从业务问题到分析蓝图：先定义决策，再处理数据

很多分析任务从“帮我看一下数据”开始。问题不在于这句话不够专业，而在于它没有说明分析结果将支持什么决定。直接进入取数和做图，往往会产生很多页面，却仍然无法回答使用者真正关心的问题。

1. 先写清要支持的决策

把需求改写为一个具体句子：谁需要在什么时间范围内，依据哪些信息，做出什么决定。例如，“销售负责人需要在月度复盘中识别转化下降的环节，并决定下月优先检查哪个渠道”。

这个句子不保证结论正确，但它让团队知道什么结果才算有用。

2. 定义对象与分析粒度

同一个“客户数”，可能按账号、联系人、订单或设备统计。先明确业务对象，再记录一行数据代表什么。粒度不清时，关联和聚合很容易造成重复计算。

3. 记录指标口径

指标至少要说明：计算对象、时间窗口、过滤条件、分子与分母，以及缺失值如何处理。对于“转化率”“活跃”“复购”等词，不要只写名称，要写可以被复现的规则。

4. 列出范围与限制

记录数据从哪里来、覆盖到哪一天、有哪些已知缺口。限制不是附注，而是结论的一部分。没有某个渠道的数据，就不能把结论扩展到全部渠道。

5. 先画交付物草图

在处理数据前，用纸面或简单框图标出结论区、证据区和明细区。每个图表都应对应一个问题；如果无法说明图表支持什么判断，就先不要加入。

完成这五步后，分析蓝图已经形成。后续的 SQL、Python 或 BI 工作只是实现蓝图，而不是替代问题定义。