前言：更多關於數智化轉型、數據中臺內容可掃碼加群一起探討

阿里雲數據中臺官網 https://dp.alibaba.com/index

---

作者：數據小海豚

隨著大數據趨勢的迅速增長，數據的重要性與日俱增，企業內看數據、用數據的訴求越來越強烈，其中最常見的就是各種經營報表數據：

老闆早晨9點準時需要看到企業核心的經營數據，以便進行企業戰略及方向決策
業務負責人不定期進行個性化的項目籌劃，需要多維、及時效果數據以優化項目安排
運營需要和高層一致但粒度不同的經營分析數據，並進行活動策略調整
……

舉個經營報表的例子：

這個例子並不複雜，但是對於分析師或者業務開發者，實際執行的複雜度和工作量並不小，而且類似的工作每日都在重複……業務發展越快，帶來的問題就越來越多：

  加工時間長、人工成本高，招再多的分析師也難以滿足需求
  代碼可讀性差，數據可維護性差，類似需求需要反覆、重複開發
  代碼開發不規範，加工過程中難以避免的計算存儲浪費
  得到的數據指標，複用性差導致重複建設，數據越來越不標準規範

這種情況下，對業務的直接影響就是：決策週期長（數據需求滿足慢），決策易出錯（數據指標口徑不一致）。

既要保證數據生產時效性——及時產出數據並滿足需求，又要支持數據多樣性——企業自下而上不同業務分析場景，最後還要保證數據準確性——任何時間、不同崗位的人都能用同樣的數據解讀經營情況，怎麼才能做到呢？

企業的發展加速，離不開20世紀的文檔管理轉到21世紀的信息管理。同樣的，如果繁複的指標代碼編寫工作，也可以如計算器一般，界面可視化點選，複雜的代碼研發過程由計算器自行處理完成就好了。

而Dataphin的自動化建模功能，就可以很好實現這個能力。

1、選擇組合條件

如下圖，確定需要統計計算的值，Dataphin裡稱為“原子指標”——最小的數據值統計單元，比如用戶數這樣的統計值等，然後組合如下內容：

• A. 統計計算值需要應用的分析對象，Dataphin裡稱為“統計粒度”——維度或維度的組合，比如用戶星級、用戶狀態等
• B. 數據統計計算的時間週期，Dataphin裡稱為“統計週期”——統計數據需要跨越的時間長度，比如最近1天、最近30天、自然周、自然月的等
• C. 數據統計的其他個性化限定條件，Dataphin裡稱為“業務限定”——數據記錄的篩選過濾條件，比如生鮮業務類型、PC端、女性等
  

2 預覽指標

選擇完畢組合條件後，可以預覽組合出來的派生指標：
1）組合的指標，默認名取“原子指標+時間週期+業務限定”組合名，保證命名標準規範。
2）歷史已生成的組合，不再生成，保證指標建設統一，無重複

3 一鍵自動化生成

確認需要提交的指標後，一鍵【提交】，分鐘級指標生成：
1）自動匯聚至以“統計粒度為主題”的彙總邏輯表表下，保證管理標準規範；
2）代碼和調度依賴關係，系統自動生成；
3）派生指標基於彙總邏輯表，可快速雪花模型查詢使用指標、分析對象的屬性信息。

①派生指標自動匯聚至彙總邏輯表
②派生指標所在彙總表節點，代碼及調度關係自動生成

③彙總表及派生指標可查詢消費

4 複雜需求實現

上面主要是基於簡單統計指標實現，實際上，報表需求還有類似 比率型、乘積型等複合統計方式，比如“客單價=銷售額/客戶數”，這類也可以通過Dataphin的衍生原子指標實現：

1）衍生原子指標是基於原子指標的再組合；

2）基於衍生原子指標新建派生指標時，需要保證拆解到最細粒度的原子指標，有相同的分析維度、時間週期，允許維度的計算路徑不同、設置的業務限定不同。

①新建衍生原子指標
②基於衍生原子指標新建派生指標

總結

上面步驟可以看到，派生指標的計算生成，離不開原子指標、業務限定、統計粒度的協助，這其中有什麼奧祕呢？

其實很簡單，用Dataphin高效創建派生指標，掌握這1張圖就夠了：

1）原子指標為核心，原子指標的來源表為中心
2）統計粒度取自來源表的關聯維度，以及關聯維度上的關聯維度
3）業務限定基於來源表為中心的雪花模型做定義
4）統計週期可任意搭配使用

數據中臺是企業數智化的新基建，阿里巴巴認為數據中臺是集方法論、工具、組織於一體的，“快”、“準”、“全”、“統”、“通”的智能大數據體系。目前正通過阿里雲數據中臺解決方案對外輸出，包括零售、金融、互聯網、政務等領域，其中核心產品有：

• Dataphin，一站式、智能化的數據構建及管理平臺；
• Quick BI，隨時隨地 智能決策；
• Quick Audience，全方位洞察、全域營銷、智能增長；
• Quick A+， 跨多端全域應用體驗分析及洞察的一站式數據化運營平臺；

官方站點：
數據中臺官網 https://dp.alibaba.com