第一步永远是理解数据
先生成数据字典，核对每列的含义、单位、编码、缺失值和时间范围。陌生数据中常见的重复记录、混合日期格式、非法类别和极端值，会比模型选择更早决定分析是否可信。
- 保留只读原始文件
- 生成问题台账和清洗决策
- 任何删除或重编码都写明理由
从研究问题反推分析计划
明确结局、暴露、协变量、分析单位和估计目标后，再选择检验或模型。描述性统计、效应量与置信区间应先于复杂算法；预测问题还要区分训练、验证与校准，因果问题则要明确时间零点和混杂控制。
交付物比一句结论更重要
理想输出应包括清洗后数据、可运行脚本、关键图表、模型诊断和一份说明限制的报告。网页端适合小中型表格和轻量计算；原始组学、医学影像、单细胞或深度学习训练应连接自有服务器。