一个星期卖了八十件，这个数可能来自三件完全不同的事：每次都卖得到，刚好赶上一波，或者只是这一批人碰巧喜欢。三者在数字上长得一样，在往后能不能重现上差得很远。本文讲偶然的三种来源、重复出现为什么能当判据、复核的节点定在哪一天。

小样本不是没用，是不能当结论用。它能缩范围、能提假设、能排除明显的错，但撑不起金额和单条判断。本文讲小样本能做什么、不能做什么、怎么加一道防线，以及样本变多之后结论该按什么顺序改。

样本量决定的不是这个数准不准，而是它能支撑到哪一句结论。三个数只够看苗头，几十个数能说明一类形态，上百个数才谈得上确认。本文讲分母小的时候会发生什么、不同判断分别需要多少样本、以及样本不够时话该怎么讲。

粒度选错很少是一次明显的失误，多数是从一个顺手的层滑到另一个层，中间没有察觉。三种错法各有各的形态：太粗看不见问题，太细看不见重点，中途换层两边都不可比。本文讲这三种是怎么发生的、代价落在哪里、发现之后怎么补救。

明细和汇总不是两份数据，是同一份东西的两种形态。汇总省事但把过程压平了，明细能查但看不过来。本文讲两者各自在什么场景用、中间那层换算关系是什么、先看哪个更顺手、对不上时该从哪里查起。

店铺级看的是合力，单品级看的是每一个力。同一个变化在店铺这一层是持平，在商品这一层可能是一条大涨一条大跌互相对掉。本文讲这两层各自能回答什么、为什么经常对不上、什么时候必须往下沉。

粒度看起来是在问精度，其实是在问这一层能不能回答你要问的事。同一批生意切到整店、切到类目、切到单条商品，读出来的结论可能完全不一样。本文讲粒度是什么、切细和切粗各自会丢掉什么、按什么标准定下来。

手上几个数更新的快慢不一样，直接摆在一起比出来的差别里，混着不少只是节奏不同带来的差。本文讲清节奏为什么会不一致、不一致会带来什么、对齐之前先统一哪几样、三种常见的对齐做法、对不上的时候以谁为准，以及这件事该多久做一次。

单看一天的数只能说明那一天，把它放回一串里才谈得上判断。历史数据的作用不是回忆，而是给出一个比较的底座：哪些起伏属于波动、哪些属于趋势、一个动作的效果要放在多长的窗口里看。本文讲清翻历史要翻多长、怎么读、哪些坑最容易踩。

延迟不是等一个更快的数，而是要在等待的那段时间里决定哪些事能动、哪些不能动。本文把延迟期拆成几步：先看清手上的数是哪一天的，再分出能照做的判断和必须等的判断，把等待期只用来做可逆的准备，最后给不同判断各定一个容忍度。