大盘指标掉了业务方只会问"为什么"：下钻路径与异常归因到底该怎么设计？

【背景】 我做指标体系第三年，负责一个 B 端 SaaS 的核心大盘（约 60 个指标，3 张 BI 看板 + 1 个数仓 ADS 层）。业务方每天盯大盘，核心指标一旦环比掉，第一反应就是找数据同学问"为什么"。

【现象（具体）】 我拉了三个月的工单和群聊记录做分类，发现 70% 以上的"为什么"其实靠下钻就能自己定位，但业务方不会下钻，具体卡在三个地方：

1. 指标掉了，他们只看到大盘数，不知道该按哪个维度拆（客户？渠道？功能模块？地域？）；
2. 知道按维度拆，但拆完 10 个维度值后不知道哪个贡献最大——看板只给了"各维度值各自的环比"，没有贡献度/占比视角；
3. 拆到最细一层后（比如按客户 ID），还是要找数据同学写 SQL 去明细日志里捞。 我试过加"维度下钻"按钮、加"Top 10 贡献维度"图表，效果都不明显，业务方还是习惯直接来问。

【已尝试的排查与结果】

• 给每个指标在指标字典里写了"建议下钻路径"（一级维度→二级维度→明细），但业务方基本不看字典；
• 大盘首页加了"最近异常指标 Top 5"，点击能看到环比/同比，但看不到维度拆解，业务方还是来问；
• 做过一次自助取数工具培训，培训完第一周活跃率约 30%，一个月后掉到 5% 以下——说明工具本身不是瓶颈，"不知道拆什么、拆完怎么读"才是。

【期望得到的答案形态】 我不想听到"把 BI 工具做得更傻瓜"这种正确但落不了地的话。希望具体到：

1. 一个可复用的"下钻链路设计模板"：从大盘指标 → 一级维度 → 二级维度 → 明细，每一层该展示哪些字段（数值、环比、贡献度、占比、累计占比），缺了哪一层业务方就会卡住；
2. "贡献度"到底怎么算才能让非数据背景的人一眼看懂——加法分解（绝对值指标）和乘法分解（比率型指标，比如转化率 = 点击率 × 下单率）分别怎么处理？Shapley 值在业务场景里值不值得上？
3. 有没有"异常自动归因"的轻量方案（不是上 ML 模型那种重活）：比如基于规则 + 维度遍历，每天 T+1 后自动出一段"昨日 X 指标环比降 12.3%，主要是 A 维度的 B 值贡献了 78% 的降幅"的结论文案，推给业务方？
4. 一个判断标准：什么指标适合做下钻归因（绝对值？事件计数？），什么指标不适合（比率型？去重计数型？），不适合的该怎么替代（比如用结构分解代替归因）？