Li Tan — 关于"测量"这门安静的手艺。

十年前我带着一个很窄的问题走进硅谷 — 我们怎么知道这笔营销预算真的有效？ — 此后就一直在追这个问题的各种变体：真实增量是多少、不能做随机实验时怎么测、哪些指标真正预示长期增长。

这一路穿过了科技行业的不同角落。在 NerdWallet 帮人做更聪明的金融决策；在 Opendoor 研究人们如何买卖房屋。行业不同，核心问题相同：把混乱的数据变成清晰的决策。

最近有一件事在我这里发生了位移。我意识到 AI 不只是再往工具栈里加一件工具 — 它在根本上改变了数据工作的做法。过去要一周的事，现在几小时就能完成。我重建了自己的工作流，并开始在这里记录学到的东西。

我还带着一个不那么常见的视角：中国的根，加上湾区十年。两个生态系统的交叉点上，有一些别人不容易看到的模式。这个站的另一部分用途，就是把这些模式说清楚。

我相信的几件事

1. 严谨胜于速度

   一个花一周认真设计的分析，胜过一个给出错误答案的仪表盘。测量上的偷懒会叠加为糟糕的决策。

2. 清晰胜于复杂

   最好的分析是利益相关者能看懂、能行动的那种。只有另一个建模者看得懂的模型，没有意义。

3. 影响胜于产出

   代码行数、仪表盘数量、PPT 页数 — 如果没有改变某个人周一的决定，一切都不算数。

4. 写作即思考

   把一个方法用平实的中文或英文讲清楚，和发现它的漏洞，是同一个动作。这里的文章，对我自己的意义不亚于对读者。

履历简览

• 2023 至今
  Senior Data Scientist Opendoor · 房地产市场
• 2019 — 2023
  Senior Data Scientist, Marketing NerdWallet · 个人金融
• 2014 — 2019
  分析与测量相关岗位 湾区科技公司 · 增长与变现
• 2013
  分析学硕士 旧金山大学

方法与工具

方法

因果推断（DiD、合成控制、RDD）· A/B 实验设计 · 营销组合模型（MMM）· 多触点归因 · 留存与生命周期建模

技术栈

Python · SQL · R · BigQuery · dbt · Looker · Airflow · Git

AI / ML

大语言模型与智能体工作流 · Prompt 工程 · 检索增强管线 · 预测建模 · XGBoost & scikit-learn

写作

技术长文 · 写给高管的 memo · 教学笔记