标准回答
一、先把“对的指标”定义清楚
用数据说服别人，第一步不是甩一堆数字，而是和相关方对齐什么叫成功。回答时可以说：先定义北极星指标，再补上延迟、成本、稳定性这类护栏指标，避免只看局部收益。
二、再用实验替代主观争论
如果条件允许，用离线评测或线上 AB 控制变量，拿到可比、显著的数据。这里要体现你不是“唯数据论”，而是知道样本量、统计显著性和指标选择都会影响结论。
三、最后把数据翻译成决策语言
沟通时不要只报一个数字，要把收益、成本、风险一起呈现，并针对业务、技术、老板不同关注点讲清楚。目标是达成共识，而不是用数据压人。最后给出建议，同时尊重 owner 拍板。
示例
「要不要把模型从 A 换成 B，大家凭感觉争。候选人可以先把准确率定为北极星指标，把延迟和成本定为护栏指标；再跑离线评测 + 5% 灰度 AB。结果如果显示 B 准确率高 6%、成本只涨 8%，就把收益、成本和风险放在一张图里讲给业务和 leader。这样大家更容易基于共同基准达成决策，而不是各说各话。」
常见误区
⚠️ 常见踩坑
误区一：容易答偏的地方：唯数据论：忽略样本量/统计显著性或指标本身选错，被局部数字误导；或把「用数据说服」变成「我数据多我有理」，强压他人，体现不出倾听与协作。
追问
追问 1：如果数据和领导/业务方的直觉相悖，你怎么沟通？
先尊重对方直觉背后的经验，确认是否数据本身有盲区（指标不全、样本偏）。若数据站得住，就用清晰可视化呈现，并提出低成本的小规模验证让事实说话，而不是正面硬刚。决策权交给 owner，自己负责把信息摆清楚。
追问 2：没有足够数据或来不及做实验时，怎么决策？
承认现实中常如此：此时用「可逆性」判断——可逆的决策快速试错小成本验证；不可逆的高风险决策则先做最小实验或专家评估降低不确定性。明确假设和回滚方案，边做边用数据校正。
🔗 相似问题
同一考点的不同问法，换着练更稳
延伸学习
按主题分类的相关资源，便于系统复习