“Good enough”的陷阱：为啥功能合格≠效果拔群？

领导真正想要的（提示：绝不只是更多数据）

1. 能指导行动的信息，而非原始数据：领导们从不缺数据，他们往往是在数据的海洋里挣扎。他们需要的是“所以呢？”（So What?）。光给数据无法保证它会被使用；它需要被嵌入决策流程，清晰地回答战略问题。有研究表明，仅仅提供数据而不考虑其在决策中的整合应用，是数据价值未能实现的关键原因之一。这就像给别人一堆木材（数据）和给他们一套能直接照着盖好书架的图纸+说明书的区别。

2. 有说服力的叙事，而非图表堆砌：你肯定听过“用数据讲故事”（Data Storytelling）这个词吧？这玩意儿抓住了要害。光靠数字和图表很少能激发行动或获得支持。你需要背景、逻辑链条，解释清楚这件事为什么重要。研究证实，故事能让数据更容易被记住和理解，更有说服力，从而弥合分析与行动间的鸿沟。这就像把复杂的数据语言（比如解释步态分析中的动力链反应）翻译成普通人能懂、能产生共鸣的“人话”。光展示一个仪表盘不叫讲故事，那顶多是“指着字典说这是本小说”。
How to communicate insights with data storytelling
Data storytelling can be used to put data insights into the context and inspire action from the audience. 

https://www.sharpcloud.com/blog/how-to-communicate-insights-with-data-storytelling

3. 下一个问题的答案：最牛的数据产品不仅回答了最初的问题，还能预判到后续的问题。这就要求我们跳出技术的“舒适圈”，真正理解领导的战略布局、他们面临的压力、相关的政策大背景（是气候变化、医疗保健，还是教育？各有各的“行话”和目标）。这有点像猜你家青春期的娃为啥突然迷上某个乐队——通常不只是因为音乐本身，背后有更深的社交或身份认同层面的原因需要你get到。

4. 抗压能力强的稳健性：这不光指准确性。如果政治环境稍有变化，分析结果还站得住脚吗？我们是否考虑了数据或模型中潜在的偏见、伦理风险，或者我们分析选择中积累的“技术债”？领导需要相信你给的数据不是“一碰就碎”的“易碎品”。公共部门的工作尤其要求我们严格遵守数据隐私和伦理规范；这不是走形式，而是处理公共数据信息时的核心责任。在新西兰，这意味着我们的工作必须遵循《怀唐伊条约》（Te Tiriti o Waitangi）原则，尊重毛利数据主权（Māori data sovereignty）——这是我们在Aotearoa工作中诚信的底线。这就好比在后院建个露台——不仅要能承受阳光明媚，还得能扛住惠灵顿那种说来就来的妖风。

Te Mana Raraunga

Our Data, Our Sovereignty, Our Future

https://www.temanararaunga.maori.nz/

Dr Huang的方法论：数据“工坊”思维

1. 明确使命 & Debug需求：时刻记住你为啥在这儿。公共部门的数据是公共资产，是为民服务的工具。像Debug代码一样审视最初的需求。背后隐藏了什么假设？是什么未言明的政策目标在驱动？和利益相关者沟通——这不只是收集需求，更像是做“实地调研”（ethnographic fieldwork），先理解用户的“世界”，再设计工具。让你的分析紧扣部门目标，而不是追逐花哨的指标。

2. 搭建数据素养的桥梁：大部分同事并非数据专家，甚至你的领导都不一定懂看数据，甚至不懂得怎么提问题，上来就是：‘我要看关于XXX 的数据，帮我导出来’。这时候你的工作就是翻译复杂性。可以搞一些“数据扫盲”工作坊（少讲课，多互动玩耍），参与到政策会议中去（不光是展示，更是倾听），多用类比。我曾把预测模型比作制定篮球战术（根据过往比赛预判对手动作）来给部门主管解释，效果拔群。提升整个政府的数据素养，是更明智决策的基础。

3. 洞察原型化 & 小处试点（MVP思维）：别搞“憋大招”然后“惊天发布”那套。尽早分享初步发现、模型草图，甚至是餐巾纸上的故事线。政府虽不是创业公司，但敏捷性同样重要。借鉴一些政府数据战略提倡的思路，从小而美、结果导向的试点项目开始——比如先解决服务中心排队时间长这个具体痛点。用数据搞定一个“短平快的小胜利”（quick win），衡量其影响，然后广而告之，为更大的项目争取支持。运用快速原型（rapid prototyping）法，用小数据集构建基础模型，快速测试，然后迭代。而且像上面提到的，你的同事领导很多时候是不知道数据能给他们提供什么帮助，只有拿出东西来，即使是不完美的，他们才能有个概念，然后提出问题，也才有下一步的讨论。
The Government Data Strategy and Roadmap - data.govt.nz
The data strategy and roadmap provides a shared direction and plan for New Zealand's data system (the people and organisations that collect and use data in New Zealand).

https://data.govt.nz/leadership/strategy-and-roadmap

4. 修炼内功（实用的工具 & 核心技能）：
• 技术栈（实用至上）：拥抱成本效益。开源工具（Python, R）和易用的BI工具（如Tableau, Power BI）是你的好伙伴。专注于能有效解决问题的工具，就像先确保能把书架搭起来，而不是非要买最贵的电钻。追求“好用不贵”。这里要强调的是不要鄙视Excel，它可能是你同事或领导唯一会来看数据的工具，你弄得再花哨，可能结果还是要导出Excel给领导审批签字。
• 数据规整为王：要有“垃圾进，垃圾出”（GIGO）的觉悟。花在清理和准备数据上的时间，往往比花在炫酷模型上的更值得。这意味着要“撸起袖子加油干”，深入了解数据，就像修自家后院歪掉的篱笆——费时费力，但结果扎实。
• 可视化即叙事：精心制作仪表盘和报告，用它们讲一个引人入胜的故事，让你的发现和结果变得触手可及。
• 编码之外的硬核技能：锤炼批判性思维（质疑数据、审视来源、识别偏见）、解决问题的能力（像侦探一样拆解复杂问题）和沟通能力（简化复杂概念、因人施教、用证据说话）。这些至关重要，就像你需要用这些技能判断你家娃是真的在写作业，还是在刷短视频一样。

5. 驾驭体系 & 自我调适：政府体系有其复杂性——部门墙（Silos）、条条框框（red tape）、风险规避心态。要带着同理心（empathy）去 navigating。理解相关方的顾虑（比如预算或公关风险），将数据方案包装成低风险、高回报的样子。记得我刚开始这份工作时候，想推了个炫酷的模型自动化一些工作流程，结果撞上“这儿一直都这么干”的墙头无法进行下去。要有耐心，文化转变需要时间，如同打磨一块粗糙的木头，需要慢工出细活。同时，别忘了优化你自己的“个人操作系统”。设定界限，每周复盘（“这次哪里做得好？我欠了哪些技能或心态上的‘债’？”），依靠你的同行“圈子”（互相吐槽“踩坑经历”绝对比独自焦虑强），并坚持终身学习。这工作责任重大，别把自己‘卷’废了。

OECD Good Practice Principles for Data Ethics in the Public Sector

The Good Practice Principles for Data Ethics in the Public Sector presented in this paper seek to shed light on the value and practical implications of data ethics in the public sector. They aim to support public officials in the implementation of data ethics in digital government projects, products, and services such that i) trust is placed at the core of their design and delivery and ii) public integrity is upheld through specific actions taken by governments, public organisations and, at a more granular level, public officials.

https://www.oecd.org/en/publications/oecd-good-practice-principles-for-data-ethics-in-the-public-sector_caa35b76-en.html

最后唠叨几句：数据分析，是门手艺，更是为了公共利益