上周我整理Q1数据时，发现一个文件夹里躺着47个CSV文件。它们结构一模一样，只是时间跨度不同——从1月1日到2月16日，每天一个文件。
我的需求简单到可笑：把它们画在同一张图里，看看趋势。
结果我花了40分钟。不是分析数据，是在折腾工具。
多文件对比的隐形税
Excel打开第一个，复制粘贴到新建工作簿。打开第二个，再复制。第7个的时候我开始怀疑人生——这真的有必要吗？
Python倒是能写脚本，但写循环、处理路径、调matplotlib，20分钟又没了。而且我只是想看一眼，不是要发论文。
BI工具？Tableau、Power BI确实能连文件夹，但配置数据源、定义关系、等加载……流程重得像在启动航天飞机。
单个文件的工具生态很成熟，多文件场景却像被遗忘的角落。
开发者Tobias Lütke（DataPlotter作者）在博客里的吐槽很精准：「None of this was hard — just unnecessarily tedious. And it completely broke the flow.」
翻译一下：不难，但烦。烦到打断心流。
DataPlotter的解法：把三步变一步
他的解决方案直白得不像2024年的产品——
上传整个文件夹 → 勾选要对比的文件 → 自动生成叠加图表。
没有合并数据的手动操作，没有标签页来回切换。每个文件变成一条线，颜色自动区分，图例直接对应文件名。
技术实现上没什么黑科技。核心是把「文件选择器」从单选改成多选+文件夹上传，后端用Pandas批量读取，前端用Plotly渲染。
但产品设计的巧劲在于：它假设用户的核心意图是「对比」，而不是「管理文件」。所以砍掉了一切与对比无关的步骤。
Tobias自己说得很实在：「The biggest thing wasn’t adding new functionality — it was removing friction.」
谁真的需要这个
我扒了下他的使用场景清单，发现需求出奇地具体——
传感器日志：同一设备不同时间段的读数对比；A/B测试数据：多组实验结果并排看；销售报表：各区域/各渠道的CSV导出文件；模拟输出：参数微调后的多次运行结果。
共同点是：文件结构一致，文件名隐含分类信息，分析目标是对比而非汇总。
这其实是数据工作里的「灰色地带」——不够大动干戈上数据仓库，又不够简单到用Excel糊弄过去。传统工具要么太重，要么太轻，中间层长期缺位。
DataPlotter的免费版支持最多10个文件、1万行数据，付费版解锁到100个文件。定价页面直接挂在德国服务器上，欧元结算，很 indie 很真实。
小工具的启示
这个案例让我想起一个老话题：产品经理做工具，该追求功能完整还是场景精准？
Tobias的选择是后者。他没做数据清洗、没做权限管理、没做协作共享，甚至连注册都可以跳过——打开网页直接传文件。
代价是天花板肉眼可见。但好处是：目标用户打开网页的30秒内，就能完成从「有需求」到「看到结果」的闭环。
这种「减法设计」在AI时代反而更稀缺。当所有人都在做加法——加智能分析、加自动洞察、加自然语言交互——有人愿意为一个具体痛点做减法，本身就是一种产品勇气。
你现在处理多文件数据时，是写脚本、开Excel，还是已经找到了更顺手的工具？
热门跟贴