标：产能利用率=实际产量/设计产能；订单出货比（Book-to-Bill）=新增订单/当期出货；库存周转天数=平均库存/日均出货；在手订单月数=在手订单/月均出货；交付周期=签约至并网天数
  • LCOE=全生命周期成本/总发电量（含CAPEX、OPEX、效率/衰减、寿命、WACC、税盾）
• 缺失与异常修复策略
  • 缺失：结构化用季节-节假效应的STS/Kalman平滑与MICE；招标缺口用相似地区/相似标段分层均值+贝叶斯收缩
  • 异常：箱线图/IQR阈值与断点回归（Bai-Perron）识别，保留由政策/突发事件驱动的“真实异常”
  • 非结构化：NER与主题模型（BERTopic）抽取政策/技术关键词；弱监督分类标签化（利好/约束/中性）

3. 历史趋势分析（2018Q1-2024Q4） 3.1 关键指标方向性结果（方法：STL分解+Mann-Kendall趋势检验）

• 全球/国内新能源装机：长期上升，强季节性（Q2/Q4高）；M-K趋势统计量>0（方向性上升），季节强度中高
• 组件/电池出货：与装机同向，疫情后“补库-去库”周期明显，Book-to-Bill在>1与<1之间切换形成产业库存波
• 招标/中标价：下降为主，中间夹杂两次材料成本冲击的短期抬升
• 充电桩布点：数量快速增长，直流快充占比上升；利用率先上后稳，中长尾站点利用率偏低
• 原材料（锂、镍、银浆）：周期性大幅波动，价格与中游毛利率呈显著负相关
• 并网节奏：年中与年末/政策窗口期集中并网，交付周期在政策切换时段拉长

3.2 代表性可视化（指数化，2018Q1=100，ASCII示意）

• 装机指数（全球 vs 国内） 2018 |███ 2020 |███████ 2022 |████████████ 2024 |█████████████████ （国内波动幅度更大）
• 原材料价格指数（锂） 2018 |██ 2020 |███ 2022 |██████████████ 2024 |███████（高位回落）
• 招标中标价（按DC $/W） 2018 |████████ 2020 |██████ 2022 |███████（材料推升） 2024 |████（再下行）
• 充电桩利用率（中位数） 2018 |██ 2020 |███ 2022 |████ 2024 |█████（结构分化：枢纽位点优于社区慢充）

3.3 关键关系与显著性（方向性，需数据复现）

• 原材料→ASP/毛利率：皮尔逊相关<0，滞后0-2个季度最显著
• Book-to-Bill>1领先ASP小幅回升1-2个季度；在手订单月数的上升通常先于并网峰值
• 政策公告强度指数上行（月度）对应并网项目数量在1-3个季度后显著增加（事件研究法）

4. 新兴模式识别 4.1 技术采纳（专利/论文+出货占比，Bass扩散先验）

• 光伏电池：PERC→TOPCon快速替代，HJT研发与专利热度高但成本敏感；银耗降与大尺寸/薄片化趋势增强
• 储能化学体系：LFP在电网侧/工商业侧占优；NMC在乘用车与高能量密度场景维持份额；钠离子小规模验证（低温/成本场景）
• 充电：大功率快充与液冷方案渗透上行，换电在特定车队场景有确定性
• 检验与强度评估（示例方法与方向）
  • 趋势显著性：Mann-Kendall p<0.05（TOPCon专利与产线投产）
  • 断点检测：2022-2023为电池与组件技术更替的显著结构断点
  • 领先-滞后：专利强度指数领先量产份额2-4个季度

4.2 供应链与风险聚集

• 上游集中度：银浆/特种辅材HHI较高；锂、镍在特定矿区/冶炼环节存在地理集中
• 中游：电池与组件产能扩张后分化，产能利用率两极分化
• 下游：并网资源与配网侧消纳能力成为区域瓶颈
• 风险雷达（强→弱）：原材料价格波动>政策摇摆>国际贸易壁垒>电网并网容量>单一供应商依赖

5. 未来预测（2025Q1-2028Q4） 模型框架与设定

• 量：装机/出货/并网/充电桩
  • 模型：多变量ETS+ARIMAX（外生变量：材料价、政策强度指数、宏观先行指标、并网容量）、结构时序（Local Linear Trend+季节项）
• 价：ASP/招标价
  • 模型：成本穿透回归（原材料/工艺效率/Wafer厚度/良率）+分位数回归（下行情景）
• 技术份额：Bass扩散（p,q分层：光伏电池技术、储能化学体系）
• 风险：马尔可夫状态转换（供应松紧/贸易扰动）+情景集（基准/乐观/审慎）

5.1 量的预测（区间为80% CI；方向性与比例为方法演示，需数据回填校准）

• 全球新能源新增装机（相对2024）
  • 2025：+10%至+25%（80% CI）
  • 2026：+25%至+45%
  • 2027：+35%至+65%
  • 2028：+50%至+90% 假设：材料价温和波动、配网改造加速、无系统性贸易中断
• 国内并网节奏
  • 季节性保持（Q2/Q4峰），交付周期在政策切换前后延长10%-20%（80% CI）
• 组件/电池出货
  • 出货增速略高于装机（去库存后小幅补库），Book-to-Bill在0.95-1.10区间震荡（80% CI）

5.2 价的预测

• 组件ASP（DC $/W，指数化）：2025-2028年年均-5%至-10%斜率（80% CI），受银耗下降与良率提升驱动；原材料再次上行时降幅收窄至-2%至-6%
• 储能系统$/kWh：年均-6%至-12%（80% CI），若锂价出现2σ上跳，则降幅收敛至-3%至-7%

5.3 技术采纳曲线（份额，80% CI）

• 光伏电池：TOPCon 2028年占比区间60%-75%；HJT 10%-20%（银浆降本/镀膜设备良率为关键）；PERC降至<15%
• 储能：LFP在电网侧≥80%（70%-90%区间）；NMC在乘用场景维持40%-60%；钠离子在工商业与低温场景渗透5%-10%可能性（不确定性高）
• 充电：≥250kW超快充占新增功率份额至2028达35%-55%

5.4 政策影响评估（因果推断框架，报告方向性）

• 事件研究/DiD：补贴与容量补偿政策落地后1-3季装机显著提升；退坡/并网规则收紧前出现“抢装-回落”模式
• 弹性估计：政策强度指数+1σ→装机当季+3%至+6%，并对次季有+1%至+3%尾效（80% CI）

5.5 风险提示（情景对比）

• 乐观：技术突破（银耗<8mg/W、硅片进一步薄片化）、配网改造提速 → 装机路径上沿（+10-15pp）
• 审慎：贸易壁垒+原材料二次冲击 → 量价双压，ASP降幅收窄、Book-to-Bill跌破0.95；LCOE下降放缓

6. 战略建议（非投资建议）

• 原材料与成本控制
  • 对锂/银浆建立价格指数化条款与对冲带宽；开发低银/无银工艺与回收闭环
  • 建立成本穿透看板（原料→工艺→良率）并以分位数回归做“极端行情”预案
• 供应链韧性
  • 关键环节（银浆/电解液/隔膜）双/三源化；评估供应商HHI与财务健康度，设置预警阈值
  • 安排2-3个月在手订单与安全库存的动态区间管理（结合季节性并网）
• 产品与技术组合
  • 光伏：以TOPCon为主线，配置HJT在高效率/低温场景的差异化；推进大尺寸、薄片化与低银
  • 储能：LFP为基线，关注钠离子在低成本/低温工商业场景的试点；系统层面布局液冷与安全冗余
  • 充电：提高超快充占比并优化站点选址，提升“功率利用小时”
• 交付与并网
  • 以政策事件为锚的滚动排产与EPC协同，提前布局配网接入资质与储能配比方案
  • 将交付周期与并网窗口绑定KPI，缩短关键物料与审批关键路径
• 市场与政策
  • 建立政策NLP监测（文本强度指数）→自动触发需求与价格情景重算
  • 对重点区域应用DiD事后复盘，动态调整投标策略（价格走廊与非价格加分项）

7. 附录：方法论与假设 7.1 数据清洗与预处理

• 异常检测：IQR/箱线图+Bai-Perron断点；保留政策/突发驱动的结构性异常
• 缺失修复：结构时序模型（Local Level/Local Linear Trend+季节项）Kalman平滑；MICE用于财报口径缺口；分层均值+贝叶斯收缩用于招标价稀疏分组
• 单位与口径：DC标准化；汇率按季度均值换算并做通胀调整（CPI/PPI）；税率按政策期间映射

7.2 趋势识别与统计检验

• STL分解（季节、趋势、不规则）；Mann-Kendall检验趋势单调性；ADF/PP平稳性检验
• 相关与滞后：CCF估计材料价→ASP/毛利率滞后关系；Granger因果检验（谨慎解释）
• 断点：Bai-Perron多断点回归识别技术/政策拐点

7.3 非结构化文本挖掘

• 预处理：去噪/去重/实体消歧；词嵌入（Sentence-BERT）+BERTopic输出主题时间序列
• 指数构建：政策强度指数（鼓励/限制/中性），技术成熟度指数（专利被引+TRL映射）
• 因果：事件研究法（公告窗口±3/±6月）评估对装机/并网/招标的影响

7.4 预测建模

• 量：ARIMAX/ETS/结构时序（外生变量：原材料价、政策指数、宏观先行指标、并网容量），交叉验证与滚动回测（Expanding Window）
• 价：成本穿透模型（材料占比、良率、银耗、硅片厚度、学习曲线）+分位数回归覆盖下行风险
• 份额：Bass扩散（p,q以相似技术先验设定并用EM更新）；马尔可夫状态转换刻画供需状态
• 置信区间：自助法+状态空间滤波方差合成，统一给出80%/95% CI

7.5 敏感性分析与情景设定

• Tornado敏感性：LCOE对WACC±200bp、银价±30%、锂价±40%、良率±2pp、衰减率±0.2pp、利用小时±10% 的弹性
• 情景集
  • 基准：材料温和波动、配网改造推进、政策稳定
  • 乐观：技术突破+配网提速（LCOE再降1.5-2.5美分/kWh等量效应）
  • 审慎：贸易约束+材料二次冲击（ASP降幅收窄、并网延迟上升10-20%）

7.6 假设与限制

• 未接入原始逐笔数据，以上结果为方法演示与行业基准校准，具体p值、MAPE、断点时点需以贵方数据重算
• 预测区间已适度放大以覆盖外部不确定性；不得用于任何形式的投资建议或业绩承诺

7.7 可复现性与交付

• 数据字典与口径映射表：上游-中游-下游标准字段与单位
• 回测方案：2018-2022训练，2023-2024滚动外推；报告MAPE、RMSE与覆盖率
• 代码框架（示意）
  • 清洗：Python/pandas + statsmodels（STS/ARIMA）
  • 文本：sentence-transformers + BERTopic + weak supervision
  • 因果：linearmodels（DiD）、statsmodels（event study）
  • 可视化：matplotlib/plotly（导出PNG/SVG）

说明

• 所有预测均以80%/95%置信区间呈现，并明确关键外生假设。
• 报告避免披露敏感与隐私信息。
• 如提供原始数据（CSV/Parquet+政策文本），可在5-7个工作日内输出带实数值、可回测的最终报告与可视化仪表板。

医疗健康平台多源数据趋势分析与预测报告（2020-012024-09 历史；2024-102026-12 预测）

注：您尚未提供可计算的原始数据文件。本报告在您给定的数据结构与指标口径基础上，交付完整的方法路径、统计检验与建模配置，并给出以2024-09为基期的情景化占位预测与可视化方案。所有结论需在导入贵司数据后复算与验证。

1. 执行摘要（≤200字）

基于多源医疗数据与政策外生变量，本报告构建了端到端趋势识别、因果评估与层级预测体系，面向行为变迁、政策影响、增长点与波动预测。在明确假设下，线上问诊与慢病随访具较强韧性，医保政策与配送体验为关键驱动。报告提供显著性检验、置信区间、风险评估与可操作策略，待接入实数数据复核。

2. 数据概况

• 数据来源与粒度
  • 结构化：线上问诊/线下门诊（咨询、付费、到诊）、处方量与组合、诊断编码（ICD-10）、科室、城市、年龄段；慢病随访与穿戴设备（心率/睡眠）时序；药品到家（配送时效/拒收）；付费与医保报销记录。粒度：日/周/月。
  • 非结构化：医患对话摘要、科普互动（阅读/评论/转发/停留时长）、医保与公共卫生通知文本。
  • 来源：合规脱敏平台与合作机构报表，附质检与脱敏说明。
• 时间范围
  • 历史：2020-012024-09；预测：2024-102026-12。
• 指标定义（与您口径对齐）
  • 就诊转化率=付费问诊/发起咨询；复诊率=30天内重复就诊/就诊人数；依从性=按医嘱完成率；平均治疗周期=首诊至停药天数；CAC=营销投入/新增患者；LTV=180天毛利；渠道贡献=各渠道新增患者/总新增；医保报销比例=报销金额/医疗费用；爽约率=未到诊/预约量。
• 数据质量评估与预处理方案
  • 标识与对齐：以匿名患者ID-时间戳-城市-科室为主键，线上/线下/配送/医保多表逻辑主外键对齐；统一城市编码、科室字典、ICD-10映射。
  • 缺失与异常：时间对齐与补齐（节假日/停诊标注）；Winsorize或IQR法处理极值；多重插补（MICE）处理关键特征缺失；可穿戴信号以中位数滤波+3σ异常剔除。
  • 去重与归一：同患者同时段合并；金额/时长统一币种与单位；按就诊路径构建漏斗ID。
  • 文本处理：PII彻底脱敏；中文清洗（分词、停用词、同义归一）；BERTopic/LDA提取主题；政策文本以多标签分类（医保/公共卫生/价格/数据合规）。
  • 事件日历：节假日、重大公共事件节点、医保目录/报销规则更新、环境法规等外生变量构建哑变量/强度变量。

输出：数据质量评分卡（完整性、唯一性、一致性、及时性、可追溯性）、异常清单和修复策略。

3. 历史趋势分析（方法+示意图表）

方法总览

• 分解与季节性：STL分解（日/周/季节项）、节假日效应回归、Mann-Kendall检验单调趋势；ADF/KPSS检验平稳性；Ljung-Box检验残差白噪声。
• 变点检测：Bayesian Online Change Point / PELT（ruptures）定位需求/转化率/爽约率结构性突变，结合事件日历做断点归因。
• 因果归因：分城市/科室构建差分-中的差分（DID）与事件研究（event study），评估政策与重大公共事件对付费、报销、到诊的影响。
• 漏斗与队列：咨询→付费→处方→随访的分步转化，按获客月份做队列曲线（D30/D90复诊、依从性、LTV）。
• 处方组合与诊断共现：FP-Growth/Apriori挖掘组合频繁项；以网络图（药-药、诊断-诊断）做中心性与社区划分，识别跨科室协同。
• 地理/人群分布：分城市能级与年龄段的渗透与饱和度；以人口结构与智能机普及率校准可服务市场（TAM）与渗透率。

关键指标（示意性趋势，不代表实际数据）

• 图1 趋势分解（线上问诊量，2020-2024）：长期向上（行业渗透），周内季节性（周末与节后波动），公共事件节点突变。
• 图2 漏斗效率（2024-月度）：咨询→付费→到诊转化率条形图；标注瓶颈环节。
• 图3 城市分布（渗透率热力图）：一二线高渗透，低线城市增长弹性高。
• 图4 处方组合网络：高频组合簇与潜在不合理合用预警。
• 图5 可穿戴依从性与随访出勤率协动（散点+拟合线），皮尔逊/斯皮尔曼相关与p值。

统计显著性（示例方法）

• 趋势存在性：Mann-Kendall τ与p<0.05视为显著单调趋势；季节强度以STL季节项/总方差比值>0.2判定中强季节性。
• 政策冲击：DID估计ATT，稳健标准误（聚类到城市）；平行趋势检验事件窗t∈[-6, -1]无显著差异。
• 异常点：滚动z-score>3且持续≥2期视为候选异常；Benjamini–Hochberg控制FDR<0.1。

4. 新兴模式识别（统计检验与强度评估）

方法

• 残差异常+加速增长：对核心序列（线上付费、随访次数、医保报销比例、到家配送签收率）用SARIMAX残差与Holt-Winters趋势项检测“加速段”；计算最近12周CAGR与前期对比的比值r；r>1.5且持续≥8周为强信号。
• 文本主题动量：BERTopic提取主题（如“慢病随访”“医保直付”“睡眠障碍干预”“处方到家”），主题占比的7天滑窗增长与交叉验证p值。
• 复合评分：S=标准化增长幅度z1×0.4 + 持续性z2×0.3 + 多指标共振z3×0.2 + 地域扩散z4×0.1，0-100分。

示例新兴趋势（待数据验证）

• 慢病远程随访+可穿戴联动：若S≥70且p<0.05，判定为强趋势；与复诊率、依从性提升共振。
• 医保报销直连的问诊/处方转化：政策变更后若报销比例上升并伴随付费转化率提升，ITS断点回归显著。
• 药品到家履约体验驱动留存：配送时效缩短与30天复购/复诊率正相关（控制价格与病种）。

5. 未来预测（模型输出与风险提示）

建模框架

• 层级时间序列：城市×科室×渠道的层级预测，底层采用SARIMAX/Prophet（节假日），顶层采用最优一致性汇总（MINT reconciliation）。
• 外生变量：政策强度指数（从通知文本抽取）、人口结构（老龄化比例）、宏观（失业率、收入代理）、环境法规事件哑变量、节假日与气候代理。
• 多模型集成：统计（SARIMAX、ETS）与机器学习（LightGBM、XGBoost、Temporal Fusion Transformer）叠加，时序交叉验证（rolling origin）；指标：sMAPE、MASE；分位数回归输出预测区间。
• 需求波动：GARCH对高频波动建模；异常冲击用CausalImpact/SCM校正。

基期与口径

• 以2024-09为基期=100（指数化），便于在无绝对量级时给出可比预测。实际部署时将指数映射回真实数值并重算区间。

情景化预测（指数，含95%区间；基于先验与行业基准，需用实数据复核）

• 线上付费问诊量指数
  • 2025Q2：108–122；2025Q4：112–128；2026Q4：118–140
• 线下到诊量指数
  • 2025Q2：102–110；2025Q4：104–112；2026Q4：106–118
• 复诊率（pp相对提升，基于2024-09水平）
  • 2025Q4：+0.8至+2.5pp；2026Q4：+1.5至+3.8pp
• 医保报销比例
  • 2025Q4：+2至+6pp；2026Q4：+3至+8pp（政策乐观情景上沿）
• 爽约率
  • 2025Q4：-0.6至-2.0pp；2026Q4：-1.0至-3.0pp（推送/预付策略按A/B最优执行）
• CAC与LTV（相对变化）
  • CAC：2025Q4 -5%至-15%；2026Q4 -8%至-20%
  • LTV（180天毛利）：2025Q4 +6%至+15%；2026Q4 +10%至+22%

假设条件

• 无大规模不可预见公共事件；医保政策边际优化持续；履约产能按规划扩容；渠道投放稳定且反作弊有效；文本主题指数与真实需求相关性≥0.6（待验证）。
• 以上区间为模型先验的置信区间近似（分位数回归），非最终统计区间；接入实测残差后将重估。

风险提示

• 政策不确定性：报销目录/比例调整的方向和节奏变化将带来系统性偏差。
• 数据漂移：用户结构与采样口径变化导致模型外推失真；需监控PSI/KS。
• 供给侧约束：医生排班、药品库存与物流波动影响履约与口碑。
• 隐私与合规：跨域数据融合与算法透明度要求上升。

6. 战略建议（可操作与可验证）

面向目标1：追踪消费者行为变迁

• 建立“行为脉冲板”：每周刷新咨询→付费→到诊→处方→随访漏斗，按城市/科室/年龄分层；阈值预警（如转化率周环比<-10%）。
• 可穿戴–随访联动：对心率/睡眠异常触发“护士外呼+医生回访”工作流；目标：依从性+3pp，D30复诊+2pp（以A/B检验验证）。

面向目标2：评估政策影响

• 城市级ITS+DID实验设计：将率先落地直连/报销的城市作为处理组，匹配对照组（倾向得分匹配），输出ATT与事件窗动态效应图；按季度复盘。
• 政策文本知识图谱：从通知抽取“项目-报销比例-生效日-人群”，形成外生变量指数，纳入预测并做归因分解。

面向目标3：检测新兴增长点

• 主题动量雷达：监控“慢病随访”“处方到家”“医保直付”“女性健康”“睡眠管理”等主题指数；S>=70即进入孵化清单。
• 组合包管理：将高频处方组合做套餐化+履约SLA，围绕慢病人群推出“诊-配-送-随访”闭环；以留存与LTV提升作为验收指标。

面向目标4：预测需求波动

• 高峰容量规划：根据预测区间上沿布置医生排班与物流班次；对超上沿情况预设溢出机制（候诊自动分流、第三方配送切换）。
• 价格与报销弹性：用logit/半参数法估计价格/报销对付费转化的弹性，实施分城市/人群的差异化补贴或定价。

面向目标5：评估市场饱和度

• 城市×年龄段S曲线拟合：用Bass/Logistic评估渗透上限与当前达成率；渗透<30%且CAGR>15%的城市定义为“进攻区”，>70%定义为“防守区”。
• 投放与服务版图：进攻区拉新偏重科普+医保教育，防守区偏重服务体验与交叉销售（随访/到家）。

运营与合规模块（跨目标）

• 爽约率治理：提醒+预付+过号惩罚的阶梯策略；目标：-1.5pp（A/B要求：样本≥10k、最短两周）。
• 配送体验：时效预测与异常预警；拒收原因树模型，聚焦Top-3原因闭环；目标：签收率+2pp。
• CAC:LTV护城河：以多触点归因优化渠道组合，设定CAC/LTV≤0.3红线，月度看板监控。

7. 附录（方法与假设）

• 主要方法
  • 趋势与季节：STL、Holt-Winters、Mann-Kendall、ADF/KPSS、Ljung-Box。
  • 变点与事件：BOCPD、PELT、断点回归（ITS）、DID（稳健SE、平行趋势检验）。
  • 预测：SARIMAX（节假日与外生变量X）、ETS、Prophet；ML侧LightGBM/XGBoost/TFT；层级汇总MINT；时序CV（rolling windows）；置信区间以分位数回归/残差Bootstrap。
  • 聚类与组合：KMeans/谱聚类（城市/人群分层）、FP-Growth/Apriori（处方组合）、网络社区发现（Louvain）。
  • 文本：中文分词+TF-IDF；BERTopic/LDA；多标签政策分类；情感/主观极性作为满意度代理。
• 关键检验与指标
  • 显著性：p<0.05为强显著，必要时FDR校正。
  • 误差：sMAPE、MASE、Pinball Loss（分位数），Dawid–Sebastiani分数（概率校准）。
  • 稳健性：不同基期、不同事件窗、不同对照组的灵敏度分析。
• 指标公式重申
  • 就诊转化率=付费问诊/发起咨询；复诊率=30天内重复就诊/就诊人数；依从性=按医嘱完成率；平均治疗周期=停药日-首诊日；CAC=营销投入/新增患者；LTV（180天）=∑毛利（0-180天）；渠道贡献=各渠道新增/总新增；医保报销比例=报销金额/医疗费用；爽约率=未到诊/预约。
• 数据与合规假设
  • 数据已脱敏且可跨表关联；缺失随机可忽略（MAR）；采样口径2020-2024一致；遵循数据最小化与访问分级；以k匿名与聚合阈值保护再识别风险。
• 可视化规范（落地图表清单）
  • 趋势分解折线（多层：原始/趋势/季节/残差）、事件研究脉冲图、层级热力（城市×科室）、漏斗桑基、队列留存热力、处方网络图、报销比例地理分布、预测带状图（中位线+95%区间）。

数据接入与下一步

• 请提供：分表字段字典与样例数据（≥3个月滚动）、事件日历、投放成本明细、城市分级与人口参考。我们将：
  1. 输出数据质量报告（T+5个工作日）；
  2. 交付历史趋势与因果评估（T+15）；
  3. 交付首版预测与仪表盘（T+25，含区间与误差评估）；
  4. 启动A/B与政策效应持续监控（按月滚动）。

免责声明

• 本报告不构成投资建议或医疗诊断；情景预测基于明确假设与行业基准，需以贵司真实数据与业务校验为准。置信区间将在导入实测残差后重新估计与校准。