巧用指标平台DataIndex，五步法轻松实现指标管理

开发部门在做指标加工的全流程中，是否经常出现如下问题：

· 业务部门看指标数据的时候，看到两个名称相似的指标，不清楚两个指标的差异性，来咨询开发部门指标计算口径，开发部门配合业务部门翻找代码，找出指标口径差异性，影响工作效率

file

· 业务部门看指标数据的时候，总会出现不同页面的同一指标统计的结果不一致的问题，业务部门不知道该以哪个数据为准，就会给开发部门提线上问题；开发部门在收到线上问题后，总会花费很多时间去定位任务、翻看代码差异来排查指标口径问题，修复后发布上线，但此时业务的决策进度已经受到了负向影响

· 开发部门基于业务诉求上线了一个新的指标，也在平台A上验证了数据的正确性，但第二天业务部门在平台B上看数据的时候发现了很严重的线上BUG（不产出数据甚至是数据错误），阻塞了业务层工作进展，甚至影响的是客户数据，直接产生了外部客户的客诉行为

出现上述问题，大概率是因为开发部门在指标加工的过程中没有做指标管理，或是指标管理粒度不够。业务初期没有做指标管理问题不大，但随着业务的不断演进，因为指标管理没做好而导致的指标问题就会日益严重，到后期会大到开发每天陷入查线上问题、解线上问题，再产生新的线上问题的恶性循环中。

为了避免后期产生如此严重的问题，在业务发展初期，我们就要做好规范的指标管理，以保证随着业务的不断发展，数据化决策能够成为业务强有力的支撑。本文将为大家详解如何通过袋鼠云指标管理平台DataIndex 进行规范化的指标开发管理，轻松开发指标。

指标问题产生的原因

要想做好指标管理，我们首先需要知道在指标加工过程中，究竟是哪些环节存在问题导致后续会产生指标问题。

指标血缘无法追踪

从需求提出到指标上线应用的全流程，没有做指标加工的全流程跟进。最初的指标需求提出是由其他平台完成，甚至是口头提出，开发过程中只是保证了代码的实现，不考虑前后链路的关联性，导致随着时间的推移，无法追溯需求来源，也不方便追踪指标流向，后期治理起来的成本很大。

以下图为例，2022年销售额数据计算，因某一任务数据计算异常，导致该数据计算结果错误，因无法通过指标血缘查询上游数据变化，导致任务排查速度大大降低。

file

没有统一的地方做指标定义口径的管理

指标口径定义完全依赖开发对表定义、字段定义、表说明、字段说明、代码注释等方式实现，没有额外的地方对指标和表之间的关联关系、生成规则做规范化的记录。或是记录分散在不同的地方，以不规范的方式记录着各种各样凌乱的业务诉求。

以表格文件的方式粗放的记录指标口径

初期的版本记录会相对规范些，但随着指标版本的不断更新，出现了越来越多的文件，产生了越来越多的记录，文件检索与更新都变得十分困难，这种方式也渐渐失去了它本该产生的价值。

同时，随着时间的推移，大量的文件管理也容易产生丢失的情况，导致原本的指标管理问题演化成了文件管理问题。

file

指标重复计算

因为前期没有做好指标管理，指标检索周期长。同时基于业务的紧急程度需要，没时间去查找历史相同指标，就会紧急给业务侧出一个新指标，后续就会出现两个相同的指标在同时运行的情况。

因为不同的业务方正在使用不同的指标表，也不方便做下线或变更处理，只能继续同时运行着，无形中造成了大量人力、资源的浪费。

指标加工过程中耦合严重

一张表同时生成了多个指标，不同的指标又有不同业务层的过滤条件，彼此之间相互影响，牵一发而动全身。导致后期因不确定口径修改的影响点，不能轻易下线指标、修改指标口径，只能通过新增的方式做指标计算，重复指标进一步增加。

如何实现高效指标管理

找到了指标加工问题产生的原因，接下来就是如何通过袋鼠云指标平台DataIndex 来逐个击破难点，实现指标的轻松管理。

第一步：确定全流程需求管理方案

指标需求的来源通常是业务层，业务层的数据需求需要有统一的录入入口，以便后续业务方可以有效跟进需求开发进展，开发部门也可以对需求来源及需求流向有统一的管理。

需求管理过程中主要有四类角色参与：

· 业务方：负责产生需求，在整个需求开发过程中主要做需求答疑、需求结果验收

· 需求管理方：主要负责整个数据管理过程中的制度管理，如：需求的拆解、任务的指派、指标发布审批等，在整个开发过程中起到统筹规划、全局管控的作用

· 指标管理方：通常每个人会负责一个业务域，管理自己业务域下的指标，保障指标的规范定义，是业务方与开发方沟通的重要桥梁。主要负责判定分派的指标任务所属业务域，指标重复性检索、指标口径定义、指标需求评审等，是指标开发方的重要输入来源

· 指标开发方：负责指标的开发落地与任务运维，同时在需求开发过程中配合需求管理方、指标管理方做指标重复性检索与指标口径定义

file

实际生产中，四类角色可以根据实际情况做一定的组合，如需求管理方和指标管理方可以由一人负责，指标管理方与指标开发方可以由一人负责，负责的工作范围则是多个角色工作范围的组合。需求管理的过程就是对这一步步需求流转流程的细化与保障，让整个过程好管、好控、好查、好跟进。

第二步：准备好底层数据

指标管理本质上是面向业务层面的管理，业务层面的频繁更新、不断迭代加工出繁多的指标类数据。所以在进行指标层数据加工前，需要先在 ODS、DWD 层将数据清洗、整合完成。整合后的数据表尽量不会出现因为业务场景/诉求的变化，需要频繁对表结构做变更的情况，指标加工时依赖 DWD、DM 层数据即可。

file

第三步：实现指标平台的冷启动

对历史已有指标做梳理，形成一套指标体系，并落地指标平台，实现指标平台的冷启动。冷启动的过程相对是艰难而痛苦的过程，但梳理好了之后，后续的指标管理就会轻松很多。

这个过程涉及到各方角色的共同参与，梳理历史指标口径，拆分出聚合维度、统计周期、业务限定、通用计算公式，规划好指标目录、描述指标的指标元信息，依次生成数据模型、原子指标、派生指标、复合指标，由系统实现任务的有序调度管理。具体的指标体系设计与加工方案可以参考之前的文章：实用五步法教会你指标体系的设计与加工丨DTVision分析洞察篇

在整个指标加工的过程中，系统也会时刻做好指标的重复性校验，以保障通过指标平台生成的指标不会出现指标重复加工的问题。