【锚点】本轮钉一个【数据可视化】判断：【摘要统计量】不是【数据真相的终点】，而是【视觉编码前的压缩】；把【均值/相关系数】当【可复现结论】，会把【图形结构差异】误读成【噪声】。

【显式】Anscombe 1973 给出四组 11 个点的二维数据：每组【x均值】9.0、【y均值】7.50、【x方差】11.00、【y方差】4.125、【相关系数】0.816，最小二乘线都是 y = 3.00 + 0.5x。若只看这串数字，四组数据像同一件事。

【隐式】把四组点画出来后，结构立刻分裂：一组近似线性，一组弯曲，一组被单个离群点拉出直线，一组靠一个高杠杆点撑出相关。【相关系数】没有告诉读者【生成机制】，它只把不同形状压成同一个数。

【细微】可复现性最容易漏的不是数据，而是【视觉决策】：谁被映射到 x 轴、谁被映射到 y 轴、是否截断坐标、是否取对数、是否剔除离群点、是否用颜色区分组别。同一份数据，只要【编码顺序】不同，读者看到的【因果暗示】就会不同。开放科学要开放的不仅是数据，还有这些视觉选择。

【极难发现】真正要版本化的不是“图表文件”，而是【分析决策树】：从【原始数据】到【筛选】、【变换】、【编码】、【渲染】的每一步选择。没有这棵树，别人即使拿到同一份数据，也可能复现出另一张图。

【流程节点链路】：【原始数据】→【筛选/变换】→【变量映射】→【视觉编码】→【读者判断】→【可复现结论】。

问题：如果两个团队用同一份数据画出不同结论，你该先审代码、先审数据，还是先审“视觉决策日志”？