3.1.4　指标是聚合度量的业务形态

维度、度量、聚合、筛选，这些都是技术上的通用名词，随着技术普及，逐渐成为数据素养的常识。从业务角度来看，更常见的名词是视角、指标、过滤等。其中，指标是每个业务问题中必不可少的部分，指标对应度量，度量必然聚合，因此，指标是聚合度量的业务形态。

1.围绕指标的关键概念：聚合、度量、指标体系

在进一步展开指标分类之前，有必要说明业务计量（Measurement）、问题度量（Measure）、指标（Metrics）和关键绩效指标（KPI）之间的逻辑关系。

业务是数据的来源。当业务过程以数据方式被采集、保存到数据库中时，一部分字段用于描述业务过程，比如时间、地点、人员、产品等，另一部分字段用于量化业务过程，比如金额、数量、折扣，它们是业务过程的度量（Measurement）。包含度量值的数据表常常被称为“事实表”（Fact Table）。

分析是对业务和指标的抽象，最重要的抽象方式是聚合，聚合的结果称为度量（Measure），比如销售额总和、平均年龄、客户数、最高产量等。因此，聚合是问题的本质，而度量是问题的核心，它是问题中最不可或缺的部分。

理论上，任意字段都可以被聚合成为“度量”，但只有那些具有高度抽象水平、具有业务指导意义的度量才会被视为运营指标（Operational Metrics），这些关键指标相互补充，构成了企业的指标体系。其中最重要的指标被称为“关键绩效指标”（KPI，Key Performance Indicator）。从业务范围来看：

KPI 关键绩效指标 < Metrics 指标 < Measures度量

可见，指标必然是聚合度量，反之则不然。比如客户的首次订单日期（MAX（［订单日期］）是聚合度量，但不会作为指标使用，基于它和最后订单日期计算而来的“客户生命周期”才是具有业务指导意义的指标。业务指标都是动态的，随着业务变化的。

2.业务指标的常见分类

基于上述理解，按照聚合计算的复杂程度，笔者把业务指标分为如下3类。

（1）简单指标：直接聚合。

以SUM、AVG、COUNT等聚合函数为基础，聚合度量就变成了最常见的指标，比如销售额、客户数量、产品数量、订单数量等。

建立在直接聚合上的业务指标，通常描述业绩规模，是领导最先关注的内容。

（2）指标组合：聚合的计算。

规模指标难以揭示业务背后的质量情况，此时可以用聚合的计算作为补充。比如，利润总和、利润率相结合，订单数量、订单件均相结合，投资金额、投资回报率相结合，等等。

最常见的指标组合是比值指标，比如：

·　利润率 = SUM（［利润］）/SUM（［销售额］）

·　订单件均 = SUM（［销售额］）/COUNTD（［订单ID］）

·　毛利额总和 = SUM（［销售额］）-SUM（［成本］）

比值指标是最常见的度量，读者务必要理解它们和数据表中度量值（比如数量、金额）的根本差异。像利润率这样的比值指标完全不存在于业务过程中，因此也无法从业务数据表中直接采集而来，它们代表了业务用户对业务和数据的高度抽象，是相对问题而存在的。虽然，很多企业的数据仓库中间表会物理地存储利润率数据，但这样既无必要，又不可取，是最常见的“技术误用”。

（3）复合指标：增加筛选范围及其计算。

越抽象的指标越具有业务诠释功能和刻画能力，当上述指标无法完整地描述业务时，就需要创造更多抽象指标。复合指标的典型特征是聚合中包含了条件（Condition），计算条件可以称为聚合的背景、环境、上下文（Context），甚至叠加二次计算，典型的复合指标如下。

·　（零售）销售额同比增长率：今年的销售额总和，相比去年同期的销售额总和的差异百分比。

·　（医药）3个月覆盖率：过去3个月活跃的门店数，占过去12个月活跃的门店总数的比例。

·　（金融）C-M1%：当前账户逾期低于30天的账户数，与上月期末账户未逾期的账户数比值。

上述3个指标虽然都是比值，但是分子、分母中都包含了不同的数据范围，并且计算难度越来越高。在本书第6章，笔者会介绍筛选相关的内容，同一个问题中的多个指标，相同的范围可以添加独立的筛选器，不同的范围则需要与聚合结合方可完成。

“指标”是聚合度量的业务形态，只有在充分理解聚合函数、逻辑计算，以及聚合的数据表结构的基础上，才能游刃有余地完成。