为什么做一张业务大屏，总是比想象中更难？

做业务大屏最容易被误解的一点，是大家以为它是一个“页面问题 ”。

好像只要有数据、有图表、有编辑器，把组件拖上去，换个颜色，一张大屏就差不多了。真做过的人都知道，最麻烦的通常不是拖图表，而是图表背后那堆没人想碰、但迟早会冒出来的问题。

也正因为这样，AI 进入大屏搭建这件事，才开始变得值得讨论。不是因为它能替人把所有业务判断都做完，而是它有机会先解决一个很现实的问题：别让每一张大屏都从空白页开始 。

如果 AI 能先根据一句需求生成一版初稿，哪怕这版还需要改，事情也会不一样。团队不再对着一句“看一下整体情况”来回猜，而是可以对着一张已经成型的页面讨论：这个指标准不准，这张图要不要留，哪个维度还要拆，哪里需要补筛选。

这一步看起来不大，但对经常做大屏的人来说，很关键。

一、大屏不是把数据摆上去

一张大屏最怕的不是空，而是满。

指标卡排一排，趋势图放一张，排行榜来一个，再加几个筛选器，看起来很完整。但真正开会的时候，大家还是会问：“所以现在到底好还是不好？”

有些数据单独看很漂亮，放在一起就露馅。销售额涨了 20%，但新客占比掉了；订单数上去了，客单价下来了；线索变多了，有效线索比例却在跌。还有更麻烦的：图上看起来下降，其实是某个渠道停投；图上看起来增长，其实是上月漏记的数据这月补回来了。

这些东西不会自动写在图表标题里。

大屏真正要做的，不是把所有数据都亮出来，而是帮人少走弯路 ：先看什么，后看什么，哪里可能有问题，哪些数字不能只看表面。否则页面越大，信息越多，大家越容易各看各的，最后还是回到群里继续解释。

二、最耗时间的，是口径和判断

很多大屏需求一开始都很轻：“帮我看一下整体情况。”

这句话没有错，但落到执行里就会变重。整体情况是什么？收入、转化、回款、利润、效率，还是风险？要看同比还是环比？要不要拆区域？要不要去掉异常值？老板要的是经营视角，部门要的是执行视角，数据同事要的是准确口径。

最尴尬的是，很多问题不是一开始就能问出来。第一版出来以后，大家才会发现少了某个维度；会议快开始了，才有人想起要按客户等级筛一下；大屏发出去以后，财务补一句：“这个回款口径不对。”

反正最后都会改 。

不是大家故意折腾，而是业务问题本来就不是一次性说清楚的。大屏搭建夹在中间，一边要把业务语言拆成字段和指标，一边还要保证做出来的页面真的能支持讨论。它看起来像工具活，其实很大一部分是判断活。

三、 第一版经常只是暴露问题

很多人低估了“第一版”的价值，也高估了“第一版”的质量。

第一版大屏通常不会完美。它更像一面镜子，把之前没说清楚的东西照出来：这个指标是不是该放第一屏？这个排行有没有意义？这个趋势是不是应该和目标放在一起看？这里为什么没有筛选？那里为什么不能下钻？

这时候改大屏才进入正题。

没有页面的时候，大家讨论的是想象；有了页面以后，大家讨论的是具体问题。哪怕这版不够好，也比对着一句需求来回猜要强。

真正折磨人的，是每次都从空白页面开始。重新选字段，重新想图表，重新排布局，重新解释为什么这个口径不能这么算。大屏做多了就会发现，很多时间不是花在复杂分析上，而是花在一遍遍搭“第一版”。

这部分工作不难，但很碎。碎到最后，数据团队像在接零工，业务团队像在写需求单，大家都忙，真正的业务讨论却被往后推。

四、 AI 不做最终判断，但可以先给一版

AI 做大屏的价值，不应该被说成“一键生成正确答案”。这话太满，也不真实。业务口径、管理习惯、指标定义，这些东西还是要人来判断。

它更适合解决一个具体问题：别让人每次都从空白页开始。

当用户先说清楚想看什么，AI 可以先生成一版大屏结构：哪些指标放前面，哪些数据适合做趋势，哪些维度可以拆开看，哪些图表先用来对比。它不一定完全准确，但至少有了一个可以改的东西。

因为有了初稿，沟通方式会变。以前是“你到底想要什么”；现在可以变成“这张图留不留，这个指标换不换，这里要不要按部门拆”。讨论从空气里落到页面上，效率会高很多 。

Zmetaboard 接下来要推出的 AI 大屏能力，也是想先解决这个日常但真实的问题：当团队想看清一件业务事情时，能不能更快得到一张能讨论、能调整、能继续用的大屏。

不是让 AI 替人做判断，而是让团队少卡在从 0 到 1 的那一步。先有一版，再改；先看见，再讨论。对于很多业务大屏来说，这一步已经很有用。

https://zmetaboard.com/