4. 指标分类与分层体系：原子指标、派生指标、复合指标；业务域分层
4.1 为什么需要指标分类分层
在产品分析中，指标并非孤立存在。从原始埋点数据到最终决策依据，指标经历了多层抽象与加工。如果不做分类分层管理，会导致以下典型问题：
- 口径混乱：同一指标在不同看板中定义不一致，团队对数据理解产生分歧；
- 重复建设：类似加工逻辑在多个项目中被重复编写，维护成本成倍增加；
- 归因困难：复合指标异常时无法快速定位根因，排查效率低下。
建立指标分类与分层体系，能够实现原子指标统一管控、派生指标按需配置、复合指标服务决策，同时通过业务域分层将指标归属到各自的业务领域，形成清晰、可追溯的指标地图。
4.2 原子指标（基础层）
原子指标是业务过程中不可再分的原始度量，直接来自埋点事件或基础业务表，是整个指标体系的基石。
| 维度 | 说明 |
|---|---|
| 指标定义 | 单一业务动作的计数、金额、频次，不依赖其他指标计算 |
| 数据口径 | 直接取自埋点日志或业务事实表，ETL 仅做清洗不做聚合加工 |
| 维度拆解 | 时间（日/周/月）、渠道（iOS/Android/Web）、用户属性（新/老、城市） |
| 看板结构 | 位于看板底部明细区，以趋势图和明细表展示原始波动 |
| 异常解释 | 突增突降优先检查埋点上报率、ETL 任务状态、口径变更公告 |
| 业务动作 | 修复埋点缺失、回滚错误口径、补充历史数据 |
| 复盘分析 | 原子指标波动会传递至上层所有派生及复合指标，是归因的第一站 |
常见原子指标举例： DAU（日活跃用户数）、GMV（商品交易总额）、订单量、新增注册数、页面浏览量（PV）、独立访客数（UV）。
4.3 派生指标（分析层）
派生指标是基于一个或多个原子指标通过比率、累加、均值等运算得到的中间层指标，用于衡量业务效率与质量。
| 维度 | 说明 |
|---|---|
| 指标定义 | 原子指标的二次加工，常见类型：比率型（转化率）、均值型（ARPU）、累加型（累计GMV） |
| 数据口径 | 依赖原子指标，加工逻辑在数仓 DWS 层或指标平台中定义并固化 |
| 维度拆解 | 继承原子指标的维度，同时增加对比维度（如同比/环比、分群对比） |
| 看板结构 | 位于看板中部分析区，以折线图、柱状图、漏斗图展示效率变化 |
| 异常解释 | 先检查上游原子指标是否正常，再排查加工逻辑中的除数/分母变更 |
| 业务动作 | 优化比率分子端（提升活跃）或分母端（控制渠道质量） |
| 复盘分析 | 比率变化直接反映业务效率波动，是分析层最敏感的预警信号 |
示例：派生指标 ARPU 的加工逻辑
-- 派生指标：ARPU = GMV / DAU
SELECT
date,
SUM(gmv) AS total_gmv,
COUNT(DISTINCT user_id) AS dau,
ROUND(SUM(gmv) * 1.0 / COUNT(DISTINCT user_id),