AI 生成业务图表后，怎样核对轴、口径和结论范围？

先定义图表要回答的问题

先写一句话：读者看完图后需要比较什么、发现什么，或决定下一步核查什么。将问题绑定数据集版本、时间范围、指标定义、单位和分组字段。如果问题只是“做一张有洞察的图”，模型会自行选择关注点，审核者也难判断它是否跑题。

同时区分三个层次：

图表可以支持观察，不会自行证明原因。没有来源数据时，不要让 AI 为变化补出解释。

• 观察： 数据中直接可见的变化，例如某月记录数高于前月；
• 解释假设： 可能与活动、季节或流程变化有关，但仍需证据；
• 行动建议： 团队决定采取什么检查或试验。

逐项检查图表编码

看标题、横轴、纵轴、单位、图例和数据来源是否能让读者理解每个点代表什么。时间序列要看日期粒度和缺失日期；类别比较要看排序与分类口径；双轴图要特别检查两条轴的单位和刻度是否容易误导。

也要核对汇总方式：数据是求和、均值、比例还是去重计数？分母是什么？一个类别是否被拆成多个写法？空值是排除、按零计算还是单独呈现？这些都是业务定义，不能仅根据模型选择的图表类型推断。

Microsoft 的 Excel 直方图说明展示了数值数据与区间（bin）如何共同构成频数图。这个例子提醒审核者先看图表需要什么数据结构；它不替所有业务决定图表类型。具体选型仍取决于数据字段、比较目标和读者。

用明细回到图上的几个关键点

挑选图表里最重要的几个点，回到原始数据重新计算。例如最大值、最小值、转折点、零值和缺失期间。将图表数字与已确认的源表汇总对照，检查是否遗漏过滤条件、重复记录、币种换算或数据更新时间。

如果图表用于经营会议，记录数据截止时间和刷新责任人。临时导出的文件可能比系统数据早一天或晚一天，不要把日期差异包装成趋势。不同指标的单位或统计周期不同，应拆开图表或明确标注，不要为了同屏展示而省略条件。

标注未知，而不是把假设写进标题

标题可以描述现象和范围，例如“本季度已确认订单数，按下单月份统计”。避免写成“活动带动订单增长”，除非有设计合理的证据支持因果归因。若样本少、时间短或包含未完成周期，可在图下标注这些限制。

最终交付时附上图表对应的查询/工作表、数据版本、指标口径、刷新日期、审核人和待确认事项。图表脱离这些说明单独转发后，读者可能误解范围；因此一页简报应保留必要的来源脚注，而不是只留下图片。

发布前核对清单

• 图表只回答一个明确的业务问题。
• 数据源、版本、筛选和时间范围可追溯。
• 指标、单位、分母和汇总方式明确。
• 轴刻度、系列映射、排序和缺失值处理正确。
• 关键点回到原始数据重新计算。
• 观察、原因假设和建议分开表述。
• 读者看到图表时也能看到数据截止日期和适用边界。