技术

看板与报告:共用可信底座,但完成不同的工作

拆解 Build Dashboard 与 Build Report:读者要持续看状态还是理解一次判断、两者在指标模型与完成标准上的差别,以及为什么“已经完成”不是可用证明。

技术 #Data Agent#OpenAI#Agent Skills#数据看板#分析报告

看板与报告共用底座但完成不同工作

看板越做越像长文,报告越做越像指标大屏,往往不是设计问题,而是没有先分清:读者到底要持续看状态,还是理解一次判断?

Data Analytics Skills 用两个 Skill 处理这件事:Build Dashboard 和 Build Report。它们共享一套可信底座,但服务的目的、结构和验收标准都不同。

看板:让人持续知道发生了什么

Build Dashboard 的第一步是明确看板简报:谁用、监控什么、多久刷新、需要哪些过滤和访问权限、交付面在哪。

原文要求先判断看板属于哪一类,因为这决定了布局和验收标准:

  • 状态监控:持续看有没有异常。
  • 周期性经营复盘:按节奏对比目标与计划。
  • 分析性探索:支持临时的多角度下钻。

这个分类很实用。很多“看板很乱”的问题,本质是把三种目的塞进了同一个页面:监控区被探索控件淹没,复盘所需的对比基线又被省略。

指标模型要有分层,但不要凑数

原文要求按测量对象选择平衡的指标模型,而不是套固定清单。

通常需要考虑的指标族包括:主结果、驱动、护栏、明细与诊断。原文特别提醒,没有要求固定放四张指标卡——数量由决定需要什么来确定,不要为了排版凑数。

另一条要求是默认视图要直接回答主要问题,而不是让读者先点一圈筛选器。过滤器和参数是为追问服务的,不是进入看板的前置门槛。

报告:让人理解为什么这样判断

Build Report 的起点是报告要完成的工作:用户问题、要支持的决定或行动、主要受众、范围、时间框架、比较基线、成功标准。

原文要求恰好选择一个受众:

  • 产品与业务相关方:产品、业务、管理层、战略、诊断、KPI 读数和一般相关方报告。
  • 技术受众:用户明确要求技术或方法优先的报告,或者报告的主要价值在方法论。

受众的选择不是措辞风格问题,而是结构契约问题。同一份证据,写给管理层要答案先行,写给技术读者要方法先行。

报告的结构不能只有摘要

原文在动手之前要求先写出“报告骨架”:

  • 问题
  • 对决定有用的答案
  • 指标、队列、分母、时间窗口与比较基线
  • 按细分或驱动组织的发现,附支撑证据
  • 比较性或因果邻近结论所需的敏感性或验证检查
  • 会改变解读的注意事项
  • 建议的下一步、监控点或未决问题

然后设了一道“深度闸门”:只有标题、执行摘要和一张图表或表格的报告,除非用户明确要求简报,否则应当先扩充证据路径。

它同时规定:一段总结配几张图,不自动等于完整报告。图旁要解释读法、发现和含义;比较性发现要交代人群、分母、时间与基线;因果表述附近必须放限制说明。

共用可信底座,不代表共用版式

两者都需要可靠来源、统一指标口径、足够的数据检查与可追溯记录。

差别在于对账的对象不同:

维度看板报告
对账对象卡片、图表、明细之间能互相解释每条主张能找到对应证据
时间处理数据新鲜度、刷新节奏比较窗口、基线、截止时间
读者动作发现异常后去追问读完形成一个判断
主要失败数字对不上、刷新滞后、越权可见结论超出证据、限制缺失

原文对数据的要求也很直接:来源路径必须在渲染之前找到;核心看板数据不可用时应当停下,不能拿样例数据冒充真实业务看板,除非用户明确要的是演示原型。

完成标准不同,但都要打开检查

看板的完成标准:默认视图可用、过滤器行为正确、指标对账通过、数据新鲜度达标、权限正确、性能可接受。

报告的完成标准:阅读顺序清楚、证据解释到位、限制与可行动结论完整、每条主张可追溯。

两者还有一条共同要求:必须打开最终产物检查。聊天里说“已经完成”,不是文件或页面真实可用的证明。

这条规则针对的是一种典型的 Agent 失败:工具调用返回成功,模型据此宣布完成,而实际渲染出来的页面是空白或错位的。

交付面的选择要看环境

原文区分 BI 平台、MCP 应用、便携 HTML、Sites 托管等交付路线,并对运行模式设了条件:只有在明确识别的工作模式下、且完整生命周期工具可调用时,才走自动发布路线;桌面端非工作模式则要求明确请求或接受建议。

这条边界值得单独强调:不能把某个分支简化成“所有报告都会自动上线”。交付能力取决于环境、权限和工具可用性,而不是模型的意愿。

设计自己的交付物时

三个可以立刻用的检查:

  1. 这份产物是给读者反复看的,还是给读者看一次的?前者是看板,后者是报告。
  2. 报告里每条结论,能不能指到一张表、一段查询或一张图?
  3. 看板的默认视图,能不能在不点任何筛选器的情况下回答问题?

看板帮助你反复发现值得关注的变化,报告帮助你理解这次变化意味着什么。可以组合使用,但各自要完成不同的工作。

参考:OpenAI Data Analytics Skills 公开参考仓库