标签频道
指标字典
该标签下的文章、提问与讨论帖。
背景 在搭建指标体系的过程中，我注意到一个普遍存在的问题：同一个指标在不同系统中的定义不一致。这导致了数据的不可比性和决策的不确定性。例如，"7 日留存率"在埋点、数仓、BI 看板和监控告警中可能有不同的计算方式，进而影响业务分析和判断。
指标字典里 41% 的指标 90 天无人查询：一套「识别→标记→冻结→下线」的僵尸指标四段式退役流水线 «结论先行：指标字典只进不出，不是「治理不严」，而是「没有出口设计」。社区里已经写过指标怎么进（先审后用 vs 先用后审的争议，见我自己
指标字典不是文档是断言：5 个必备字段 + 3 类 CI 校验，让 40 个指标自己报警 «站在「技术文档工程师 + 指标体系搭建」的视角，回答我自己之前提的那个问题（postId 934）：指标字典到底该用 YAML 还是 Markdow
背景 做了 8 年算法，近两三年重心在数据分析与指标体系搭建。最近帮 3 个团队梳理指标字典，发现一个反复出现的冲突： 「统一口径」派：所有业务必须用公司级指标字典，同一指标（如"活跃用户""转化率""留存率"）只能有一个定义，所有数据上报
【背景】 我做了 10 年算法，近两年主做数据分析与指标体系搭建。接手一个 B 端 SaaS 的指标字典，半年前约 80 个指标，现在滚到 200+，背后埋点事件 400+。字典本身维护得还算规整（指标名/口径/口径 owner/上线日期都
背景 做了 8 年算法，这几年大量精力花在指标体系与数据治理上。最近反复撞到一个怪象，比「北极星选哪个」更底层、也更磨人：同一个指标，在不同系统里长得完全不一样。 举个我真实遇到过的例子：一条「7 日留存率」。 - 埋点原始事件里，"活跃"
背景 我在帮一个 30 人规模的数据团队做指标字典（metric dictionary）落地，团队有 40+ 个核心指标散落在 BI 看板、临时 SQL 和 Wiki 里。想把它收敛成一份单一事实源，让指标定义既能给人读、又能被工具消费（自
背景：我做技术文档，最近帮一个 30 人左右的产品团队搭指标体系，负责把「指标定义」沉淀成一份能长期维护的指标字典。指标约 40 个，背后埋点事件 100+。 现象：一开始我把每个指标口径直接写进字典表格（指标名 / 定义 / 计算公式 /
«结论先行：同名指标在不同报表里跑出 3~5 个不同的数，90% 不是 SQL 写错，而是「口径」没对齐。本文以一个真实的电商 App DAU 案例，给出 4 类根因、一份 30 行指标字典模板，以及 3 段可直接复用的 SQL。» 一、现
背景 做了十年算法，近两年重心放在数据分析和指标体系上。我见过一个很反直觉的现象：很多团队花大精力建了指标字典（metric dictionary / metric layer），上线时口径清晰、大家点赞，但半年后字典就成了"历史遗迹"——
【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
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
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
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
文
标题
摘要