凌晨一点十七分，沈曼保存了文档最后一遍。

电脑屏幕的冷光映在她疲惫但异常清亮的眼睛里。合租屋里寂静无声，何珊早已睡熟，只有窗外偶尔驶过的夜车带来一阵短暂的嗡鸣，随即又沉入更深的静谧。她面前的屏幕上，是一份四十七页的ppt分析报告，标题是“蓝海科技社区团购业务区域性流量衰减归因分析（初稿）”。

这是她连续工作的第九个小时。不算白天在公司的那八小时。

三天前，陈总监在项目进度会上点了她的名。“蓝海科技那边对我们上次提出的用户画像模型有疑问，认为没有解释清楚他们南区三个城市数据下滑的原因。沈曼，你配合李工，把过去六个月的所有区域性运营数据重新跑一遍，交叉比对用户行为、商品结构、物流时效和竞品动作，周五之前我要看到初步分析框架。”

李工是项目组的数据工程师，负责调取和清洗数据。而“分析框架”这个任务，落在了沈曼头上。这意味着她需要在庞杂的数据流里，找到那个可能存在的、导致问题的“线头”。

她当时只答了一个字：“好。”

没有问需要加班到几点，没有问数据权限是否全部开放，更没有问如果做不出来怎么办。职场的第一课，陈总监在实习期就明明白白告诉过她：拿到任务，先想怎么做，而不是为什么是我做，或者做不到怎么办。

过去三天，她像一枚投入数据海洋的探测器。白天，她跟在李工后面，学习如何用公司的分析工具抓取有效字段，如何排除异常值干扰，如何将用户行为数据与商品sku、物流节点、甚至是那三个城市同期的天气数据（这是她自己的想法）进行时间轴对齐。李工人很耐心，但话不多，只在她操作明显错误时出言纠正，其余时间，都放任她在数据的迷宫里自己摸索、碰壁、再尝试。

晚上，她带回初步整理过的数据包，在合租屋这张书桌前，用自己那台略显老旧的笔记本电脑继续工作。excel表格开了十几个，各种颜色的标注和辅助列让她自己看得都眼花缭乱。她需要从数万行数据中，找出规律，提出假设，然后用另一部分数据去验证或推翻这个假设。

第一天晚上，她毫无头绪，对着屏幕上跳动的数字，只觉得它们像一群冷漠的、无声嘲笑着她的符号。她甚至开始怀疑，是不是自己根本不适合做分析，那些课堂上、书本里的模型和方法，在真实、庞大、甚至有些“脏乱”的业务数据面前，显得如此苍白无力。

何珊给她热了杯牛奶，放在桌角，什么也没说，只是轻轻拍了拍她的肩膀。那个简单的动作，奇异地让她焦躁的心平静了一些。

第二天，她改变策略，不再试图一口气吃下所有数据。她先从最核心的指标——用户下单转化率入手，按周、按城市、按用户来源渠道进行拆解。一个不起眼的发现出现了：在整体下滑的趋势中，有一个名为“邻里推荐”渠道的用户，其转化率下降的幅度和时间点，与整体趋势高度吻合，但衰减启动时间似乎要早大约两周。

这像黑暗中的第一缕微光。她抓住这个点，开始追溯。什么是“邻里推荐”？数据表里的注释很简单：通过已注册用户分享的专属链接或二维码进入的新用户。她调取了这个渠道的用户后续行为数据，发现他们的首次购买客单价普遍偏低，但复购周期短，且对生鲜类商品表现出稳定偏好。

接着，她对比了同期这三个城市竞品“每日鲜”的公开促销信息（这是她在财经新闻和对方app上一点点搜集的）。她发现，在“邻里推荐”渠道数据开始下滑的那个时间点附近，“每日鲜”在这三个城市悄然上线了一个“分享得大奖”活动，奖励力度很大，且重点推广品类恰恰就是生鲜。