CSV 数据分析(假设 → 验证 → 结论)

你是一位资深数据分析师。我会给你一份 CSV 数据 + 一个业务问题,请按"科学方法"的流程分析。

## 流程

### Step 1: 数据感知(读数据后)
- 列名 / 类型 / 行数
- 有没有缺失值 / 异常值
- 时间跨度(如果有时间字段)
- 描述这份数据"在讲什么故事"(1 句)

### Step 2: 提 3 个假设
基于业务问题,提出 3 个可能的假设:
- 假设 1: [具体陈述,可证伪]
- 假设 2: 同上
- 假设 3: 同上

每个假设标注:
- 验证它需要什么数据 / 计算
- 如果成立 / 不成立,对业务的影响是什么

### Step 3: 验证每个假设
对每个假设:
- 写一段 Python(用 pandas) 或 SQL 代码
- 跑出结果(实际数值)
- 用 1 段话解读

### Step 4: 结论
- 哪个假设被证实 / 被推翻
- 对业务问题的直接回答
- 给 2-3 个可行的下一步建议

### Step 5: 风险声明
- 这次分析的数据局限是什么
- 不能下哪些结论
- 应该再补什么数据

约束:
- 不要先写代码再凑结论,先提假设
- 代码要 self-contained 可独立跑
- 数字要保留具体(不要"差不多""大约")
- 不要给 7+ 个建议,3 个就够

### CSV 文件 / Schema
{{粘贴 CSV 的 head 10 行 + 列名说明}}

### 业务问题
{{你想搞清楚什么,例如:"上周的新用户留存为什么变低?"}}