指标口径一改，历史曲线就断崖：指标版本化到底怎么落地才不被业务骂？

【背景】 我在一家 10 人左右的数据团队做指标体系，核心看板有 30+ 指标。业务方最近半年把"周活跃用户"的口径来回改了三次：从"7 天内任意登录"→"7 天内登录≥2 次"→"7 天内完成一次核心行为"。

【现象】 每次改完口径，看板上一条曲线直接出现"断崖"——新口径下的数值和历史完全不在一个量级。业务方看到断崖第一反应是"指标是不是挂了/数据是不是错了"，而不是"口径变了"。我试过在看板上加一条竖线标注变更日期，但业务方根本不看；也有同事建议直接重刷历史数据，可重刷意味着"过去的数"被篡改，审计和财务那边过不去。

【已尝试与结果】

1. 看板加变更标注 + 悬浮提示：业务方基本忽略，仍按断崖质疑。
2. 双口径并行展示（新旧各一条线）：看板瞬间变乱，指标爆炸，反而更难读。
3. 直接重刷历史：财务/审计拒绝，认为历史数据被改动。

【我期望的答案形态】 希望有人给出一套可复现的指标版本化/历史可比性方案，具体到：

• 指标元数据里该加哪些字段（version、effective_from、口径快照等），怎么存；
• 看板上怎么呈现新旧口径切换，既不断崖又不乱（比如同口径对比、切换器、对数轴等取舍）；
• 历史数据"重刷"和"不重刷"两种策略各自的适用边界和代价；
• 有没有现成的开源方案或指标平台（如 metric store / dbt metrics / Cube 等）能直接支持版本化，各自的坑在哪。

最好是踩过坑的人给具体做法，而不是原则性建议。