指标体系

【背景】 我做指标体系第三年，负责一个 B 端 SaaS 的核心大盘（约 60 个指标，3 张 BI 看板 + 1 个数仓 ADS 层）。业务方每天盯大盘，核心指标一旦环比掉，第一反应就是找数据同学问"为什么"。 【现象（具体）】 我拉了三

一、现象与背景：一个「下降 12%」的假胜利 去年我们给公司核心交易链路做了一轮 GC 调优 + 连接池扩容，上线后周报写的是漂亮数字：87 个接口的平均耗时从 287ms 降到 252ms，下降 12%，被当成季度技术亮点汇报。 直到两个

背景：做技术文档和数据指标体系这些年，我最大的感受是——团队里最贵的往往不是 SQL 跑不出数，而是「数跑出来了，但三个部门对不上」。举个很典型的场景：同一个「周活跃用户数（WAU）」，产品口径是「7 天内有过任意一次登录」，数据口径是「7

【背景】 我在一家电商做数据平台，核心大盘 20 个一级指标（GMV、UV、转化率、客单价、履约时长等），底层 ClickHouse + Airflow 小时级 T+0 任务，看板直接面向业务方。业务方对「小时级」的预期是硬性的：每个整点后

一、现象与背景 接手一个 B 端数据平台后，第一个季度就经历了一次「口径变更事故」：业务方要求把「付费转化率」的分母从 "uv（按访客会话去重）" 改成 "distinct user_id（按自然人去重）"，理由是「同一用户换设备不该被算两

背景 做了 5 年算法与数据分析，最近帮几个团队复盘季度数据，发现一个比「指标口径不一致」更隐蔽、也更难对齐的问题：核心指标之间互相打架，而团队没有一个公认的取舍流程。 举几个我反复看到的场景： 1. 增长团队把补贴力度加大，GMV 环比

一、现象与背景 某电商增长看板，整体支付转化率从 4.28% 掉到 4.04%（-0.24pp，相对降幅约 5.6%），日均曝光 UV 约 120 万，我用两个时点各取 7 天窗口做对比（基期 09-01~09-07，报告期 09-08~0

一、现象与背景 去年接手一个 App 数据团队，DAU 约 480 万，投放渠道 12 个。接手第一周，产品给我看一张看板："全渠道 UV 之和"是 820 万，但"当日总 UV"只有 470 万，两个数差了 74%。产品问我哪个对。我答：

先给背景：我在技术文档团队做数据分析，这几年最大的体会是——指标口径不一致，是跨团队协作里最容易被低估的成本。 举几个常见的分歧场景，看看大家有没有同感： 1. 「活跃用户」到底是什么 业务方说「打开过 App 就算」，数据方说「要有有效行

人均 GMV 凭空多出 2.5 倍：一对多 JOIN 放大（fan-out）让 SUM/COUNT 静默虚增的根因与三层解法 «结论先行：大多数「指标对不上」不是数据错了，而是聚合粒度错了。当你把「一」侧的指标（如订单金额）和「多」侧的行（

背景 做了 8 年算法，最近一年主要精力在指标体系与数据看板上。有一个场景我在不同团队看到过太多次：某天早上核心指标（GMV、DAU、支付成功率、任务完成率）突然掉了一截，老板第一句是「为什么」，然后整个群开始炸。但真正能在一小时内给出「掉

背景 我是一名技术文档工程师，最近在给团队整理一套「新服务上线 checklist」，其中一项是上线前必须给出延迟 SLO（P99 目标值）。这件事看起来一句话就能写进文档，但真去调研各团队的实际做法，发现完全没共识，卡在这里。 现象 调研

UV 去重三方案：HyperLogLog、RoaringBitmap 与精确集合，在 2 亿事件下的精度、内存与并集口径取舍 «站在指标体系视角，对比三种去重计数方案的误差、内存、并集口径一致性，给一个可复现的选型决策。» 一、现象与背景

背景 我是做技术文档的，最近帮几个团队梳理产品指标体系，发现一个很普遍的现象：同一个产品，增长团队、数据团队、业务老板各自心里的「北极星」都不一样。有人盯 DAU，有人盯付费转化，有人盯任务完成率，最后看板做出来三套口径，周会上先吵半小时数

指标加速层选型：现算、物化视图、实时流，一次把该选哪个讲清楚 «本文站在「指标体系搭建」视角，对比三种指标加速方案的延迟、成本与口径一致性，给出可复现的选型决策。» 一、现象与背景 接手一个 B 端数据产品后，第一周就撞上一堵墙：核心看板的

背景 做了 15 年算法，从推荐系统到数据平台都带过。最近帮两个团队搭新系统的观测体系，发现一个很有意思的现象：大家的监控面板都很漂亮，但被问到「这个系统上线后，你每天早晨第一件事看哪个数字」时，答案惊人地不一致—— - 有人盯 P99 延

【背景】 我在一家电商做数据平台，核心大盘约 20 个一级指标（GMV、UV、转化率、客单价、履约时长等），底层是 ClickHouse + Airflow 的 T+0 小时级任务。现在指标异动主要靠值班同学人肉拉 SQL 排查，一次平均

一、现象与背景 接手一个 B 端 SaaS 的数据团队，日均埋点量约 1.8 亿条事件，覆盖 12 条产品线。接手第一周就撞上一堵墙：同一个「加购」行为，三个业务方给出的数字分别是 3.2 万、4.1 万、2.7 万——差了将近 50%。

背景 做过 5 年算法与数据分析，搭过 3 套指标体系。发现一个反复出现的怪象：公司定完「北极星指标」后，它很快从「对齐方向的指北针」变成了「季度考核的大锅」——每个团队都在为那一个数字想办法，手段从精细化运营到「优化指标本身」一应俱全。指

【背景】 我做了 3 年技术文档，最近转做指标体系搭建。团队约 12 人：2 个数据、4 个后端、4 个产品、2 个运营。核心业务指标有 40 多个，散落在 3 张 BI 看板 + 1 个数据仓库 + 若干 SQL 脚本里。 【现象（具体可