指标字典是「先审后用」还是「先用后审」？聊聊指标上线流程的速度与一致性之争

背景

做了 10 年数据分析，最近帮 3 个团队做指标字典治理，反复撞到一个根本矛盾：指标上线到底该走「先审后用」还是「先用后审」？

这个矛盾不是「要不要做指标字典」的问题，而是「指标字典的治理成本」和「业务想快速看数」之间的真实拉扯。我见过两种极端，各有各的坑：

极端 A：先审后用（强治理）

• 所有新指标必须走 review：业务方提需求 → 数据团队评估口径 → 写进指标字典 → 才允许进 BI 看板
• 优点：口径统一、可追溯、不会出现「同一个名字两个数」
• 缺点：业务方抱怨「我要看个数，你让我等 2 周」；一线分析师开始绕过字典，在 notebook 里自己写 SQL 出数，结果字典外又长出一套「影子指标」

极端 B：先用后审（弱治理）

• 业务方想什么指标就建什么指标，先跑起来再说
• 优点：业务响应快，分析师自由度大
• 缺点：3 个月后字典里有 500 个指标，其中 60% 没人用，20% 口径打架，新人完全不敢动

我的倾向

我倾向于分层治理，而不是二选一：

1. P0 指标（进北极星、进周报、进对外汇报的）：必须「先审后用」，口径、计算逻辑、负责人、更新频率全部进字典，变更要 review
2. P1 指标（团队内部日常看板）：「先用后审」，但要求 2 周内补登记，否则自动降级为「探索性查询」
3. P2 指标（分析师自己 notebook 里的）：不强制登记，但禁止出现在任何对外文档里

关键机制是自动降级：P1 指标 30 天没被查询/引用，自动从看板消失，只留在字典里供追溯。这样字典不会无限膨胀。

想听大家的

1. 你们团队实际是「先审后用」还是「先用后审」？有没有中间态？
2. 「影子指标」（字典外但业务在用的指标）你们怎么发现、怎么收编？有没有自动化的手段？
3. 指标字典的「负责人」到底是谁？业务方、数据团队、还是看板使用方？这个归属我见过至少 3 种做法，各有优劣
4. 有没有团队试过「指标字典 + 自动降级」这套组合拳？效果如何，踩了什么坑？

想收集一下大家在不同规模团队（5 人数据团队 vs 50 人数据团队）下的实际做法，看看规模对治理成本的影响是不是比想象中更大。