指標是指衡量目標的量化參數。在現代企業的經營管理中，為避免單純依靠人的經驗做決策帶來的偏差，運用量化的方式來對業務經營目標進行管理是一種普遍實踐。

通常，企業內部需要建立和使用很多數據指標。為便于統一管理，企業會將這些零散的數據指標按一定的業務邏輯或維度進行梳理和串聯，形成一套具備業務參考價值的指標體系，并通過數據看板或接口形式，提供給管理或業務人員使用。

基于指標體系的應用，企業能夠實現的價值包括：一，統一指標的計算口徑，對齊業務目標，從而提升組織效率；二，反應業務經營狀況，加速管理者制定商業決策；三，賦能業務人員自主用數，主動發現業務運營問題。

然而近年來，在數據分析平民化、數據應用需求爆發式增長的背景下，企業在指標的構建和應用中面臨著諸多挑戰，也由此催生了企業在指標中臺構建方面的探索，以實現對指標的統一管理與應用。在本文中，愛分析將對這些挑戰進行詳細闡述，并重點分析指標中臺具備的功能和價值，同時結合領先企業的實踐案例，為企業構建指標中臺，實現更簡單和高效的數據應用提供參考方案。

01

數據分析平民化時代，企業在指標體系構建與應用中面臨的挑戰

盡管數據指標對于企業的經營管理有著重大價值，但當前大部分企業在指標構建與應用中，普遍還沿用著一種較傳統的方式，即由管理部門和少數核心業務部門集中向IT部門提需求，數據開發人員從數倉或多個業務系統中采集數據，再做匯總計算，并將計算結果整合成數據報表，整個過程要花費數天甚至數周時間。

然而隨著近年來數字化轉型的加速推進，企業對數據應用的范圍從之前的面向管理層和少數業務人員擴展到面向幾乎所有的一線業務人員，并為之提供實時、智能的探索式和自助式數據分析。此外，企業需要處理的數據量也隨之急劇膨脹，這給企業指標構建與應用帶來了一系列挑戰，致使傳統的模式和技術方案都已不能適應這樣的變化。

以數字化程度較高的銀行等金融行業為例，企業目前在指標構建與應用中主要面臨著以下四點主要的挑戰：

第一，現有系統無法滿足業務人員更精細化、更實時的用數需求。隨著企業的數據服務對象從管理人員為主轉向更多的一線業務人員，這對企業的數據服務能力也提出了更高的要求。一方面，為了讓業務運營實現更深度的數據驅動，企業需要給業務人員提供更細顆粒度的數據指標。以銀行的普惠金融、營銷業務場景為例，一線業務人員在開展業務時不僅需要匯總的數據，還需要對數千萬甚至上億用戶從更細的維度去進行數據分析；另一方面，大量業務人員的用數需求都要求更高的時效性，如果像傳統報表開發需要等待數天或者更長時間，將無法適應業務快速變化的需求。

第二，IT能力難以適應爆炸式的數據消費的要求。面對業務部門急劇增長的數據應用需求，傳統的“業務提需求，IT做開發”的方式不僅會產生大量數據開發的人力成本，甚至IT部門無法滿足如此大量的數據開發需求，而業務人員又難以自主地進行數據指標的開發。與此同時，數據應用的大量增加也會對IT資源提出更大的挑戰。一方面，各部門各自生產數據指標，由于口徑不統一，原始數據表經過多次加工處理會產生多個衍生表。以某銀行為例，其一張原始表經過一系列加工處理后產生了幾萬張衍生表，而其整個數據倉庫中則存在幾百萬張表。如此多的數據表不僅占用大量存儲，更關鍵的是其會在數據應用中產生大量ETL任務，并且充斥著大量重復性工作，導致消耗和浪費了大量計算資源；另一方面，當企業積累了大量數據指標之后，其指標加工和查詢需要也需要IT基礎設施具備更高的能力，以滿足高性能、高并發的查詢服務。第三，管理人員缺少統一的指標查詢入口。為了支撐企業內各級管理者能做出正確的決策和指揮，需要為其提供及時、準確的數據指標查詢入口。同時，管理者也需要對一線業務人員在使用的數據指標情況進行全局掌握，提高管理效率。因此，需要有一個統一的平臺，能將管理者的數據指標和業務人員在開發和使用的數據指標進行端到端的打通，并且在平臺上進行數據指標的敏捷加工和快速展示，從而實現有效管理。第四，數據治理缺乏有效抓手，數據治理工作很難推進。數據量的急劇膨脹通常會導致系統中的數據質量變差的問題，也因此會給數據存儲、處理和分析各環節的性能和使用效率帶來很大挑戰。此時，企業需要通過開展數據治理工作來提高數據質量。然而，在企業的實踐中，數據治理工作經常會半途而廢，其中最核心的原因在于，數據治理工作往往非常繁雜和耗時，當企業缺乏有效的抓手去開展數據治理工作時，將很難產生直接的成果和效益，到了后期也就無法繼續推進。

02

指標中臺支撐更高效的指標體系構建與應用

指標中臺是企業用于對指標進行統一管理和應用的平臺。在數據分析平民化的趨勢下，指標中臺提供了將治理后的數據以業務化視角進行建模、查看、管理和使用，并提供業務衍生指標的自定義功能，為用戶提供統一的指標看板或指標調用接口。同時，通過在平臺中不斷沉淀和更新指標，實現指標的共享復用，構建指標運營生態。

企業搭建指標中臺的核心要義在于順應和助推數據管理與應用從集中式的模式轉向去中心化的趨勢。如前文所述，傳統的“業務提需求，IT做開發“的模式在數據應用需求劇增的背景下，將面臨管理、業務、IT，以及數據治理層面的諸多挑戰，企業需要引入指標中臺，讓各個部門的業務人員能夠在平臺上靈活自主地構建指標體系，賦能其業務運營，讓數據應用更簡單和高效。

指標中臺的應用，也將會給企業數據管理與應用的模式帶來深刻轉變，并對管理、業務、IT等相關各方人員的角色和能力都提出了不一樣要求。具體而言，通過指標中臺的應用，企業能夠在數據管理和應用中實現的效果和轉變包括：

1）構建業務數字化經營管理體系：企業內各級管理人員可以通過指標中臺更加便捷高效地訪問數據化、體系化的業務經營指標，從而更加及時、準確了解經營情況，真正做到基于數據驅動做出正確的決策。

2）形成人人都是分析師的數據文化：指標中臺可以面向全公司的相關用戶提供數據訪問、自助分析以及數據開發能力，降低了用戶使用數據的門檻，賦能業務自助用數，加速數據分析師文化的培養。

3）建設業務和 IT 的高效合作新模式：指標中臺通過指標模型智能管理、加工與查詢加速，可以大幅提升數據開發效率，以數據敏捷推動業務敏捷，變革傳統的“業務提需求，IT做開發”的合作模式。

4）推動完成數據治理工作：以指標治理為抓手，對齊指標口徑，推動數據治理工作，通過指標治理逐步完善數據治理。由于指標計算涉及底層多方面的數據，且大量業務人員日常會頻繁關注和使用數據指標，數據質量導致的指標口徑不一致的問題會很容易被發現。因此，指標中臺可以有效地以指標治理推動數據治理。

03

領先企業的指標中臺應用實踐案例

銀行業由于業務范圍龐雜、組織內數據應用需求廣、資金和研發實力強等因素，一直走在數字化的前沿。隨著數字化轉型的深入，以及對數據是重要生產要素的認知的不斷提升，一些領先的銀行近年來加大對數據在企業日常經營管理中發揮作用的探索，紛紛投入建設新型的指標中臺以構建口徑統一、業務驅動的指標體系，從而有效衡量業務經營和發展情況。并通過指標中臺，降低數據使用門檻，實現數據賦能一線業務人員，全面推動銀行數字化經營。

以某股份制銀行為例，其自推進集團數字化戰略以來，各業務條線都建設了數字化經營中臺，隨著數據需求的爆發，銀行內的數據表、ETL作業、BI報表的開發維護工作量變得非常巨大，由此導致的數據開發周期長，數據口徑雜，數據獲取難，查詢響應慢等痛點也愈發顯著。

為解決上述問題，該銀行以指標治理為切入點，在行內打造了統一的指標管理中臺，提供了指標的錄入、發布、派生、分享、可視化應用以及深度分析等全套解決方案，并為該銀行億級數據下多維分析提供了四大核心能力：

1）指標構建服務：通過指標定義派生、衍生，并統一口徑，平臺自動構建智能模型、自動管理相應的任務和資源隊列等，并完成指標的匯總、加工和計算。

2）指標查詢服務：平臺提供異步查詢、主被動緩存、降級下壓、智能聚合等功能，滿足大數據量多維查詢場景下快速響應與靈活分析的需求。并且平臺利用指標卡片，讓指標真正活起來，讓用戶可以更直觀的找到指標、使用指標，以及利用指標看板功能，讓普通業務人員也能輕松制作看板、分析數據，減少對數據開發人員的依賴。

3）數據治理：以邊使用邊治理的理念為驅動，提供指標、維度、數據時效等的治理功能，在場景化應用中提升數據規范性、減少指標和維度的二義性，從而提升數據管理水平。

4）AI能力：平臺以業務場景為導向，圍繞指標應用，提供了算法的接入能力，幫助用戶便捷地開展深度分析。

圖1：某股份制銀行指標中臺架構

指標中臺改變了該銀行傳統的數據開發模式，以及業務用戶的數據應用模式，降低了數據開發的成本，提升了數據應用的效率。

目前，指標中臺已經積累的指標數量達到1.1萬。而其數據開發周期由平均12天縮短至3-5天，大數據報表開發人力耗費減少30%；同時，中臺也改變了業務人員的數據應用模式，有近50%常規需求被替換為指標及指標看板開發，實現一線業務自助用數。此外，指標中臺的建設，也進一步推動了該銀行的數據治理工作，基于指標中臺銀行實現了數據資產的廣泛共享，有問題的指標能夠及時地被發現和糾正。

04

典型廠商的指標中臺解決方案

目前，在國內市場提供指標中臺解決方案的廠商主要有兩類。

第一類是傳統的BI廠商，這類廠商主要提供的是一套涵蓋指標定義、指標建模、指標固化、指標可視化分析等功能的指標管理工具，側重為企業提供指標集中管理、統一口徑以及指標可視化的能力。

第二類是數據管理與服務平臺提供商，這類廠商的解決方案除了注重在指標定義與管理能力、更高效和智能的數據處理和加工能力建設之外，更重要的是幫助企業構建自有的數字化體系建設方法論。典型的廠商和產品如Kyligence指標中臺解決方案，其提供的新型指標中臺打破了以樹形指標體系自頂向下建設的傳統思路，以高效賦能業務為目標，以去中心化為底層邏輯，以自動化、智能化為手段，通過幫助企業把指標基礎模塊搭建好，讓客戶不斷發揮業務自主性和創造力，構建出自有的、靈活高效、高價值的數字化中臺。

愛分析認為，在業務變化更加快速、數據分析需求更加下沉的當下，具備更高的靈活性和敏捷性的新一代指標中臺才能真正成為支持“全民”自助式建指標、用指標的基礎設施，再結合指標體系構建和流程管理的方法論，將使企業掌握可復用、可擴展的數字化經營管理體系構建能力，增強經營韌性，從而具備更長期的競爭力。

以Kyligence為例，愛分析在調研中發現，促使指標中臺的有效落地的關鍵因素可以分為兩部分。

其一，先進技術為指標中臺構建夯實底座。Kyligence在為多家企業級客戶搭建指標中臺的過程中，致力于建立一套具備獨特優勢的指標中臺產品技術解決方案。該方案通過為企業提供AI增強的智能指標引擎，可以實現智能的指標建模、加工和計算，加快指標開發和上線的效率，以及高性能、全場景的OLAP引擎，能夠實現各類指標查詢的秒級響應；同時，Kyligence為企業在數據存儲和應用之間構建統一的語義層，便于業務人員快速獲取口徑一致的數據，降低過多中間表造成的資源消耗；并提供全面的API集成接口，能夠與企業現有的數據管理、調度、安全等組件無縫集成。

其二，完善的體系構建和流程管理方法論成為助力指標中臺運行的有效機制。基于其服務頭部銀行等客戶的實踐，Kyligence總結認為指標體系構建方法論需要包括適用于企業管理的OSM模型和適用于用戶運營的AARRR模型。指標流程管理方法論則提供了從需求分析、指標接入、指標管理、指標計算、到指標應用全流程中各個角色和職責分工的最佳實踐。

圖2：Kyligence指標中臺解決方案

05

指標中臺的興起將推動企業完善數字化經營管理能力

對于業務人員而言，指標足夠簡單、直接，能夠支持其在日常工作中自主且廣泛的使用數據。而隨著企業數字化轉型的深入，業務人員對數據應用需求的進一步增加，對海量指標進行開發、管理和使用也將成為必然的趨勢。

盡管在傳統的BI系統中，用戶也可以查看和使用各類指標。但其根本的局限性在于，傳統的BI系統是以報表的形式為用戶呈現指標，這樣的指標口徑通常不統一，彼此割裂，不能成為指標體系。最重要的問題是，不能支持業務用戶靈活自主地開發和使用指標。

基于上述原因，愛分析認為，能對指標進行自助構建、并統一管理和應用的指標中臺將成為所有企業發展到一定階段后的必然需求。通過指標中臺的搭建，企業能夠建立以指標為中心的全新的數字化系統，并進一步引入AI算法，實現更智能的分析應用。并在此基礎上，企業可以進一步向數據驅動戰略邁進，構建完善的數字化經營管理體系，從而建立數據管理共識，最終提升企業的管理能力。