按这个顺序读，可以避开八成的误读。
同一个名字在不同平台上口径可能不同，先看分母与统计范围，再谈高低。
同样一份成绩单，在高使用率与低使用率下意义完全不同，角色定位先于数字。
前段与后段、领先与落后时的数据应当分开看，合并计算会相互抵消。
三场与三十场的平均值不具备同等参考价值，小样本适合提假设而非下结论。
左两列说明指标是什么，右两列提醒它不能说明什么。
| 项目 | 常见指标 | 它说明什么 | 它不说明什么 |
|---|---|---|---|
| 足球 | 前场抢得球权次数 | 压迫的主动程度 | 防守强度的唯一指标 |
| 足球 | 射正次数与机会质量 | 创造机会的相对排序 | 替代具体比分结果 |
| 网球 | 一发得分率 | 发球局的保发难度 | 全场唯一的胜负手 |
| 篮球 | 在场净效率差 | 对比赛进程的实际影响 | 短期波动的充分解释 |
| 赛车 | 进站净时间 | 策略执行与流程效率 | 车手单圈能力的全部 |
| 游泳 | 转身前后十米用时 | 技术环节的经济性 | 单纯的划频指标 |
| 综合球类 | 一传到位率 | 进攻体系可选项的多寡 | 得分能力的直接映射 |
| 乒乓 | 接发球上手率 | 从被动转为主动的能力 | 进攻能力的直接映射 |
理解差异来源，比纠结具体数字更有长期价值。
统计口径需要前后一致，否则本周与上周的数字没法比较，这是观赛记录里最常见的坑。
个人数据要放在使用率背景下理解，同样一份成绩单可能来自完全不同的角色定位。
技术统计里的分位值比平均值更有参考意义，它能说明一支队伍在什么场景下会失灵。
数据可视化降低了理解门槛，但把结论完全交给图表，会让人忽略样本量与口径差异。
体能曲线是隐性变量，比赛后段的失误率往往比前段更能说明准备是否充分。
同一指标在不同位置的解读完全不同，先确认它在体系中的角色，再看数字高低。
数据只是入口，坚持记录才能形成判断。
不要同时跟十个项目，先固定一个，把它的常用指标背下来。
同一场比赛只看两三项指标，避免注意力被稀释。
看到了什么、为什么、下次验证什么，三行足够。
把自己的记录与新的比赛对照，判断会自然收敛。
