指标体系表是数据指标体系落到纸面或系统里的形式。一张表有没有用,取决于每一行能不能被复算、被追溯、被使用。行数多,只说明维护成本更高。
可落地的做法是,一行放一个指标,字段按识别、口径、数据、治理四组排。每个指标至少写清 12 项内容,缺一项,后面就可能多一次口径争论。
下面按实际做表的顺序,先定使用边界,再排表结构,然后逐字段填写,给出完整示例和验收清单。文中的示例数据仅用于说明写法。
一、这张表给谁用,先决定字段的取舍
做表之前先回答三个问题:谁每天看这张表,哪个决策会因为这张表改变,表覆盖哪个业务域。答案不同,字段的侧重点不同。
| 主要使用者 | 优先写清 | 原因 |
|---|---|---|
| 管理层 | 名称、层级、业务定义、使用场景 | 先判断指标是否支持决策 |
| 数据团队 | 公式、维度、时间窗口、数据来源 | 先保证能算、能复算 |
| 跨部门 | 负责人、状态、版本、变更记录 | 先解决口径争议和责任归属 |
三类人都要用时,12 个必填字段都保留。字段多可以接受,前提是每个字段都有人维护。
范围先收在一个业务域。 第一次做表就把全公司指标铺开,评审会拖得很长,业务也等不到结果。选一个当前有争议或高频使用的场景,先用 10 到 30 个指标跑通一轮。
在表头写一句范围说明,比如:本表覆盖电商交易的支付、退款和转化指标,统计窗口统一为截至昨日的完整 30 个自然日,服务交易运营和周度增长复盘。范围说明能挡掉很多顺便加一个的需求。
二、指标体系表怎么排,一行一个指标
指标体系表最常见的结构问题,是按维度组合展开行。一个指标乘上渠道、地区、新老客、终端,很快就会变成几百行,后面改一次口径要改很多处。
更稳妥的结构是一行一个指标。 维度写在统计维度列里,具体维度值放到单独的维度字典工作表。主表保持稳定,分析时再按维度组合取数。
一个工作簿可以先放三张表。
| 工作表 | 放什么 | 作用 |
|---|---|---|
| 指标主表 | 一行一个指标,12 个必填字段 | 定义口径和责任 |
| 维度字典 | 渠道、地区、终端、用户类型等维度的取值和口径 | 防止同名维度不同取值 |
| 变更记录 | 谁改了什么、为什么改、从哪天生效 | 让旧报表和新口径能对上 |
指标少的时候,变更记录可以先放在主表最后几列。指标一多,单独一张表更好查。
字段顺序按填写顺序排,先识别,再口径,再数据,最后治理。
| 字段组 | 包含字段 | 回答的问题 |
|---|---|---|
| 识别 | 指标编号、指标名称、指标层级 | 这是什么指标,在体系里处于哪一层 |
| 口径 | 业务定义、计算公式、统计维度、统计粒度与时间窗口 | 算的是什么,怎么算,按什么范围算 |
| 数据 | 数据来源、更新频率与延迟 | 数从哪里来,什么时候能用 |
| 治理 | 负责人、使用场景、状态与版本 | 谁负责,谁在用,当前是不是有效版本 |
这套四组结构是实践整理,不是行业强制标准。阿里云 DataWorks 的文档把指标分为原子、派生、复合三类,华为云的业务指标模板按业务属性、技术属性、管理属性组织。这里的四组,把定义、计算、来源和责任按做表时的填写顺序重新排了一遍,方便团队从一张空表开始。
如果团队需要按业务域筛选,可以再加一列所属主题,或者按主题分工作表。主题列不是必填,指标跨多个业务域时再加。
三、字段设计要写清哪 12 项
下面两张表可以作为指标体系表模板的字段清单。缺了必填项,指标就不应该以生效状态发布。 这张表也可以看成指标字典的主表。
先写识别和口径字段。
| 字段 | 填写要求 | 示例 |
|---|---|---|
| 指标编号 | 全表唯一,按主题加流水号编制,发布后不随名称修改 | MET-TRADE-001 |
| 指标名称 | 用业务能看懂的中文,写清统计对象和范围,一个指标只保留一个正式名称 | 近30天支付成功用户数 |
| 指标层级 | 标明结果层、过程层、行动层或护栏层 | 结果层 |
| 业务定义 | 说明指标衡量什么、回答什么问题、边界在哪里,不重复公式 | 统计截至昨日的完整 30 个自然日内完成支付成功的去重用户数,用于判断交易规模变化 |
| 计算公式 | 写清分子、分母、聚合方式、去重键、过滤条件和排除项 | 支付成功订单中按 user_id 去重计数,按支付时间归入统计窗口,排除测试账号;运行日为 D,窗口为 [D−30 日零点,D 日零点),含起点、不含终点 |
| 统计维度 | 列出这个指标可以拆分的维度,维度取值放到维度字典 | 时间、渠道、地区、新老客、终端 |
再写数据和治理字段。
| 字段 | 填写要求 | 示例 |
|---|---|---|
| 统计粒度与时间窗口 | 写清按什么对象统计、按什么周期汇总、是否含当天、用什么时区 | 每日生成一个滚动值,对截至昨日的完整 30 个自然日按用户整体去重,不累加每日去重数;不含运行日当天,时区为 Asia/Shanghai |
| 数据来源 | 写明系统、表或事件、字段和过滤条件,指定唯一权威来源 | 订单库的支付订单表,取 user_id、paid_at、order_status 和 is_test 字段 |
| 更新频率与延迟 | 写清刷新时间、数据延迟和失败时的处理方式 | 每日 7 点刷新截至昨日的数据,T+1;最迟 9 点补齐,完整性校验通过后切换版本,未完成则保留上次成功值并标记实际业务截止日与延迟状态 |
| 负责人 | 分业务负责人和数据负责人,写岗位角色,不写部门 | 业务负责人为交易运营负责人,数据负责人为订单域数据负责人 |
| 使用场景 | 写明在哪个会议、报表或决策中使用,以及指标变化时对应什么动作 | 每日交易晨会、周度增长复盘、渠道投放评估 |
| 状态与版本 | 标记草稿、生效或停用,写清版本号、生效日期和变更记录位置 | 生效,v1.2,2026 年 10 月 1 日起,变更记录见附表 |
常见的填错有五种。指标名称在不同报表不一致,业务定义写成公式,公式只写指标名,时间窗口混用自然月和滚动 30 天,负责人只写部门。遇到这些情况,先回到字段填写要求逐项修正。
以下字段按成熟度补,不必第一版就全上:所属主题、指标类型、目标值或参考值、阈值与动作、上游或关联指标、备注。指标类型可以标原子、派生或复合。阿里云 DataWorks 的定义是,原子指标是不可再拆的度量,派生指标由原子指标、修饰词和时间周期组成,复合指标由多个指标通过加减乘除组合。
字段数量按维护能力定。12 个必填字段已经能覆盖定义、计算、来源、责任和使用。再往上加字段,先问一句,这个字段会改变谁的什么动作。答案说不出来,就先不加。
字段设计参考了三类公开资料,包括阿里云 DataWorks 的指标分类、华为云业务指标模板的属性划分和 ONES 指标字典模板的字段实践。具体字段名称按团队习惯调整,不必照搬。
四、填写示例,以近30天支付成功用户数为例
把 12 个字段填在同一条记录里,能看出这张表到底能不能用。下面用电商交易场景做一条完整示例,数据为示例,不对应任何真实企业。
| 字段 | 填写内容 |
|---|---|
| 指标编号 | MET-TRADE-001 |
| 指标名称 | 近30天支付成功用户数 |
| 指标层级 | 结果层 |
| 业务定义 | 统计截至昨日的完整 30 个自然日内完成支付成功的去重用户数,用于判断交易规模的变化。退款不回溯扣减本指标,退款影响单独由退款金额率观察。 |
| 计算公式 | 支付成功订单中按 user_id 在整个窗口去重计数。筛选 order_status 等于 paid;运行日为 D,paid_at 大于等于 D−30 日零点且小于 D 日零点,排除 is_test 等于 1 的测试账号。单位为人。 |
| 统计维度 | 时间、渠道、地区、新老客、终端 |
| 统计粒度与时间窗口 | 每日生成一个滚动值,按用户在整个 30 天窗口去重,不累加每日去重数。窗口为 [D−30 日零点,D 日零点),即截至昨日的完整 30 个自然日,不含运行日当天。时区为 Asia/Shanghai。 |
| 数据来源 | 订单库的支付订单表,取 user_id、paid_at、order_status 和 is_test 字段。支付订单表是该指标的唯一直采来源,其他报表只做校验。 |
| 更新频率与延迟 | 每日 7 点刷新截至昨日的数据,T+1;最迟 9 点补齐,完整性校验通过后切换版本。更新失败或未补齐时保留上次成功值,标记实际业务截止日、刷新时间和延迟状态,不把旧值标成今日结果。 |
| 负责人 | 业务负责人为交易运营负责人,数据负责人为订单域数据负责人。 |
| 使用场景 | 每日交易晨会看规模变化,周度增长复盘看渠道差异,渠道投放评估看新增付费用户质量。 |
| 状态与版本 | 生效,v1.2,2026 年 10 月 1 日起生效。v1.1 到 v1.2 的变更内容是排除测试账号,变更记录见附表。 |
业务定义回答这个数用来判断什么,计算公式回答怎么算出来。 两段都写公式,维护时会重复。两段都写业务意义,取数时又算不出来。
最容易漏的是时间归属。支付成功用户数按支付时间归属,支付金额也按支付时间归属,退款金额则按退款时间归属。三个指标如果都用近 30 天,但归属时间不同,放在同一张看板比较时要说清楚。
如果这个指标只是原子指标,名称可以叫支付成功用户数,时间窗口放在单独字段。名称里带近30天,表示它已经把时间窗口固化成派生指标。两种做法都可以,关键是全表统一。
五、一张小表怎么放结果、过程、行动和护栏指标
指标体系表还要让读者看出指标之间的关系。下面用四个指标组成一张最小表,覆盖结果、过程、行动和护栏四层。四行共用截至昨日的完整 30 天窗口、时区与测试数据排除范围;各指标分别写明统计对象和聚合方式,金额求和不能套用用户去重规则。 以下沿用运行日 D,窗口为 [D−30 日零点,D 日零点),时区为 Asia/Shanghai。
| 指标 | 层级 | 回答的问题 | 计算口径 | 使用场景 |
|---|---|---|---|---|
| 近30天支付金额 | 结果层 | 交易规模有没有达成 | 窗口内支付成功订单按订单唯一键保留一条,汇总实付金额,按支付时间归属,剔除测试订单,退款不回溯扣减;不按用户去重金额 | 月度经营会 |
| 支付转化率 | 过程层 | 从商品浏览到支付在哪一步流失 | 分母为窗口内浏览商品详情页的 user_id 去重人数;分子仅取该人群中在浏览之后且同一窗口结束前支付成功的 user_id 去重人数,二者沿用同一用户标识,排除测试账号 | 周度增长复盘 |
| 新客首单转化率 | 行动层 | 新客欢迎和首单权益有没有效果 | 分母为窗口内新注册的 user_id 去重人数;分子仅取该注册队列中注册之后且窗口结束前完成历史首次支付成功的 user_id 去重人数,排除测试账号 | 新客运营周会 |
| 退款金额率 | 护栏层 | 当期退款相对支付规模有多大 | 窗口内成功退款记录按退款唯一键去重后汇总金额,除以窗口内支付成功订单按订单唯一键去重后的实付金额之和;退款按退款成功时间、支付按支付时间归属,排除测试订单,币种均为人民币 | 与支付金额同屏监控 |
结果指标告诉团队有没有达成,过程指标解释差距出在哪个环节,行动指标对应具体岗位的动作,护栏指标防止团队把代价藏到报表之外。四层放在一张表里,会议讨论时才能从数字变了走到谁做什么。
这张表里,支付金额和支付转化率是结果和过程的关系,新客首单转化率对应新客运营的动作,退款金额率是护栏。两个转化率的分子都必须是各自分母人群的子集,并满足先浏览后支付、先注册后首付的事件顺序。 示例都观察到窗口结束,不统计窗口外的后续支付;越接近窗口末尾进入的人群,观察时间越短,所以这里是窗口内累计转化率,不是固定天数的队列转化率。若要比较渠道或权益效果,应另设统一的注册后或浏览后观察期,并等各队列观察完成再比较,不能直接混用两种口径。分母为零时记为空值并标明无样本。
退款金额率在这里采用当期收退款口径,退款可能对应更早支付的订单,因此不是同一支付队列的退款概率,可能超过 100%;支付金额为零时记为空值。若要评估某批订单的退款风险,应另建按支付队列追踪、约定退款观察期的指标,不能与本表口径混用。
如果某个指标找不到使用场景和对应动作,先放到背景信息区,不要放进日常经营看板。指标进入看板,就会占用会议时间,也会影响团队注意力。
六、五个最容易写错的口径
指标体系表的争议,大多集中在几个固定位置。下面五种情况,建议在表里单独写清,不要留给取数人临场判断。
| 口径问题 | 表里要写清 | 示例 |
|---|---|---|
| 活跃用户 | 触发条件、去重键、时间窗口 | 近 30 天内至少启动 1 次 App 的去重账号数,按 user_id 去重,排除内部账号 |
| 订单归属 | 用哪个时间点把订单归入统计窗口 | 支付金额按支付时间归属,不按下单时间。退款金额按退款时间归属 |
| 金额 | 含税或不含税、币种、退款处理 | 实付金额,含税,人民币。退款不回溯扣减支付金额,单独看退款金额率 |
| 渠道 | 是否剔除自然流量和内部流量,按什么规则归因 | 剔除自然流量和内部测试流量。渠道按用户首次来源归因,不按最后一次点击 |
| 用户去重 | 按账号、设备还是手机号去重 | 登录用户按 user_id 去重。未登录场景按设备号去重并单独标注 |
同一个指标出现两种合理口径时,不要在一行里写两个公式。 给两个口径分别起名,各占一行,并在业务定义里写清适用范围。比如含税支付金额和不含税支付金额,如果财务和业务都要用,就保留两行,不要用斜杠把两个口径塞进一格。
口径还没定下来的指标,状态标为草稿,写清由谁在什么时间前确认。草稿指标可以进评审,不要以生效状态发到看板。看板一旦引用草稿口径,后面修改会牵连很多报表。
如果同一指标在多个系统里各算一套,统一指标口径就要从表里走到语义层。
七、交付前怎么验收这张表
表填完不等于能用。交付前做五项检查,每项都要有实际动作,不能只看字段有没有填满。
| 检查项 | 通过标准 | 不通过怎么改 |
|---|---|---|
| 新人复算 | 不熟悉该指标的人只查表就能复算,差异能定位到公式、来源或时间窗口 | 补公式、字段、过滤条件和时间归属 |
| 跨部门同数 | 业务和数据各自计算,结果一致,或差异在事先约定的容差内 | 先定唯一权威来源和正式口径,再改表 |
| 可追溯 | 每个指标能追到来源字段和负责人 | 补来源和负责人。找不到来源的指标降为草稿 |
| 可行动 | 每个指标有使用场景和对应动作 | 删除,或移到背景信息区 |
| 可维护 | 有状态、版本、生效日期和变更记录 | 补变更记录,旧版本保留,不直接覆盖 |
验收时抽三条高频指标做试算,比全表逐条检查更有效。 选一条结果指标、一条过程指标和一条行动指标,让使用方独立算一遍,再和系统结果比对。差异如果能回到表里的某一行,说明表写得够清楚。差异找不到出处,说明字段还缺信息。
评审控制在半小时内即可。提出指标的人说明要支持什么决策,数据负责人确认公式和来源,使用方确认场景和动作,负责人确认口径。四件事确认完,指标就可以从草稿改为生效。
评审记录要留痕。谁提出、谁编写、谁审核、从哪天生效,写在变更记录里。以后出现争议,先查记录,不靠回忆。每季度再检查一次,没人使用、重复建设或已经失效的指标,标为停用并保留记录。
八、什么时候该上指标平台
一张维护良好的表,可以先在 Excel 或在线表格里跑很久。出现下面三个信号,说明表格开始不够用了:指标超过一百条并且跨团队复用,每周都在争论同一个指标的口径,报表、看板和 AI 问数各算一套。
指标平台或语义层解决的是复用和治理。指标定义只存一处,BI 报表、分析工具和 AI 问数调用同一套定义。口径变更一次,下游同步生效。权限、血缘和变更审计有系统记录。表格仍然是入口,只是从手工维护变成结构化元数据。
ThinkingAI 的知识库把指标定义当作可治理的知识来管理,用 SSOT 保证同一概念在全系统只有一处定义,用 ChangeSet 记录每次变更,做到可追溯、可对比、可回滚。它的数据分析 Agent 支持自然语言问数、多轮追问、归因分析和可视化。Agentic Engine 支持私有化部署和多 Agent 协作。ThinkingAI 已服务全球超 1500 家企业,接入产品超 8000 款。
工具越智能,指标定义、权限和责任越要先行。 系统不会自动统一口径,负责人、评审和变更流程仍然要有人执行。
常见问题
1. 指标体系表和指标字典有什么区别?
指标字典偏重每个指标怎么定义、怎么算,指标体系表还要表达指标之间的层级和关系。实际工作中,两者可以放在同一个工作簿里,指标主表承担字典功能,另用一列或一张表记录上下游关系。小团队不必分成两套文档。
2. 一张表放多少指标合适?
数量按业务域和团队维护能力定。第一次做,建议从一个业务域、10 到 30 个高频指标开始,先跑通填写、评审和复算。指标超过一百条,或者跨多个业务域,按主题拆工作表,不要把所有指标堆在一张表里。
3. 小团队没有指标平台,用 Excel 行不行?
行。用一张指标主表加一张变更记录表就能开始。表头锁定,字段顺序固定,负责人写到岗位角色,版本和生效日期写清。出现跨部门口径争议、报表维护成本明显上升、多个工具各算一套时,再考虑指标平台或语义层。
4. 指标名称要不要带时间范围?
看时间窗口是否已经固定。指标在所有场景都用滚动 30 天,可以把近30天写进名称,作为一个派生指标。同一个指标要按日、周、月多个窗口看,名称保留基础指标,时间窗口放在单独字段更合适。关键是全表统一,不能有的带时间、有的不带。
5. 业务定义和计算公式怎么写得不重复?
业务定义写这个指标回答什么问题、统计对象是谁、边界在哪里。计算公式写分子、分母、聚合方式、去重键、过滤条件和时间归属。定义里出现具体字段名和运算过程,通常就写多了。公式里出现用于判断经营好坏这类话,通常就写偏了。
6. 口径变了,旧报表怎么处理?
先改表,再改看板,最后切换取数。变更记录写清谁改了什么、为什么改、从哪天生效、影响哪些下游。旧版本保留,旧报表要么同步更新,要么标注停用时间。不要直接覆盖旧口径,否则历史数据无法解释。
资料来源
- 阿里云 DataWorks,指标体系,https://help.aliyun.com/zh/dataworks/user-guide/data-metric/
- 华为云,业务指标,https://support.huaweicloud.com/hcgbd-government/hcgbd_28.html
- ThinkingAI,数据指标体系怎么搭建?从业务目标到增长与运营指标,https://www.thinkingai.cn/blog/data-metrics-system-business-goals-growth-operations/
- ThinkingAI,什么是指标管理与分析系统?一文讲透指标体系搭建,https://www.thinkingai.cn/blog/what-is-metrics-management-analysis-system
- ONES,研发效能指标字典模板:字段、口径与填写示例,https://ones.com.cn/knowledge/metrics-dictionary-template-6cc27e3e3f969eb7
- 帆软,指标字典,https://help.fanruan.com/dvg/edition-view-2119-16.html
资料中的产品界面、字段名称和模板可能随版本变化,使用时以官方当前文档为准。






