如何用中台思路治理指标——数据指标中心 _数据

家资是何物，积帙列梁梠。这篇文章主要讲述如何用中台思路治理指标——数据指标中心相关的知识，希望能为你提供帮助。
作者介绍
@小风
数据中台产品负责人；
UBDC全域大数据峰会“灯塔人物”；
擅长埋点模型、指标治理，数仓架构等；
《大数据实践之路:数据中台+数据分析+产品应用》作者；
“数据人创作者联盟”成员。

在我们日常的数据工作中，指标的重要性毋庸置疑，指标来源于业务的场景化呈现，业务也通过指标来透视出问题，但也正因为如此重要，使用如此频繁，所以导致指标也出现各种混乱、难用、难找等等问题。所以我们必须有一套合理合规的指标治理方法，并将这套方法转化成工具，通过固定流程去约束原本不可控的行为。接下来我们就看看，指标治理的有那些方法论？以及这些方法是如何设计成系统，也就是我们说的——数据指标中心

01 数据指标中心的定位是什么
数据指标中心是规范化开发指标并对其进行管理维护的系统，将指标的组成部分解耦拆分开来，并在逻辑表中进行规范性的定义，在此基础上，后续可以按照一定规则进行自由拼装，实现自定义指标的功能。

02 数据指标中心应该如何设计
1、首先定义指标并归集到对应的主题域
指标的本质是量化了的目标，比如常见的例子：
①我们要把用户的盘子做大，那对应的量化指标就是已注册用户数；
②我们要统计今天的销售额，那对应的量化指标就是总支付金额；
③我们要衡量一次活动的效果，那对应的量化指标就是下单率。

从上面的例子我们可以看到，我们比较常用的几个类型的指标就是，存量型指标（已注册用户数）、事务型指标（支付金额）、转化型指标（下单率），其它还有比例型、统计型、排名型等，这些比较不常用，就不在此赘述了。

这些不同类型的指标，分散在我们产品中的不同功能模块中，所以为了更好地规范与管理，我们需要将这些指标也按照主题域的方式归集起来。主题域在“仓库模型中心”进行创建与定义，在这里只需要将对应的指标划归到对应的主题域就行了。

文章图片

2、然后是拆分原子指标与派生指标
先来看看原子指标跟派生指标这两个概念具体是什么？
①原子指标：是事实表中，某一个字段的统计值（sum、count、max、min、avg），如下单用户数，下单金额等；
②派生指标：是基于原子指标，进行维度组合后产生的指标，如近1天商城下单用户数，本周商城黄金会员下单金额等。

原子指标无业务意义，它只是预定义的代码片段而已。业务中用到的指标基本都是派生指标。

文章图片

3、接着定义原子指标与派生指标的生产逻辑
在本章的开头有提到这样一句话：“将指标的组成部分解耦拆分开来，并在逻辑表中进行规范性的定义”，这个解耦跟定义的过程，就是把一个派生指标拆解成原子指标、时间周期、限定维度、聚合粒度，然后再重新拼装，生成新的派生指标的过程：

文章图片
在上面这个例子中可以这样来理解：
①统计周期是这个原子指标进行统计运算的时间范围，在这里是本周；
②聚合粒度是指标的主体，即按照哪个维度来来进行聚合，这里是黄金会员；
③限定维度是限制原子指标的计算范围，这里限定在商城，即只计算商城相关的数据；
④原子指标则是预定义的某个字段计算规则。在这里是下单金额的累加。

文章图片

4、最后通过指标管理平台对指标进行规范生产
⑴规范化指标命名
命名规范对于后期大量的指标管理来说非常重要，因为当指标多起来的时候，你要找一个指标经常需要用到检索功能，而检索的前提是你对指标有一些前置的认知。这就需要我们对指标的命名进行规范化。

指标命名规范有三个重点：
①简洁明了，易懂：最好是只要看到指标名，不需要看注释就可以知道它的意思，归属等；
②格式统一：每个指标的格式都是一样的，通过组合不同模块的命名拼凑起来；
③生成统一：原子指标与继承自它的派生指标的规范是一致的。

以商城相关的指标为例：
①所有业务下单跟支付指标，默认以主单为统计口径，不用带“主单”相关字眼，如商城下单次数；当统计口径为“子单”时则需要在命名中标出，如：商城子单下单次数；

②所有与人相关指标默认以“注册用户”为统计实体，不需要带“用户”相关字眼，如访问次数；当统计主体为“游客”时则需要在命名中标出，如：游客访问次数；

③无指定业务范围的指标默认为平台指标，不需要带“平台”相关字眼，如近30天支付人数。如果有限定业务范围，则需要加上业务名称，如：商城-近30天支付人数；

④无指定时间周期的指标默认为“近1天”（但需要保存小时粒度，便于后续下钻），不需要带“时间”相关字眼，如注册人数。如果有限定时间范围，则需要加上时间周期：如：近7天注册人数。

完整的命名的规范为：商城（业务板块）+用户（实体）+近7天（统计周期）+新增（业务动作）+子单（类型）+单日（间隔周期）+平均（统计运算规则）+支付金额（原子指标），如：商城-用户近7天新增子单单日平均支付金额（没有的部位可留空，如：商城-汇总支付金额）。

⑵规范化统计口径
当指标主体为实体（名词）：游客、用户、商品等，则只需定义单位为“人/个” 即可。如：游客人数、用户人数、商品个数。

当指标为业务动作（动词）：如点击、支付、下单等，单位除定义为“次数” 外，还需考虑跟这个动作关联的实体的单位，如“商品”时需要定义多一个单位“笔数”；为“用户”时则需要定义多一个“人数”等；所以一个下单动作的指标，会有多个不同的统计口径：下单次数，下单人数，下单笔数，下单金额……

在定义指标名时需要详细列出，避免出现“下单数”这样模糊的指标。

⑶规范化指标等级
我们都知道，随着公司的发展，产品在不断地进行迭代，功能的增删与业务的变化势必也影响着指标的发展，一些旧的指标被不断更新或废弃，而新的指标也不断增加。这时对指标的管理也成了一个问题，哪些指标由谁开发？后续谁来维护……

一个比较好的解决方案就是对指标进行等级划分，可以划分为两个等级：
①一级指标：即原子指标与小部分全平台的核心指标，从各业务部门收集需求后，统一由数据中台来产出，有一套完整规范的开发流程：需求-评审-排期-开发-测试-验收-上线。所有维护管理工作都由中台负责；

②二级指标：即派生指标，由各业务部门自定通过指标中心生成，没有严格的开发流程，各业务部门根据需要自行创建，但需要遵守命名规范。所有维护管理工作由部门内部负责。

03 数据指标中心最终呈现是怎么样
将我们上述讲的所有方法论，内化到对应的功能，然后把功能集合到一个产品里，就是我们常说的指标管理平台，后续所有的指标申请、新建、更新、下架归档、字典等，都在这个系统里去实现，也就实现了我们指标的收口与规范化开发。