看板无数据排查
当看板显示无数据、数据为 0 或异常下降时，最小化步骤定位根因。
数据分析
异常诊断全行业看板无数据排查是 ThinkingAI 行业 Skill 库中的一项数据排障能力，帮助数据分析师在看板出现无数据、零值或异常下降时，用最少步骤定位根因——先看配置再看数据，找到根因就停，不做无效扩散。这正是 ThinkingAI「10 年行业经验沉淀为开箱即用 Skill」的体现。
Agent存为 Agent导出会话
dashboard-no-data-diagnosis
运营早上在群里@我说看板一个数都没有了，全空。昨天下班还好好的，是不是埋点挂了？帮我最小步骤查一下，别把 30 多个报告全翻一遍。
读取看板全局配置 — 时间范围与全局筛选
时间范围为「本周」，全局筛选近 7 天无变更
验证时间范围实际覆盖 — 项目时区 UTC+8 与浏览端时区比对
「本周」在当前时区组合下覆盖窗口为空
抽查单个关键报告 — 时间改「昨日」重跑
DAU 42,318 正常返回，事件上报无中断
根因归类为「时间范围错误」，按最小化原则就此停止
查完了，两步就定位到了。不是埋点挂了，是看板的时间范围踩了时区空窗——数据一条没丢，看板配置的「本周」在项目时区 UTC+8 与浏览端时区的组合下，覆盖不到任何已入库数据。这类问题过去平均要翻 4–6 小时报告，实际根因往往一两步就能碰到。
一、排查过程（找到根因就停）
✓ 第一步 · 看板配置：时间范围为「本周」，全局筛选近 7 天无任何变更——今天周一，「本周」窗口刚开启
✗ 第二步 · 时间验证：项目时区 UTC+8，浏览端按本地时区解析「本周」起点，周一上午的窗口内实际没有一条已入库数据——命中异常
✓ 第三步 · 抽查验证：任取一个核心报告把时间改为「昨日」，DAU 42,318 正常返回——事件上报链路完好
✓ 第四步 · 归类收束：根因落入「时间范围错误」，未再遍历其余 30+ 报告
二、五类根因逐项结论
| 可能原因 | 检查结果 | 结论 |
|---|---|---|
| 时间范围错误 | 「本周」+ 时区偏移，覆盖窗口为空 | 根因 |
| 筛选 / 指标配置错误 | 全局筛选近 7 天无变更 | 排除 |
| 事件未上报 | 「昨日」数据正常返回 | 排除 |
| 权限问题 | 看板可打开、报告可编辑 | 排除 |
| 其他配置错误 | 未触发，前四类已闭环 | 不适用 |
修正动作：把看板时间范围从「本周」改为「近 7 天」，刷新后所有图表当场恢复。这类空看板问题里配置层错误占比超过 60%——先查配置再查数据，永远是最短路径。
建议
边界说明：本 Skill 只做「为什么没数」的最小化定位，结论必须落在五类根因之一；如果排查走到「事件未上报」，断点在上报侧，建议接埋点校验类 Skill 继续。另外建议把常用看板的时间范围固定为「近 N 天」而不是「本周 / 本月」，从配置层面消灭这种周一早上的虚惊。
排查结论已回帖到运营群，看板时间范围已按建议调整。
行业痛点
看板突然无数据是最让人焦虑的数据问题之一。约 80% 的团队遇到空看板时第一反应是遍历所有报告逐个检查，平均耗时 4-6 小时，但根因往往只需 1-2 步即可定位：时间范围选错、筛选条件不一致、指标引用不存在事件等配置层错误占比超过 60%。
核心价值
- 最小化排查流程：查看板配置 → 验证时间范围 → 抽查一个报告 → 验证事件源头，四步定位根因就停
- 一次只验证一个关键对象，不一开始遍历所有报告
- 结论必须明确归类到五类根因之一：时间范围错误、筛选/指标配置错误、事件未上报、权限问题、其他配置错误
- 全流程基于真实 MCP 工具执行，不猜测；数据不可用时明确标注
- 支持原有看板突然无数据和新建看板查不到数据两种场景
适用场景
1
原有看板突然无数据，需要判断是时间配置、筛选条件还是埋点上报问题
2
新建看板后查不到数据，怀疑事件名或属性配置错误
3
看板数据为 0 或异常下降，需要最小化排查定位根因
4
多个看板同时出现问题，需要判断全局性还是局部性
5
看板数据突然异常波动，需要区分数据源问题还是筛选口径变更
实战案例
某游戏项目 · 运营看板突然为空
运营看板所有图表为空。Skill 第一步查看板配置发现时间范围为"本周"，但项目时区配置 UTC+8 与用户本地时区导致覆盖范围偏移；第二步抽查报告确认该时间范围内无数据但昨日数据正常。根因归类为时间范围错误，修正后数据恢复。
常见疑问
看板无数据一定是埋点出问题了吗？
不是。时间范围错误和筛选配置错误占比最高，埋点停报只是其中一类。
需要遍历所有报告吗？
不需要。一次只抽查一个关键报告即可，找到根因就停。
新建看板无数据怎么排查？
同样四步流程，重点检查报告引用的事件名和属性是否真实存在。
相关 Skills 推荐
用「看板无数据排查」武装你的 Agent
预约演示，看看它如何在你的业务场景中落地
