主要观点：许多 BI 工程师精心制作的仪表盘无人使用，原因是未驱动行动，这是系统性问题，数据背后的“为何”被忽视。如一个跨职能产品团队的仪表盘因逻辑缺陷误导决策，导致策略失误。现代 BI 栈虽丰富但多止于表面，未注重决策效用。干净的后端和良好的数据工程实践对有用的 BI 至关重要，如去重事件、在 dbt 中建模业务 KPI 等。应将 BI 视为产品，注重用户、反馈和迭代，如跟踪仪表盘使用情况。心态比工具集更重要，要定期审计指标目录。良好的 BI 架构应将各环节紧密相连，如通过 Airflow 触发警报。未来的 BI 趋向模块化、声明式和无头化，如使用 Cube.dev 定义可复用的 KPI。

关键信息：

• 精心制作的仪表盘可能无人使用，因未驱动行动。
• 现代 BI 栈存在止于表面、不注重决策效用的问题。
• 数据工程实践如去重事件、建模 KPI 很重要。
• 要将 BI 视为产品，注重用户反馈和迭代。
• 心态比工具集更关键，要定期审计指标目录。
• 良好的 BI 架构应各环节紧密相连，未来趋向模块化等。

重要细节：

• 以跨职能产品团队为例，说明仪表盘逻辑缺陷导致的问题及纠正方法。
• 介绍多种用于 BI 的工具如 BigQuery、Airflow、dbt 等。
• 给出不同的 SQL 代码示例，如去重事件、 cohort 分段等。
• 提及通过 SQL 和 Python 实现的警报触发机制。
• 介绍未来 BI 的发展趋势如 Cube.dev 等。