指標生命周期管理

本文旨在透過分享一系列從實踐出發的方法和策略，解決指標管理中的混亂問題，提升業務與數據團隊的工作效率。我們將探討如何規範指標的上線、使用和下線流程，以確保數據的準確性和一致性，從而幫助企業更好地做出決策和最佳化業務流程。

前幾天一個同學前來訴苦，說他們公司指標太混亂了，一大堆相似的指標，每次用起來都要花大量的時間去確認到底該用哪一個。時不時就會出現彼此對不齊的情況，業務部門滿意度不高，數據部門也比較痛苦。受到這個的啟發，決定把之前處理類似問題的經驗總結下來，希望對大家有所幫助

一個指標上線前，要明確指標的各種後設資料資訊，其中包含指標中英文名稱，指標類別（原子、衍生、復合），指標等級（業務、安全），指標分類（業務、主題、標簽），指標負責人（DS、DE、業務）和指標口徑（業務、技術）。以上都是最基本的指標後設資料資訊，實際在業務落地中，可能還會配置支持查詢的資料來源、指標支持的維度等。

這些的核心是要保證指標的規範和標準，具體的操作方式和需要註意的點舉例如下：

指標上線之後，就要開始對指標各方面的情況進行例行監控，發現問題及時處理，以免影響業務。

1. 使用量監控

對指標的使用情況進行分時間段監控，例如配置近30天、90天、180天指標的使用情況的報表，最好包含指標中英文名稱、業務負責人、數據負責人和被參照次數等資訊。如果之前沒做過指標的清理下線，並且業務也發展了一段時間，可能會發現多數指標使用的頻率非常低甚至都沒有使用（之前出現過近30天，70%多的指標都沒有被使用），這些指標是應該被辨識和處理的。

2. 一致性監控

一個指標的業務口徑往往可以明確且唯一，但技術口徑可能會存在多個。例如一個指標在Hive中有，同時也在StarRocks中有，正常情況下不同資料來源不同表中出來的數據應該是相同的。但實際在使用過程中，難免會出現數據對不齊的情況，這時就需要檢查哪個資料來源出現了問題，保障不同資料來源不同表產出的同一個指標的數據是一致的。

隨著業務的發展，指標覆蓋的場景越來越多，粒度也往往會越來越細，同時一些業務口徑也會進行調整，這樣就會使得指標的數量會越來越多。指標數量的膨脹不僅浪費儲存資源，也會在使用時造成更多的困惑，我們不得不花時間去區分一些相近的指標，進而確認具體使用哪個指標。

基於這樣的情況，我們要形成指標下線的流程，具體觸發下線的標準可以基於業務和數據量決定。如果現在業務在初期，數據量也並不大，可以把下線閾值放大一些，如果現在數據儲存壓力大，或者在使用的時候相近的指標已經造成比較大的困擾，這時可以把閾值設定的小一些。

當確認一些指標要下線時，不能簡單粗暴的刪除，這裏主要要考慮兩個方面。

一是因為有的指標可能業務只是暫時不用，其實以後還會用到。例如有些指標只在階段性評估時使用，這樣就造成使用間隔比較久，但確實是需要使用的。

二是還可能存在一些對當前指標的依賴，如果刪除會造成一些報錯。例如有的報表使用了該指標，刪除後可能會造成報表整體異常或部份異常。同時一些復合指標使用了該指標，例如ctr = 點選數/曝光數，如果刪除了曝光數，ctr也會出問題。

結合具體的業務情況，具體處理的方案有很多，這裏提供一個之前使用的方案共大家借鑒：

1. 業務溝通：和業務進行溝通，明確指標是否還需要繼續使用，如果反饋不需要進行第二步
2. 指標下線：對指標進行下線處理，下線意味著不能再基於指標新增報表和指標，但之前使用到指標的地方不受影響，還可以進行進行查詢。這一步相當於關閉入水口。
3. 指標刪除：對使用到下線指標的地方進行刪除或者替換，完成後對指標進行刪除，刪除前最好使用郵件或者群聊的方式周知相關方

上面聊到的都是具體處理問題的方案，但更重要的是方案的執行，要讓大家都嚴格按照一套規則去做事，其實有的時候更難，後面有機會再詳細聊聊如何推進落地。