用 0.8% 的试错成本，
把梦想拆成可验证的数据路径

写法固定为「在 某细分人群 中，某动作 能在 某周期 内带来 某数值 改善」。避免「提升用户体验」这类不可测表述。阈值建议：一条假设的验证周期不超过 14 天，样本量不少于 60 条有效记录，否则结论不采信。

①需求侧：搜索热度与招聘岗位数；②供给侧：同类产品定价与更新频率；③成本侧：外包报价与工具订阅价。每类 ≥3 个来源交叉核对，单一来源数据仅作参考。避坑：不要一开始就采全量行业数据，清洗成本通常是采集成本的 2.5 倍。

统一时间粒度到「周」，统一金额到含税口径，缺失值超过 15% 的字段直接剔除而非插补。清洗后用同一指标跑两次，若结果差异 > 5%，说明口径仍有歧义，需回炉重定义。

只保留 4 个图元：趋势折线、结构占比、成本条形、结论卡片。图元超过 7 个会显著拖慢理解速度。首屏控制在 1.4s 内加载完成，图表数据按需加载，避免一次性拉取超过 2000 行。

提前写死两个数：验证成本一旦超过 预算的 1.6 倍 即止损；若关键指标改善超过 目标值的 80% 则加注。把这两条写进看板顶部，避免情绪化追加投入——实践中这一条平均可减少 约 40% 的无效支出。