1、指标管理出现的问题: 主要从业务、技术、产品三个视角来看： 业务视角: 业务分析场景指标、维度不明确； 频繁的需求变更和反复迭代，数据报表臃肿，数据参差不齐； 用户分析具体业务问题找数据、核对确认数据成本较高。 技术视角: 指标定义，指标命名混乱，指标不唯一，指标维护口径不一致； 指标生产，重复建设；数据汇算成本较高； 指标消费，数据出口不统一，重复输出，输出口径不一致； 产品视角: 缺乏系统产品化支持从生产到消费数据流没有系统产品层面打通； 2、指标管理实现的目标： 技术目标： 统一指标和维度管理，指标命名、计算口径、统计来源唯一， 维度定义规范、维度值一致 业务目标： 统一数据出口、场景化覆盖 产品目标： 指标体系管理工具产品化落地；指标体系内容产品化落地支持决策、分析、运营例如智能运营分析产品等。 3、指标体系框架： 从上之下不同颜色部分依次为：业务流程、指标规范定义、数仓模型设计 4、指标框架名词解释： 业务流程： 业务板块定义原则：业务逻辑层面进行抽象、物理组织架构层面进行细分，可根据实际业务情况进行层级分拆细化，层级分级建议进行最多进行三级分拆，一级细分可公司层面统一规范确定，二级及后续拆分可根据业务线实际业务进行拆分。例如逻辑层面的报名业务，物理层级可继续细分。 数据域： 指面向业务分析，将业务过程或者维度进行抽象的集合。为了保障整个体系的生命力，数据域是需要抽象提炼，并且长期维护更新的，变动需执行变更流程。 业务过程： 指公司的业务活动事件，如曝光、报名都是业务过程。其中，业务过程不可拆分。 修饰类型/维度： 修饰类型/维度是度量的环境，用来反映业务的一类属性，这类属性的集合构成一个维度，也可以称为实体对象，是一类具有相同性质对象的抽象概括，如端口维度，渠道维度,城市维度，时间维度等。 度量/原子指标: 原子指标/度量，基于某一业务事件行为下的度量，是业务定义中不可再拆分的指标，具有明确业务含义的名称，如曝光、点击、报名等。 修饰词/维度属性: 修饰词/维度属性属于一个维度，如端口维度里面的安卓端口、支付宝小程序端口，时间维度里一段时间周期或时间点。 指标按组成性质分类： 原子指标: 基于某一业务事件行为下的度量，是业务定义中不可再拆分的指标，具有明确业务含义的名称，如曝光数、报名收入 派生指标: 原子指标+多个修饰词（可选）+时间周期，是原子指标业务统计范围的圈定。派生指标又分以下二种类型： 事务型指标： 是指对业务过程进行衡量的指标。例如，曝光量、报名量，这类指标需要维护原子指标以及修饰词，在此基础上创建派生指标。 存量型指标： 是指对实体对象（如用户）某些状态的统计，例如注册用户总数、注册商户总数，这类指标需要维护原子指标以及修饰词，在此基础上创建派生指标，对应的时间周期一般为“历史截止当前某个时间”。 衍生指标: 是在事务性指标和存量型指标的基础上复合成的。主要有比率型、比例型、统计型均值。 指标按照行为因果关系分类： 结果型指标： 用户衡量用户发生了某个动作后所产生的结果，通常是延后知道的，很难进行干预。结果型指标更多的监控数据的异常波动，或者监控某个场景下用户需求是否被满足。常见的：报名数，收入金额等。 过程型指标： 用户在完成某个动作的时候所产出的指标，可以同伙某些运营策略来影响该过程的指标，从而影响最终的结果，过程型指标更加关注用户的需求为什么被满足或者没被满足。常见的：曝光数，点击数等。 指标按照等级关系分类： 主要是指标内容纵向的思考。根据企业的战略目标、决策和业务执行过程进行自上而下的指标分级。对指标进行层层剖析。主要分为三级：T1，T2，T3。