📚 课程目录第4章指标分类与分层

4、指标分类与分层：原子指标、派生指标、复合指标的定义与关系、指标分层模型

聊到指标层设计，很多人一上来就画大宽表，恨不得把所有维度都塞进去。结果呢？维护成本高、口径对不上、业务方天天来吵架。我早期也踩过这个坑，后来才明白——指标必须先分类、再分层。这就像盖楼，你得先搞清楚哪些是砖头，哪些是预制板，哪些是装饰墙，才能把楼盖稳。

我们先从最基础的定义说起。我个人习惯把指标分成三个层次，每一层解决不同的问题。

原子指标，说白了就是不可再拆的业务度量。它直接来自业务过程的事实，比如「订单金额」「用户数」「点击次数」。原子指标不依赖任何维度约束，它是派生和复合的基石。

原子指标的特征：

举个例子。在电商场景里，「订单金额」就是原子指标。它只告诉你「所有订单的金额总和」，不区分是哪个品类、哪个渠道、哪个时间段。嗯，这里要注意——原子指标一旦定义，全局唯一。同一个业务含义，不能出现两个不同的原子指标。

派生指标，就是在原子指标的基础上，加上维度限定和时间周期。你可以理解为：原子指标 + 维度修饰 + 时间周期 = 派生指标。

比如「2024年Q1的华东区手机品类支付金额」，就是由「支付金额」（原子指标）+「华东区」（维度修饰）+「手机品类」（维度修饰）+「2024年Q1」（时间周期）派生出来的。

我的经验：派生指标是业务方最常使用的指标。我曾经在一个项目中，业务方提了200多个指标需求，结果梳理下来，底层原子指标只有12个。剩下的全是派生组合。所以，把原子指标管好，派生指标自然就清晰了。

复合指标，是多个派生指标或原子指标通过四则运算、比率计算得到的。比如「客单价 = 支付金额 / 支付用户数」「转化率 = 下单用户数 / 访问用户数」。

复合指标的核心价值在于：它反映的是业务效率或质量，而不是单纯的规模。业务方看复合指标，往往是为了做决策判断。

避坑指南：我曾经见过一个团队，把「毛利率」直接定义成原子指标，结果口径对不上——有人用含税金额算，有人用不含税金额算。后来我强制要求：复合指标必须显式引用底层原子指标，不允许直接写死数值。这样口径才能追溯。

它们之间的关系，可以用一句话概括：原子指标是根，派生指标是枝，复合指标是果。

具体来说：

你想想看，如果底层原子指标定义错了，上层所有派生和复合指标都会跟着错。这就是为什么我总强调：指标治理，要从原子指标开始。

有了分类，还得有分层。分层解决的是「指标应该放在哪一层」的问题。我常用的分层模型是这样的：

这个分层的好处是：每一层职责清晰，数据可追溯。DWD 层只负责存原始事实，不做任何业务逻辑加工；DWS 层做维度汇总，产出派生指标；ADS 层做业务计算，产出复合指标。

核心原则：

这样做，当业务方问「这个指标怎么算的」时，你可以从 ADS 一路追溯到 DWD，每一步都清清楚楚。

下面这张图，展示了我常用的指标分层模型。你可以看到数据从底层明细到上层应用的完整流转路径。

理论讲完了，说点实际的。我在多个项目中落地这套模型，有几个坑想提醒你：

不要为了省事把派生指标直接定义成原子指标。比如「华东区支付金额」如果直接存成原子指标，那「华北区支付金额」怎么办？「华东区+手机品类」又怎么办？原子指标必须保持最细粒度。
复合指标的计算逻辑要显式声明。我习惯在元数据里记录复合指标的公式，比如「客单价 = 支付金额 / 支付用户数」，并且这两个引用必须是原子指标或派生指标的ID，不能是文字描述。
分层不是越多越好。有些人搞了五六层，结果数据流转链路太长，延迟高、维护难。我个人觉得，三层就够了——DWD、DWS、ADS。如果业务特别复杂，可以在DWS和ADS之间加一层DM（数据集市），但不要超过四层。

一个小技巧：在定义原子指标时，可以给它加一个「不可再分」的标签。这样后续任何人想新增派生指标，都必须先确认底层原子指标是否存在。我团队用这个规则，半年内减少了30%的重复指标。

最后说一句：指标分类和分层，不是为了炫技，而是为了让数据可管理、可追溯、可复用。你想想看，如果每个指标都独立定义、独立存储，那数据团队迟早会被业务方的「这个指标怎么和那个对不上」给淹没。所以，从今天开始，给你的指标分好类、分好层吧。