目前，我正在体系化更新数据资源管理/数据治理/数据中台系列文章。
| 01
企业在指标管理和应用中遇到的问题
“如果数据仓库和可视化报表是首站，大数据平台和敏捷 BI是第二站，数据中台是第三站，那么，指标平台就是大数据的下一站”--佚名。
“指标”的概念可比“大数据”这个词出现的要早多了。在 20 世纪 60 年代指标就被提出来了，用于衡量和管理企业的绩效，相比之下，“大数据”的概念则是到了 2001 年左右才被正式提出。
时至今日，指标仍然是指导企业战略目标落地的标准语言，是企业数字化经营的核心数据载体。
随着企业数字化逐渐进入深水区，在数据应用方面也暴露出越来越多的问题。而指标管理混乱问题，尤为明显，已经严重影响了企业数字化深化的进度和质量。
具体而言，有以下突出问题：
口径不一致，主打一个乱。
不同的业务部门或组织，在度量面向同一业务发展情况时，口径经常不一致。
比如虽然指标中文名都叫“黑金活跃用户销售额”，市场部门和会员中心对于黑金活跃用户的定义存在差异：
市场部门以过去三个月内的购买行为和消费金额作为衡量标准，而会员中心则以最近一个月内的购买行为和消费金额作为衡量标准。
响应速度跟不上业务需求，主打一个慢。
由于需要同时支撑多部门的数据处理需求，需要经过需求沟通、指标开发、报表上线等环节，流程长成本高，且响应慢，在人员有限的情况下，很难支撑众多部门的需求，研发效能成为短板。
灵活性不足，主打一个死板。
业务人员希望数据不固化、能及时修改，更灵活的支持业务数据需求，当缺少想要的指标时，能够快速定义，实现真正自助式分析，以面对更细颗粒度、更复杂的业务需求 。
| 02
指标平台的演进
指标口径不一致的问题，一直是一个核心痛点，不过这个痛点如果通过数据中台或数据仓库严管控的话，也是可以有效解决的。
难点在于，如何同时解决口径不一致、响应速度慢、灵活度不足的问题。
现在市面上的指标平台，都瞄准了这一复杂场景，推出了第三代一站式指标管理平台。
图片来源于网易数帆指标平台
以报表为核心的第一代，以宽表为核心的第二代，当下进化到以指标为核心的第三代。
同样被叫做第三代指标平台，也有另外一种分法。
第一代是以敏捷 BI 为核心，在应用层解决指标的问题；
第二代则是以数仓为核心，在数据基建层来解决；
第三代则是以国外 HeadlessBI(无头 BI)概念为基础，将指标从 BI 中抽离出来，生成一个解耦层（来完成指标的统一管理和定义，也就是第三代指标平台）。
目前，北京数势和杭州大应主要按照 HeadlessBI 的概念在构建（也就是第三代），而奇点云则是基于自身数据中台的经验和优势，在数据基建层（数仓）来完成指标的统一构建和管理，逐步实现从治到系统自动化的处理效果，通常主流的 BI 工具，则都支持指标的定义和应用。
| 03
指标平台的功能
很多读者可能有个疑问：还是没搞明白，有了数据中台和 BI 系统，为啥还需要单独的指标平台？
接下来，我们一起看一下指标平台包含哪些模块：
图片来源于网易数帆指标平台
1. 指标定义
功能：用于定义业务指标，包括指标的名称、描述、计算公式、数据来源、维度和度量等
核心能力：
指标标准化：确保所有定义的指标具有统一的格式和标准。
计算公式管理：支持复杂计算公式的定义和管理。
数据源配置：支持多种数据源的配置和集成。
2. 指标开发
功能：用于定义和开发业务指标，包括指标的名称、描述、计算公式、数据来源、维度和度量等，同时提供开发工具和环境，支持开发人员编写和测试指标计算逻辑。
核心能力：
指标标准化：确保所有定义的指标具有统一的格式和标准。
计算公式管理：支持复杂计算公式的定义和管理。
数据源配置：支持多种数据源的配置和集成。
可视化开发工具：提供拖拽式界面，简化指标开发过程。
版本管理：支持指标计算逻辑的版本控制和管理。
自动化测试：提供自动化测试工具，确保指标计算的准确性和稳定性。
3. 指标管理
功能：管理已定义和开发的指标，包括发布、维护和更新等。
核心能力：
权限管理：控制不同用户对指标的访问和操作权限。
生命周期管理：管理指标从定义到废弃的整个生命周期。
日志和审计：记录指标操作日志，支持审计和追踪。
4. 指标分析
功能：提供数据分析工具，帮助用户深入了解指标数据。
核心能力：
可视化分析：支持多种图表和可视化工具，帮助用户直观地理解数据。
数据挖掘：提供数据挖掘和分析模型，挖掘隐藏的业务洞察。
自助分析：支持用户自助进行数据分析和报表生成。
5. 指标服务
功能：用于构建和管理统一的业务指标语义层，确保所有业务指标具有一致的定义和解释。
核心能力：
统一语义层：提供一个统一的指标语义层，确保所有业务指标的定义和解释一致。
模型管理：支持业务模型的定义、管理和维护，确保模型的正确性和一致性。
模型共享：支持在不同业务部门之间共享统一的指标模型，确保数据的一致性和可比性。
模型优化：提供模型优化工具，支持对指标模型的持续优化和改进。
数据整合：支持将多个数据源的数据整合到统一的指标模型中，提供全面的数据视图。
| 04
小结
经过多年的探索和发展，大家逐渐意识到，很多高大上的概念如果不具备落地价值，那么一切都是空谈。
一切数据应用手段和工具，都要为业务的发展做支撑和贡献，否则终将被淘汰。
指标平台除了规范化定义指标以外，最大的作用是统一团队协同语言，让大家劲往一处使。
（正文完）
今天的分享就到这里，希望对你能有多帮助和启发。
我是唐晨，日更大数据+AI 领域知识和个人观点，关注 Data + AI 领域的小伙伴，可以点击关注公众号。
看看都是哪些角色在订阅唐晨说数，点击下方选项查看:
有任何问题想咨询我本人，可添加微信。
