1. 一个具体问题
服务仪表盘显示全部正常，客户却不断反馈无法完成订单。技术团队反复强调平均响应时间达标，忽略了只有特定支付渠道失败。监控没有说谎，它只是没有描绘用户所处的那一部分现实。
2. 一句话解释
概念、指标和模型只是对现实的选择性表示，不能与现实本身混同，使用时必须检查目的、遗漏和更新时效。
3. 出处与原意
Alfred Korzybski 在普通语义学相关论述中提出地图与疆域的区分，《Science and Sanity》（1933）是重要原始文本。这一比喻后来被广泛用于模型和决策讨论；它不是否定语言和模型的作用，而是提醒表征存在边界。
4. 原理与机制
任何可用模型都要压缩信息，省略细节是其功能的一部分。地铁图保留换乘关系而牺牲真实距离，财务报表保留特定交易记录而不完整描述客户体验。模型是否好，取决于它是否适合当前问题，而不是是否包含全部信息。风险出现在人们忘记省略规则，把指标优化当作目标达成，或者继续使用已经过期的分类。改进通常需要现场观察、不同数据源互相核对和明确记录未知部分。
模型更新也不等于每出现一个例外就全部推翻。先判断例外是否来自测量错误、适用范围之外，还是揭示了系统性遗漏，再决定补充条件或替换模型。一个用于日常排程的粗略模型可能足够好，却不适合事故分析。把模型名称后面加上适用任务和版本日期，能提醒使用者它是一种有目的、有时效的工具。
5. 一个完整案例
假设案例：在线商店以全站平均响应时间作为体验指标。一天平均值仍为两百毫秒，但使用某钱包付款的用户大量失败。团队沿真实购买流程检查，发现监控只覆盖页面接口，没有包含支付确认。于是增加按渠道分组的成功率，并保留少量端到端验证。新地图比旧地图更适合购买问题，但仍不能代表商品质量或售后体验；团队把每项指标代表的范围写清，避免再次把局部正常误读成全面正常。
6. 适用条件与反例
适合审视 KPI、分类体系、预测模型和个人标签。它不能成为“所有数据都没用”的借口；不同模型的准确度和适用性仍可比较。面对模型与现场冲突，应检查测量和现场样本，而不是自动相信任一方。
7. 今天可以尝试的行动
找一个经常用于决策的指标，写下它衡量什么、不衡量什么、多久更新。再查看三个被该指标概括的原始案例，寻找被平均值或类别掩盖的差异。必要时增加一个互补视角，而不是立即堆叠更多数字。