很多数据团队都有过这样的经历：一个看板做了很久，上线时大家都说好，过了两周，打开次数越来越少。
业务还是在群里问数，老板还是让人截图，运营还是让分析师单独拉 Excel。看板明明在那里，指标也不少，筛选器也做了，为什么没人用？
很多人第一反应是：是不是看板不够美观？是不是图表不够丰富？是不是用户不会用？
这些都可能有影响。但更常见的问题是：看板没有围绕决策场景设计。
BI 自助分析不是把图放上去就行。一个真正被使用的看板，本质上是一个决策入口。
没人用，不一定是用户懒
数据团队容易把看板没人用归因给业务：他们不愿意自助，总喜欢问人；他们不懂数据；他们习惯要 Excel。
有时确实如此。但如果一个看板长期没人用，数据团队也要反思：这个看板是否真的降低了业务做判断的成本？
很多看板的问题是信息很多，但路径不清楚。
打开第一页，十几个指标同时出现：GMV、订单、客单、转化、留存、退款、渠道、城市、人群、商品。每个图都有道理，但用户不知道先看哪里，也不知道看到异常后下一步点哪里。
看板不是指标仓库。
如果用户每次打开都要自己重新组织问题，它就没有真正自助。它只是把数据团队脑子里的复杂度搬到了用户面前。
好看板从一个会议开始设计
我建议设计核心看板时，不要先打开 BI 工具，而是先问：这个看板会出现在什么会议里？谁会看？他们要做什么决定？
经营会看板、活动复盘看板、销售跟进看板、产品漏斗看板、供应链预警看板，它们的设计逻辑完全不同。
经营会看板要先回答整体是否达标，再回答差异来自哪里。活动复盘看板要先回答活动是否值得继续，再回答预算该往哪里调。销售看板要先回答哪些线索需要跟进，再回答哪个环节掉了。产品漏斗看板要先回答用户在哪一步离开，再回答是否需要改实验。
如果不从场景出发，就很容易做成“大而全”。
大而全的看板，通常谁都能看一点，但谁都不真正依赖。
指标要有层级，不要平铺
很多看板把指标平铺在页面上。所有指标都像同等重要，用户只能自己判断。
但真实决策是有层级的。
第一层是结果指标：这件事好还是不好？比如收入、转化、留存、成本、毛利、履约时效。
第二层是拆解指标：为什么好或不好？比如渠道、人群、品类、区域、时间段、流程步骤。
第三层是行动指标：接下来能动哪里？比如触达率、补贴使用、库存缺口、销售跟进、页面跳失。
一个好看板应该顺着这个路径组织，而不是把所有指标并排放。
用户打开后，先看结果，再看拆解，最后找到行动入口。这样看板才像一个导航，而不是一个数据货架。
默认视图比高级筛选更重要
很多数据同学喜欢给看板加很多筛选器。城市、渠道、品类、时间、人群、版本、活动、门店，应有尽有。
筛选器多，看起来功能强。但对大多数业务用户来说，默认视图更重要。
用户不是每次都带着清晰问题来。他们打开看板，往往是想先知道“有没有异常”。如果默认视图就很乱，用户不会花时间慢慢筛。
所以核心看板应该有一个经过设计的默认答案。
默认时间范围是什么？默认展示哪个业务线？默认先看全局还是重点人群？异常应该如何突出？用户看到异常后下一步去哪？
这些比多加几个筛选器更重要。
自助分析不是把所有选择都交给用户，而是帮用户减少不必要的选择。
看板上线不是结束
很多看板上线后就进入维护状态。数据团队觉得交付完成，业务觉得先看看再说。结果没有人系统追踪它是否真的被使用。
一个看板上线后，至少要看四件事。
第一，谁在用。核心用户有没有打开？打开频率如何？是不是只有数据团队自己在看？
第二，哪里被用。哪些页面、筛选器、图表使用最多？哪些从来没人点？
第三，哪里产生问题。用户看完还会问什么？哪些地方需要解释？哪些指标容易误读？
第四，是否影响动作。看板有没有进入例会？有没有减少人工取数？有没有帮助业务更快发现异常？
如果这些问题没人跟，看板就会慢慢变成展品。
做看板的人，要像做产品一样工作
BI 看板不是一次性报表，而是数据产品。
既然是产品，就要有用户、有场景、有路径、有反馈、有迭代。不能只问“数据准不准”，还要问“用户会不会用、用来干什么、用了之后有没有更快做决定”。
这对数据人提出了更高要求。
你不只要会拖图表，还要理解业务流程；不只要会算指标，还要知道指标进入哪个会议；不只要会做筛选器，还要设计默认路径；不只要上线，还要观察使用。
这不是把数据人变成产品经理，而是承认数据交付本身就是产品化工作。
下次你准备做一个看板时，可以先不要打开 BI 工具。先写一句话：这个看板帮助谁，在什么场景下，做什么决定。
如果这句话写不清楚，图表再多，也很可能没人用。
如果你想系统补齐 BI 看板设计、指标体系、数据分析和数据产品化能力，可以继续看数据从业者全栈知识库。看板只是表层，真正要练的是把数据放进业务决策流程的能力。
