1. 课程导论

1.1 背景：数据信任危机与工程分析平台的挑战

在工程分析平台（如实时监控、AB实验、用户行为分析、业务报表等）的日常运营中，数据不一致、指标打架、口径模糊是长期困扰数据团队与业务团队的顽疾。同一个“日活跃用户数（DAU）”，在数据仓库、实时看板、离线报表中可能得出三个不同的数值，导致决策层对数据失去信任。

造成这一问题的核心原因在于：指标口径定义与数据质量规则长期处于割裂状态。口径通常由业务分析师或产品经理在文档中定义，而质量规则（如空值校验、唯一性约束、波动阈值）则由数据工程师在ETL或数据质量平台中独立配置。两者缺乏协同，导致口径变更后质量规则未同步更新，或质量规则触发告警时无法快速定位到具体口径环节。

下图展示了传统模式下指标口径与质量规则分离的典型架构，以及由此产生的数据信任断层：

1.2 协同配置的核心价值

指标口径与质量规则协同配置，是指在工程分析平台中，将指标的业务定义（口径）与技术约束（质量规则）进行统一建模、关联存储、联动变更与自动化校验。其核心价值体现在以下三个维度：

1.3 课程目标

通过本课程的学习，学员将掌握以下核心能力：

1. 理解协同配置的理论基础：掌握指标口径的元数据模型、质量规则的类型体系，以及两者之间的映射关系。
2. 掌握协同配置的工程实践：学会在工程分析平台中设计口径-规则协同配置模块，包括配置界面、存储方案、变更流程与自动化校验。
3. 具备平台架构设计能力：能够从0到1设计一套支持口径与规则协同的工程分析平台架构，并评估其可扩展性与运维成本。
4. 解决实际业务问题：通过真实案例（如实时大屏数据异常、AB实验指标冲突），掌握协同配置在排查与治理中的应用。

1.4 适用人群

本课程面向以下三类核心人群：

• 数据治理工程师 / 数据质量工程师：希望建立体系化的指标管理与质量规则联动机制，提升数据治理效率。
• 工程分析平台架构师 / 后端开发工程师：需要设计或优化平台的数据模型、元数据管理与自动化校验模块。
• 数据分析师 / 数据产品经理：希望理解口径定义如何被工程化落地，以及如何与数据团队高效协作。

下图展示了协同配置模式下，口径与规则如何通过元数据层实现联动，从而构建数据信任闭环：

1.5 课程内容概览

本课程共分为30章，涵盖以下五大模块：