指標平臺概念
指標平臺是供組織集中管理、存儲關鍵指標的平臺，提供統一業務模型、指標管理、指標加工、數據服務于一體的完整的解決方案。它是一種集中組織數據的方式，以可重復的方式訪問關鍵指標用可以使用多種應用在下游消費這些指標
中臺即連接后臺與前臺的“中間層”，根據前臺的需求去后端找數據，并加工成”數據服務 API”，供前端所有系統來使用。指標平臺作為數據中臺的特性有:一致性、訪問性和復用性。作為數據架構的部分，指標平臺作為一個標準化的單一可信源，開始受到重視，有了指標平臺，您可以:
以各個類型的指標為對象，集中管理和消費數據倉庫中的數據建立標準，確保企業指標背后的數據是準確和一致的。不論用戶使用的是什么工具，提供對準確數據的訪問，方便人們在分析數據時看到一致的結果.

指標建設的現狀
指標能夠直接反映企業的生產運營狀況，從而為企業決策提供數據支撐。一方面隨著國家大數據戰略實施與企業數字化轉型的驅動，指標的重要作用日益凸顯，另一方面指標管理上的諸多痛點使得全企業實施統一的指標管理成為必然要求。但要想把指標管理好并不容易，不僅需要科學合理的方法論，還需要有效的技術支撐
指標作為一種業務元數據，與企業元數據有著千絲萬縷的聯系，所以可以把指標管理當做元數據管理的一個應用。那么，如何管理指標?如何通過分解業務實現指標的管理?為了解決這些問題，我們先從企業目前指標管理的痛點談起。

痛點 1: 數據孤島/數據煙
由于企業業務發展的歷史原因，企業內部信息系統的建設多為煙肉式建設。各部門按照部門內的票要主導了不同信息系統的建設，而沒有從全局視角考慮如何整合各人系統。煙囪式的系統建設，數據口徑的不一致會導致決策者無法從統一視角去了解企業經營的狀況，在企業整理經營匯報時，會出現不同務部門對業務經營現狀得出完全不同的調整建議的問題。

痛點 2: 指標口徑、標準不統一
數據口徑是指統計數據所采用的標準，即進行數據的相關工作所依照的指標體系。數據口徑包括采集方式、統計范圍等指標。在企業內各部門、各渠道的業務員，會根據自己業務范圍內的指標進行命名，這樣就會造成口徑不一致的情況。指標口徑不統一就會導致一個簡單的業務問題在不同團隊那里會得到不同的匯報數字。更糟糕的是，沒有人知道究竟哪個數字是對的。例如下面圖例里面的銷售額計算結果不一致。

痛點 3: 指標體系不完整
建立完整的指標體系在企業中尤為重要。如果沒有指標，我們能夠知道的信息就會變得很少，亦或是獲取信息的 成本會變得很高。如果只有指標，而沒有體系，我們能夠知道的信息就會變得很窄亦或是獲取的信息就會變得 很亂。進而，體系的缺位會導致組織的“數據指南針"失效。越是在大型組織當中，指標體系越為重要，因為決策者離一線業務較遠，公司的業務虛擬屬性越強，指標體系越為重要，因為公司與客戶的距離較遠。簡而言之，建立指標體系的目的就在于獲取全局性的、有體系性的信息，進而通過這些信息去驅動業務的發展，達成組織目標，這就是指標體系之所以如此重要的原因

痛點 4:指標問題難追湖
指標計算結果出錯了，問題出在哪里，是計算過程的問題還是因其他指標出錯導致的連環出錯，還是說數據在錄入的時候就出錯了? 是誰的責任?
指標大多都是經過多種計算得到的，有些指標需要經過很長的加工過程才能得出。如果無法追溯指標的加工過程就難以知曉指標所用的數據來目哪里，且無法快速找出指標出錯的原因和對應的責任部門，使得指標的一致性、完整性和準確性得不到保證。
另外出現問題時部門之間互相推諉的情況時有發生，導致指標問題難以得到解決。

痛點 5:數據治理難
企業不僅需要管理數據的系統，更需要一個完整的規則系統以及規章流程。數據治理基本上涵蓋了企業所有與數據有關的內容，因此在整個企業范圍內，包括工作流程、涉及人員和使用的技術等等，都需要經過仔細考量，以保證數據的可用性、一致性、完整性、合規性和安全性，確保在整個數據生命周期中，都具有較高的數據質量。

痛點6:指標計算重復，分析效率低
指標平臺旨在管理企業的海量指標，以及指標的各類衍生和復雜計算，這就涉及到指標成倍的存儲和計算。隨著數據量產生速度越來越快，傳統平臺存儲與計算能力遇到瓶頸，查詢耗時較長，無法快速響應。雖然指標平臺前期建設也需要一些指標的計算設計，但是后期指標平臺可以通過派生.復合，減少二次創造指標的重復勞動問題和資源浪費問題
將指標物化在數據倉庫層是目前來說常用的一個解法，數據倉庫支持將指標定義在視圖(View)中，然后讓其他工具去查詢視圖。不少企業目前就是在使用視圖來解決分析指標的計算和查詢問題。使用視圖的問題是僅能針對一些查詢需求進行物化，在各類查詢需求繁多的時候，數據工程團隊需要準備大量的視圖，開發成本極高，數據管道復雜不說，還很容易出錯
當上游的數據出現問題的時候，下游系統很難知道，就無法及時同步修復，這會導致數據的消費者如數據科學家，工程師需要花費大量時間來 debug 數據不一致問題，這使得他們的工作效率非常低

痛點 7:分析平臺特性不足以支撐決策
在目助式分析逐漸普及的趨勢下，傳統數據平臺不能夠支持靈活的高并發的分析方式，自助式體驗不好。比如有時候決策者想要下鉆分析到局部，但是系統卻不能響應即席分析。此外，數據查詢以后進行的聚合計算會導致數據獲得緩慢，這樣決策的效率就會受到影響而延后。靈活性、可擴展性、實時性、高并發性等特性逐漸成為了分析平臺必不可少的需求