数仓指标架构设计——以内容产品为例

1 问题与设计目标

主要从业务、技术、产品三个视角来看，目前存在和可能引起的问题：

• 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；

管理目标

• 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、运营例如决策北极星、智能运营分析产品等

2 数仓指标架构设计

从业务架构设计到模型设计，从数据研发到数据服务，做到数据可管理、可追溯、可规避重复建设。

数据指标模型架构

2.1 业务线

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。

规范定义

以维度建模作为理论基础，构建总线矩阵，定义业务域、数据域、业务过程、度量/原子指标、维度、维度属性、修饰词、修饰类型、时间周期、派生指标等。

业务域