数据团队里有一种工作，最容易被低估：临时分析。
它不像数仓模型那样有明确项目，也不像经营看板那样长期在线。它经常来自一条群消息、一个会议前的追问、一次活动复盘、一个老板临时想看的口径。做完之后，结果发出去，问题似乎结束了。
但过几天，类似问题又来了。
上次分析新客转化，这次分析老客复购；上次看华东区，这次看华南区；上次查活动 A，这次查活动 B。SQL 改一改还能用，但找不到了；口径当时解释过，但没人记录；维度拆过一次，但没有沉淀。于是数据同学又从头来一遍。
临时分析最大的问题，不是临时，而是做完就消失。
为什么临时分析会吞掉大量时间
临时分析看起来每次都不大。
一个需求半小时，一个需求两小时，一个专项一天。单次看都合理，但累计起来会非常惊人。尤其是成熟业务里，很多临时问题其实高度相似：都是围绕同一批指标、同一类人群、同几张事实表，只是时间、渠道、城市、活动、分层不同。
如果没有沉淀机制，数据团队就会一直在重复搭积木。
更麻烦的是，重复劳动还会带来口径漂移。
第一次分析时用了支付 GMV，第二次换成下单 GMV；第一次排除了退款，第二次忘了排；第一次新客按首次支付，第二次按首次下单。每次需求都“差不多”，但最后结果不能比较。
临时分析不是低价值工作。很多重要业务判断都来自临时分析。问题在于，它需要从一次性交付升级为资产沉淀。
判断一个分析是否值得沉淀
不是每个临时需求都值得沉淀。
有些问题真的只会出现一次，比如某个特殊投诉、某次极端异常、某个临时会议口径。这类需求做完即可，不需要过度工程化。
但有三类需求，一定要考虑沉淀。
第一类，高频重复。只要类似问题一个月出现三次以上，就值得沉淀模板。
第二类，跨团队共用。销售、运营、产品、财务都可能问到的指标，不能只靠某个人记忆。
第三类，进入经营决策。只要结果会被拿到例会、复盘、预算、绩效讨论里，就应该沉淀口径和解释。
