发现阶段工具：访谈追踪表+数据质量统计脚本

📋 访谈追踪表

用途：跟踪项目中所有访谈的进度、内容、跟进事项，确保每场访谈有记录、有跟进、有闭环，不会遗漏。

字段：访谈编号、访谈对象（姓名/职位/部门）、访谈日期、访谈人、访谈方式（现场/电话/视频）、访谈状态（待进行/已完成/已确认）、核心痛点（3-5条）、关键数据（量化数据）、待跟进事项、跟进负责人、跟进截止日期、跟进状态、纪要链接、备注。

使用方法：① 项目启动时，列出计划访谈的对象，填入追踪表；② 每场访谈后24小时内，更新访谈内容（核心痛点、关键数据、待跟进事项）；③ 每周周会review追踪表——哪些访谈完成了、哪些待跟进、哪些逾期了；④ 待跟进事项完成后，更新状态，形成闭环；⑤ 项目结束时，追踪表是项目知识资产的一部分，归档保存。

价值：① 不会遗漏访谈和跟进事项；② 所有访谈信息集中管理，方便查阅；③ 跟进事项有负责人和截止日期，不会"说了就忘了"；④ 项目结束后有完整的访谈记录，可追溯、可复用。

💻 数据质量统计脚本

用途：自动检查数据质量——完整性（缺失率）、准确性（异常值）、一致性（格式统一）、时效性（最后更新时间），几分钟完成人工几天的工作。

功能：① 完整性检查：统计每个字段的缺失率，列出缺失率超过阈值（比如10%）的字段；② 准确性检查：检测异常值（数值超出合理范围、格式错误、逻辑矛盾），列出异常记录；③ 一致性检查：检查同一字段的格式是否统一（比如日期格式、手机号格式、命名规范），列出不一致的记录；④ 时效性检查：统计数据的最后更新时间，列出超过X天未更新的记录；⑤ 生成报告：自动生成数据质量报告（HTML/PDF），包含各项指标的统计和问题清单。

技术实现：用Python+pandas写脚本，支持CSV/Excel/数据库输入，配置化（可以配置检查规则、阈值、输出格式）。脚本可以复用——每个项目只需要改配置，不用重写代码。

使用方法：① 客户提供数据样本后，运行脚本，几分钟得到数据质量报告；② 跟客户一起看报告，确认数据质量问题；③ 数据质量问题写入SOW，明确清洗责任和时间；④ 数据清洗后，再运行脚本验证，确保数据质量达标。

价值：① 数据质量检查从几天缩短到几分钟；② 客观量化，不是"我觉得数据质量一般"，是"完整性85%、准确性90%、有X条异常"；③ 可复用，每个项目都能用，提升效率；④ 数据质量报告是跟客户沟通的有力工具——用数据说话，客户更容易接受数据清洗的需求。

🔧 发现阶段的其他工具

① 1页访谈纪要模板（F4-2的内容）：每场访谈后24小时内发出，6段结构，客户确认。

② 痛点排序矩阵（F4-5的内容）：按"痛点程度×切口大小×可量化性"三个维度排序，选MVD切口。

③ 干系人地图模板（F4-7的内容）：四种角色（决策者/使用者/影响者/反对者），五维度分析，应对策略。

④ PSF校验清单（F4-6的内容）：问题校验、方案校验、匹配校验，逐项检查。

⑤ 业务流程梳理模板：AS-IS流程（当前流程）、TO-BE流程（AI改造后流程）、痛点标注、AI介入点。

这些工具在发现阶段（需求调研、诊断、方案设计）使用，确保调研全面、痛点准确、方案有依据。工具是辅助，核心是FDE的业务理解和沟通能力——工具用得好，能提升效率和质量，但不能替代FDE的思考和判断。