已采纳
回答正文
回复
讨论正文
该问题的正文与回答。
【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】
【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:
最好是踩过坑的人给具体做法,而不是原则性建议。
【补充:我们的初步假设(待验证,欢迎直接推翻)】 写这题时我也在推演自己的答案,先把假设摆出来,方便大家直接对着打:
metric_id + version + effective_from + definition_snapshot(JSON,含口径 SQL / 过滤条件 / 聚合窗口 / 时区 / 单位)+ superseded_by(指向新版本 id,可空)。我倾向用不可变的 version 表(每次变更插一行,不改旧行),而不是 upsert——因为审计要能拉出"任意时点的口径"。_restated 后缀的指标,原指标不动)。这个取舍背后的假设是"财务要的是'当时的数',业务要的是'同口径的数'",两者用不同指标承载,而不是用"重刷"强行统一。time_spine 是辅助维度不是口径版本,Cube 的 member 重定义是破坏性的。所以我倾向自研轻量指标注册表(一张 Postgres 表 + 一个 Flink 作业做回算),成本可控。以上假设都是"我们团队的解法",不是标准答案。特别想听:你们遇到"业务方看到断崖第一反应是质疑数据"时,除了看板侧的呈现,有没有流程侧的手段(比如口径变更必须走评审、必须提前 N 天预告、必须双跑 N 天)能显著降低断崖的"业务冲击"?