在現代數據服務體系中，指標平臺或者說基于指標的服務和應用是其中關鍵的要素之一。麥肯錫《2025數據驅動企業》報告當中有一個重要觀點：到 2025 年，絕大多數人將會使用數據來優化他們工作的幾乎各個方面。這里的“絕大多數人”，不僅包括業務決策人員，也有數據分析師和工程師等，而大家所在的行業領域以及相關的背景、經驗和技術程度都有所不同，因此低代碼和低代碼所衍生出的自動化就有著重要的價值。本文將從指標平臺應用建設的角度，分享如何發揮低代碼的作用，去構建人人可用的敏捷指標工具。

一、數字化轉型與指標建設的挑戰：低效價值轉化

很多行業和領域的企業都在建設自身的指標平臺或以指標為核心的數據應用，在此過程中不可避免地會遇到一些問題。

我們先轉到數據治理的視角來看，指標其實是一個通用的數據語言，可以跨越人和人之間以及人和數據之間的溝通。

（1）數倉/數據湖的架構范式

無論是數倉還是云上數據湖的建設，已經從數據歸集轉變為數據聯結的模式。首先，數據采集可能來自于不同的源頭如各種傳感器等；另外，各種上云的業務受制于數據傳輸的云規范或合規要求，因此各個平臺之間或者說各個數據應用之間需要有一個通用的溝通方式。這種溝通方式不僅僅是跨越數據應用的，也是在不同角色之間的一個通用交流方式。這種交流方式其實是為了我們更好地聚焦到指標上。

（2）聚焦指標

過去的溝通更多的是以報表為載體，但對于業務人員來說，可能對一張表或者一份數據并沒有特別的感知。而以指標形式呈現出來的數字立刻就會有一種親切感，助力相關人員更快更準確地做出決策。

（3）可信和效率

如果以指標作為通用數據語言，那么可信和效率就會變得尤為關鍵。因為對于指標來說，最終是以單個或者多個數字來呈現的，這些數字背后的計算邏輯、計算口徑、是否來自于可信數據源、整個數據處理鏈路是不是被各方接受等等，是這個最終指標結果數值是否可信的基礎。而整個協作和數據鏈路中的效率也是非常關鍵的，有很多指標具有一定的時效性，過期之后就失去了其作用。

接下來就回頭看一下數字化轉型和指標建設中所面臨的挑戰。

1、指標孤島

我們經常會聽到數據孤島，實際上指標也會存在孤島的情況。

從上圖左邊可以看到，過去大量的指標建設和應用的過程都會直接把指標落在 BI 報表/數據應用分析工具上，或者說大量的指標會散落在整個 ETL 處理鏈路上。在不同的分析工具如 SaaS、自研 BI 應用之中存在著很多相同的指標，但這些指標可能來自于不同的數據源，其計算口徑可能不一樣，計算邏輯可能跨越了多個寬表，一些計算方式可能會因為維護不到位而丟失，最終就很難判定在哪個平臺上的指標是最可信的。

而整個趨勢就是從指標孤島轉變為建設統一指標目錄：這個指標目錄就類似于圖中右側所展示的，對于終端應用或平臺所使用的指標，抽取其定義和計算口徑，統一放在一個指標目錄中。

2、低效價值轉化

剛才的問題是在一個切面上，現在我們把視角拉到整個數據處理的鏈路上。過去從業務方提出需求開始，到最終一些有價值的內容可以回饋給業務方，會經歷一個相當長的過程，數據價值轉化的效率很低，而且很可能會發生復用不足、成本居高不下的情況。

下面以一個實際的例子來說明，這是我們和一家頭部股份制銀行開展的基于用戶行為分析的場景建設指標平臺的過程。

圖中可以看到，上下兩個流程中參與的角色都是類似的，有業務方和 IT 方。在過去常規的流程下，業務方提出指標需求，IT 方需要去做大量的需求溝通，接下來是很長一段時間的指標開發，最終呈現的載體是報表，將來有新的指標開發又會是一張新的報表。整個過程的復用性和效率都很低。

換一種方式，在業務方提出需求后，如果有一個指標目錄作為載體，基礎指標已經存在，衍生指標可以通過對基礎指標二次加工得到，所以可能實際只有極少數的指標需要開發，這樣就可以很好地控制成本。而最終的產出從報表回到了指標目錄上，也就是說，大家集中精力不斷迭代更新當前的指標目錄，從而使其可以滿足更多的業務要求。上層的消費端不管是 BI 工具、表、報表還是 SaaS 等都可以直接調取指標目錄中統一管理的指標。這樣業務也可以很好地參與進來，也就是我們常常聽到的“人人都是分析師”。

在這樣的平臺建設下，經過兩年左右的時間已經取得了非常顯著的成果，以指標為基礎，可以看到活躍指標數、分析維度有了顯著的提升。最終指標的開發周期明顯縮短、查詢性能有效提高，同時也通過指標復用等大幅提升了整體工作效率。

二、Kyligence Zen 一站式指標平臺

基于前文中提到的問題和挑戰，我們一起來看一下什么樣的指標平臺可以做到很好的承接。

1、指標平臺的介紹

指標平臺通過指標來驅動管理與決策，它是集業務模型、指標管理、指標加工和數據服務于一體的完整解決方案。

指標平臺可以分為兩大部分：第一部分是指標應用，包括指標定義、口徑計算管理等，這部分是以界面的形式開放出來的，通過自助的、低代碼的形式；第二部分是計算引擎，指標模型涉及的數據計算、加工等都需要計算引擎來承擔，以自動化、無感知的形式呈現。即在界面上對指標進行定義和管理時，平臺自動化地完成了大量背后的建模動作。

Kyligence Zen 一站式指標平臺就具備了這樣的核心要素。從下圖可以看到，第一部分就是前面提到的指標目錄，在指標目錄之下可以做到指標自動化、指標治理，從而實現了以低代碼自助式的形式開放給業務用戶以及數據工程師。

2、Kyligence Zen 關鍵能力和核心價值

（1）指標目錄

下圖是 Kyligence Zen 的主體界面，可以看到，它不再是以表的形式呈現，而是通過業務人員直接可以感知到的指標名稱、指標數值、以及簡單圖例來呈現。在右邊的列表中可以看到一些基礎指標，也有基于基礎指標的衍生指標，整個指標目錄聚焦于指標之上，自動化地呈現和管理一個指標體系，這樣的指標體系對業務人員是非常友好的，能夠高效地賦能業務自主用數。

（2）歸因分析

當然，指標目錄只是一個載體。不同的指標可以做不同維度的洞察，而這些洞察中很關鍵的就是當指標有異動的時候需要去做歸因分析。過去我們做歸因分析需要和業務溝通、進而由數據工程師去建模、多維度的匹配判定、以及繁瑣的取數計算等，一旦關注的維度、時間周期發生變化，整套流程就需要重新構建。

現在在下圖界面中可以看到，比如對于關注的凈利潤指標，只需給出時間區間和關注的維度等，平臺就可以快速自動化地為業務方給出按不同維度的歸因分析報告，幫助他們更精準、更快速地決策。

（3）指標自動化

再來看一下活躍客戶數的例子。統計活躍客戶數需要做去重的操作，當數據量較大時會是非常耗時的。這里我們可以引入緩存，對非常關注的、有價值的、可能經常使用相對熱門的指標進行自動加速，這個加速過程是通過計算引擎來實現的，包括對應模型建立、索引匹配和優化等。而在界面上只需要進行相應的點選就可以，這也是低代碼的重要體現。

（4）目標管理

上面更多是為業務分析師、數據工程師服務的一些能力，接下來從決策方的角度來看下。決策方更關注的是指標帶來的價值是否與業務目標相匹配。

Kyligence Zen 中引入了目標管理，這也是我們認為非常重要的指標管理的方向。因為指標需要和業務目標關聯起來，并且能夠去主動識別它的狀態、風險，并進行相應的預警，這樣的指標應用才能發揮其在決策層面的價值。

（5）開放 APIs

指標平臺如果要和內部其它應用實現鏈路上的打通、做集成，就需要非常良好的開放能力。這種開放能力不僅包括界面上所展示的，所有功能以標準 API 形式開放，也包括與已經形成固有習慣的消費端的融合，比如對接 Excel、WPS 等，在充分保留習慣的基礎上去增強現有的分析方式。

（6）總結

通過以上介紹可以看到，涉及到的功能和場景在 Kyligence Zen 指標平臺上都是通過自助式的方式去完成，實現了以低代碼的服務去賦能指標平臺，助力提升從數據到決策的時效性。其優勢可以總結為：

① 高效率交付指標：對于數據生產方，比如數據工程師角色，門檻可以大幅降低，IT 團隊和業務方之間的溝通是以更形象的數據指標目錄的形式來實現，可以更快地將價值交付于業務方，整個數據加工鏈路也可以大幅簡化；

② 自助式消費指標：業務團隊可以自助式的消費指標，大幅減少對數據 IT 團隊的依賴，快速高效輸出可信洞察和決策；

③ 體系化管理指標：從運維和管理的角度，通過體系化的數據指標目錄進行統一口徑管理及復用，避免重復建設和資源耗費，提升數據價值轉化率。

三、低代碼指標服務的核心價值

通過上述內容，我們看到了非常多的低代碼和自動化的呈現，接下來我們繼續深入探討這兩方面。

1、低代碼服務

指標平臺通常對應多方角色：

（1）一方是業務，包括決策人員、一線業務人員和業務分析師等；

（2）一方是數據團隊，包括數據工程師等。

指標平臺通過低代碼的服務，將技術表達轉換到了業務表達。過去我們以表、報表為基礎，需要手工處理大量模型；現在則聚焦于指標。過去我們以表、報表來作為數據運作中的核心要素；而現在更細粒度地去看，指標才是數據處理鏈路上最核心的資產。

指標對業務人員來說更具親和力，可以讓決策層基于數據感知更快地做出決策，幫助業務團隊提升數據解讀能力；而對于數據團隊而言，可以減少重復性生產，降低建模門檻，充分發揮生產力，降低數據開發成本，從而為業務和數據團隊帶來“雙贏”。

2、自動化服務

前面提到，指標平臺的上層是指標應用，下層是計算引擎。在 Kyligence Zen 上所對接的是以 Apache Kylin 為核心的商用化的 Kyligence OLAP 引擎。

如下圖所示，左邊以數據團隊為源頭進行數據的加工，右邊業務團隊去消費指標。中間過程實際上是業務和數據團隊最多的聯動點，通過低代碼、自動化的方式，業務人員可以以熟悉的方式看到指標，并通過自助點選基礎指標去生成衍生、復合指標，而不需要再把需求二次給到數據團隊；而數據團隊通過多維 OLAP 引擎來承載指標目錄的建設，包括指標相關的建模、歸因分析需要的模型加工、模型關聯等、以及根據主動元數據分析熱門指標、高價值指標和低效指標等的優化管理，這些都可以通過簡單配置方式來實現，從而有效降低重復的、低附加值的工作，提高生產力。

四、從數據驅動到指標驅動

我們很有幸和大家一起看到這個時代經歷的非常多的變化，這也包括在數據服務體系中，指標服務正在從以表和報表為基礎的數據驅動轉向為指標驅動。

下圖中可以看到數據驅動和指標驅動的對比。面對表，業務人員可能并不知道下一步要做什么，對數據分析師來說要做大量的建模、ETL 工作；而基于 Kyligence Zen 一站式指標平臺，業務人員可以輕松使用指標，完成業務決策。

我們聚焦在指標之上，因為指標是從數據到業務洞察、決策的最佳通道，是對于業務團隊最親切的數據呈現形式，最終通過指標平臺的驅動以低代碼、自助化的方式對接到計算引擎，充分發揮數據和 IT 團隊生產力，高效挖掘數據價值。