"覆盖率 80% 是硬指标，进你们绩效。"三周后数字漂亮达标——但工程师写了一堆没有断言的空测试，只为让代码"被执行到"。缺陷率没变，你还毁掉了一个本有用的诊断信号。
先降级它的身份："覆盖率是诊断仪表，不是考核 KPI。我真正关心的是缺陷逃逸率。"
再配对："同时看覆盖率 + 关键路径的变异测试分（mutation score）。覆盖率能靠空测试刷，但杀不死变异体的测试一眼露馅——覆盖率高、变异分低的模块，就是在凑数。"
"再拆个维度看看。"切设备、地区、版本，两天后得到十张相关性图，谁也说不清因果，最后靠嗓门大的人拍板"应该是新引导流程的问题"。
定量缩小范围："下跌集中在新用户第 2 天，老用户没变"——数字负责圈出在哪。
定性解释为什么：约 5 个第 2 天流失的新用户各做 15 分钟访谈，再看 10 段回放。真相浮现：引导页在某机型上按钮被键盘挡住。这个 why，拆多少维度都拆不出来。
要么你顶不住直接全量，要么俩人在会上争"蓝好还是绿好"，最后谁级别高听谁的。无论哪种都没学到东西，下次还得重吵。
不争对错，争假设："不用猜。假设写清楚：改蓝后主流程转化率提升 ≥ 2%。"
预设裁决规则："说好——样本量到 X、跑满 2 周（避开 novelty 效应），达 2% 且统计显著才全量；没到就回滚，谁都不许事后改口径。"分歧就不再是政治，而是交给数据证否。
你心领神会，专挑支持结论的数字做一页漂亮 slide。决策没被数据改变分毫，数据只被用来合理化已定判断——这是"数据驱动"最常见的赝品。
先问决策性质："这方向定死了几成？如果数据出来是反的，我们真的会改吗？"
划清管辖权："若是不可逆、又无先例的战略下注，它本质是判断题——我给你风险量化和最坏情况，但别包装成'数据说要这么做'。若它可切分、可回滚，那该做的不是背书，是设计一个真实验。"