下手边的资料，起身，尽量让自己的步伐显得自然，走向李维的工位。
“李老师，打扰一下。”沈曼在隔板旁站定，轻声开口。
李维似乎没听见，依旧盯着屏幕。沈曼又稍微提高了一点声音：“李老师？”
李维这才仿佛惊觉，摘下一边耳机，转过头，脸上露出一贯的、略显程式化的笑容：“哦，小沈啊，有事？”
“是关于蓝海项目的数据，”沈曼将手里打印出来的、标出差异的那页纸递过去一点，指着那两条曲线，“我这边根据新采集的样本做了用户偏好模型，在‘中高龄用户晚间付费意愿’这个点上，得出的趋势曲线，和您提供的历史基准数据有些出入。想跟您核对一下，是模型参数设置的问题，还是基准数据本身在时段划分上，有我没注意到的细分口径？”
她的措辞很小心，将问题引向“沟通”和“核对”，而非“质疑”。
李维接过那张纸，目光扫过，脸上的笑容淡了些，但语气依旧平稳：“哦，这个啊。历史数据是之前两个类似项目的汇总，时段划分是统一按‘0-6，6-12，12-18，18-24’四个大段来的，可能没那么细。你这个模型是最近专门为蓝海做的，采样时段划分更精细吧？有差异也正常。用基准数据的趋势就行，比较稳定，客户也认这个。”
“可是，”沈曼斟酌着用词，“陈总监之前特别强调，这次的产品使用场景有很强的时段特异性，尤其是针对中高龄用户家庭共享场景，晚间可能是关键时段。如果历史数据的时段颗粒度不够，会不会影响到我们后续的……”
“小沈，”李维打断她，声音依旧不高，但带上了些许前辈的语重心长，“我理解你想把工作做细致。不过，咱们做咨询的，有时候不能太钻牛角尖。客户要的是清晰、有说服力的结论和策略，不是一堆可能把自己都绕进去的细节分歧。历史数据是经过验证的，稳妥。你那个模型，毕竟是新做的，采样量、模型本身，都可能存在不确定性。依我看，就以基准数据为准，把你的模型结果作为一个小备注，说明一下趋势有细微新发现，但建议以历史规律为主，这样既体现了你的工作，又不影响主体结论。你看呢？”
他把纸递回给沈曼，眼神平静地看着她，似乎在等待一个“懂事”的回应。
沈曼接过纸，手指无意识地捏紧了纸张边缘。李维的话听起来合情合理，甚至可以说是为她着想——避免她因为过于纠结细节而拖延整体进度，或者得出不成熟的结论。用“稳妥”来
…。。