如何建设数据指标中心.docxVIP

PAGE PAGE 1 如何建设数据指标中心 TOC \o 1-3 \h \z \u 前言 2 1.数据指标中心的定位 2 2.数据指标中心设计 2 2.1定义指标并归集到对应的主题域 2 2.2拆分原子指标与派生指标 3 2.3定义原子指标与派生指标的生产逻辑 4 2.4通过指标管理平台对指标进行规范生产 6 ⑴规范化指标命名 6 ⑵规范化统计口径 7 ⑶规范化指标等级 8 3.数据指标中心最终呈现是怎么样 8  前言 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。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 1.数据指标中心的定位 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。 2.数据指标中心设计 2.1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。 2.2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。 2.3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： 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。 2.4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