先问决策再建模
数据与智能项目失败，很少是因为图表不够好看，多半是同一个指标三个部门三种算法。销售额含不含退货、算下单还是算签收、算含税还是不含税，会上先吵半小时口径，看板没有意义。我们做这类项目，先出指标字典：定义、来源表、更新频率、负责人。数仓分层和同步任务为指标服务，而不是先堆一批表再问“能看什么”。没有主人的指标，三个月后一定没人信。
做数据项目，先统一口径再做看板。同一个「销售额」在三个部门有三种算法时，再漂亮的图表也只会带来更多争论。
数据与智能项目失败，很少是因为图表不够好看，多半是同一个指标三个部门三种算法。销售额含不含退货、算下单还是算签收、算含税还是不含税，会上先吵半小时口径，看板没有意义。我们做这类项目，先出指标字典：定义、来源表、更新频率、负责人。数仓分层和同步任务为指标服务，而不是先堆一批表再问“能看什么”。没有主人的指标，三个月后一定没人信。
质量比模型更先：主键重复、时间戳时区、缓慢变化维、补数窗口，这些不处理，归因和预测都是在脏数据上运算。我们会把完整率、对账差异、异常值监控做成日常，而不是项目验收那天对一次。业务人员要能下钻到明细，才能信任汇总；只给管理层一张图、不给核对路径，图会被弃用。
推荐、预测、质检如果没有明确的使用人和动作（改价、催收、拦单），模型再准也是演示。我们会把输出接到已有流程：名单、工单、规则引擎，并保留人工覆盖和效果回看。一期通常只做少数几个高价值指标和一条闭环，而不是“全公司数字化驾驶舱”。
归因窗口、去重规则、新客定义，市场和财务几乎从来不会天然一致。我们会把争议指标单独开会钉死，写进字典再开发。补数和重跑要有窗口和通知，下游报表不能悄悄变。模型上线要有对照实验或至少回溯验证，没有使用人的预测不进生产。敏感字段按列授权，导出要审批，避免“有看板权限就能拖走全量客户”。
上线按主题域：先财务或销售等口径相对清楚的域，陪跑一个业务周期。权限按行和按列都要有，尤其是人力和客户敏感字段。数据项目做成了，会上用的是同一套定义，明细对得上，模型的输出有人用、有人评，而不是又多了一套没人打开的看板。
指标定义、计算逻辑和责任人集中维护，口径变更有版本和公告。
多源数据接入，异常值和缺失值处理规则明确，可追溯到原始记录。
经营看板按角色分发，异常波动可下钻到明细定位原因。
每个部门一套报表，会上先对口径
指标字典统一维护，所有看板引用同一定义，差异有说明。
数据看着不对，没人说得清哪一步加工错了
加工链路可追溯，每层保留样本，问题能定位到具体步骤。
看板做得很炫，但没人根据它做决定
先确定谁在什么节奏下用它做什么决定，再决定放哪些图。
多源接入、增量同步、任务调度。
清洗规则、维度事实建模、血缘追溯。
指标定义、计算逻辑、版本与责任人。
角色看板、下钻分析、订阅推送。
阈值预警、波动归因、异常复盘。
数据权限、脱敏、导出审计。
先出指标字典：定义、来源、更新频率和负责人，圈定一期主题域，不承诺全公司驾驶舱。
定数仓分层、对账和对账窗口，确认敏感字段权限以及模型输出接到哪条现有流程。
用真实业务周期打通汇总和下钻明细。口径变更有版本、质量监控可见作为验收项写好。
按主题域陪跑一个周期。培训取数人和业务负责人，指标有主人，后续再加模型和看板。