指标平台，这个概念现在很火，小伙伴让来讲下，本文就来说说这个概念，以及这个概念在目前一些 BI 体系下，可以怎么结合。

从一个明显的问题说起

对于企业来说，数据按照业务规则在数据存放的系统里进行计算，然后再供应给不同的系统使用，很容易出现这种情况如下：

aa64810d5741c85d8d16b5fecdd4cbf1_640_wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1.webp

这显示出一个问题，对于 “收入指标” 这同一事物，在不同系统中，会是不同的值。其原因在于：

不同系统对应与不同的项目，有不同的整体。
不同系统对同一概念的计算处理过程很可能并不统一。
不同系统是孤立的。

这就导致一个最明显的问题：

计算逻辑不一致。
同一逻辑不一致且在不同系统里。
多次实现同一业务逻辑，导致重复工作。

当然，最重要的还是：数据结果不一致。

这就进一步导致：某个部门的绩效考核用什么系统的指标，大家就认什么系统。导致企业中存在大量类似功能的系统或报表。

这将进一步导致：维护现有报表的成本每年都在增加；且开发新的报表又会引入新的不一致问题，使得问题进一步严重。

然后，IT 或业务执行和管理层都为了推翻原有的结构设计而继续保持这一体系的延续，就会导致问题逐步积累到一个很大的成本量级。

解决方案在于：

2136e1f6d2e079553043bafb0d01711f_640_wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1.webp

首先，先定义一个指标，该指标满足：

名称，被管理。
逻辑，被管理。
内涵，被管理。
生命周期，被管理。

由所有被定义且被管理的一层指标，构成一道独立的屏障，它隔离了数据和应用。

当应用需要用数的时候，并不触碰数据，而是触碰指标（及相关维度）。

由于指标被管理，则可以形成一种统一，原有的数据问题消失。

但这里就涉及到一个技术问题：

指标所要使用的数据可能来自于不同的实际物理数据存储系统，如何把指标的计算平滑透明地翻译或施加到不同的数据系统就需要一个翻译的过程了。

但这并不影响这套指标层独立的方法论的成立。

这套独立的指标层，被称为：指标中台（Metric Store / Metric Layer）。

如果你对 Power BI 熟悉，感觉这类似于一层独立的度量值层，而根本不考虑可视化层。因此，这样的指标中台又被称为：无头 BI（Headless BI）。含义是：没有脑袋的，只有身体的 BI。这很形象，这样就会出现一层仅仅定义维度和指标且被管理的系统（指标中台 / 无头 BI），该系统的重点在于业务本身，而并不考虑后续的可视化问题。因此，可视化也就和业务指标解除了耦合关系，可以基于通用的指标系统来由业务人员按需要构建各自的可视化部分。

指标中台与商业智能有什么区别

用一幅图来表示指标中台与商业智能的区别，可以参考：

c5f03cfd1727d070abe34cdc16d49cda_640_wx_fmt=png&tp=webp&wxfrom=5&wx_lazy=1&wx_co=1.webp

这就会发现，无头 BI（指标中台），是为后续的自动化和使用做准备的。

换句话说，如果实现了指标中台，它更像是承上启下的一层，它并不是数据可视化。

指标中台要搭配商业智能一起使用。

指标中台是纯 IT 吗

指标中台，一个很大的特点在于：它并不是纯 IT 范畴，而来到了管理范畴。

一个企业里，到底用什么指标去支撑什么样的目标的达成，是一个精细的管理过程，这里涉及到：

业务职责：从目标分解到指标
业务职责：定义指标，包括：名称，别称，内涵，用途，相关的时间常用区间，相关的业务分析维度等。
业务职责：由指标构建指标体系
业务 & IT：指标体系与相关数据的关系
IT 职责：提供与指标相关的数据并绑定
业务职责：自助使用指标及维度去分析业务主题以及构建报告

可以看出，指标中台本身是由 IT 建立的，而指标平台的使用，包括：使用流程，指标定义，审批，可用，退役，版本管理，这都是指标平台可以给出的价值。

有什么产品呢

指标平台是一个概念，目前，在国际范围，以指标平台作为独立产品的有一些，而且这是一个趋势，在国内，则都是企业级的产品，例如：

Kyligence，衡石 BI 等。

由于指标平台是面向企业的，虽然大家已经看出来这个概念的重要性和意义，但作为个人分析师来说，并没有怎么听到这个概念，是因为：指标平台是个人分析师工作的场地，而如何搭建指标平台并不是数据分析本身范畴。

很多大型企业以及国际范围的众多互联网企业，都从搭建指标平台再基于指标平台展开分析获得了巨大受益。因此，推荐 IT 侧的小伙伴可以了解这个内容。对于业务人员和决策者，你应该知道：

如果您所在的企业没有指标平台的加持，你可能会遇到以上的问题：数据孤岛，不一致，问题累计加剧，巨大成本耗费。

如果您所在的企业建设有指标平台的加持，可以将数据与业务彻底分隔开来，业务人员的分析更加轻松，也会消除数据孤岛和不一致问题，一次构建，可持续地降低成本，增加效能。

对企业级应用该兴趣的伙伴，可以私信咨询。我们回到和个人分析师有关的主题继续。

两大可惜

可惜之一：指标平台是一个企业级概念，对企业的意义远远超过个人。因此，个人并不关心这个概念。

可惜之二：微软的 Power BI 或 Fabric 体系，虽然已经很厉害，但没有明确的指标平台的概念以及方法论和对应支撑。

因此，对于 Excel 和 Power BI 爱好者来说，你可以在一个企业做着数据分析，但你并无法用到这些内容。

企业数据问题的必然性

看到这里的伙伴，一定是能看到指标中台意义的资深数据分析领域同学，那你一定会明白以下必然结论：

【结论一】由于企业内部的部门管理结构和资源归属以及责任项目机制，采用传统分析管理方法，将必然导致：数据孤岛，不一致，业务分析依赖数据技术的强耦合。

在结论一的基础上，由于数据分析隶属于某部门管理，该部门为了更复杂的原因，会一致延续这种模式，而并不会采用创新式的指标管理模式，因此，结论一不仅仅是必然的，而且是加剧的。

进一步导致结论二，如下：

由于企业决策者和数据分析负责人无法超过认知范畴，采用指标管理模式，而继续治标不之本地解决数据问题，就会必然出现：

【结论二】企业由于经营而导致数据增加及分析主题增加带来的边际维护成本急剧上升，且被认为是合理的，且不会改变。

由于没有人愿意承认之前的设计是不合理的，以及消减预算的存在，导致不会有人跳出来说一个被既定认为合理的状态不合理，因此，不会改变。

由于以上的两个结论：

数据严重问题必然产生且更严重
数据维护成本比想象得多得多且会更多且不会改变

将导致综合结果：

企业数字化转型本身成本巨大且大多失败。

职业机遇

作为个人，了解以上问题以及方法论是有重大战略意义的。

既然，存在两大可惜，两大问题，问题如此之大，那么，机会就来了。

对于个人来说，如果你已经在个人数据分析的职业发展上走到瓶颈，不妨考虑了解可以帮助企业数字化转型带来转机的各种解决方案，指标中台（Metric Store）就是一个重要策略。值得注意的是：

该策略不是纯 IT 的，它的本质是管理。指标，是一种资产。

更准确的讲：

指标，是符合企业最高决策，是企业目标得以量化分解后的原子目标资产。

管理指标，就是管理企业的原子目标。

管理指标体系，就是企业的目标经营结构。

管理需要的不是 IT 技术，而是：流程，标准和制度。

指标平台是可以运转该管理（流程，标准和制度）且将目标分解为指标并接通上下游的信息平台。

【重点】对于个人数据分析高手，您可以考虑：

从个人数据分析到团队数据分析以及到领导企业数据分析，启动指标团队来补充业务和 IT 之间的空缺。

【重点】对于个人数据分析小白，您可以考虑：

第一步，学习 BI 佐罗的《BI 真经》加《数据分析之道》来成为数据分析高手，同时深刻理解这个职业机会，为未来做准备。

第二步，再从个人数据分析走向团队数据分析或指标团队来驱动整个企业更高效地使用数据。

【重点】对于个人财务分析师，您应该已经明白：

让财务分析超过财务系统的东西，而没有这些加持，财务就是 IT。你需要学习 1000 页 IT 技术书籍来提升个人数据能力。
即使没有指标中台，财务分析也有捷径可以走，学习 BI 佐罗的《财务分析之道》来更高效的完成财务分析和实现财务 BP。

因此，财务分析师可以考虑在财务体系内部打造局部指标体系和管理来实现类似概念。

大部分企业不会建立指标中台

如果你仔细阅读本文，我们就可以得到进一步的推论：

大部分企业不会建立指标中台。

由于指标中台，是一个大一统的概念，它的存在需要大一统，它会消除所有项目的部分预算；也会消除所有部门的数据自主权力；且同时要克服上文所述的两大问题，这对于职业经理人来说：何必呢。

因此，大部分企业不会建立指标中台，其本质原因在于：这会破坏现有利益局面。

指标微中台

正所谓：领先一步是领先，领先两步是犯罪。

指标中台，意义巨大，但大部分企业不会建立指标中台。

那么对于想在局部寻求更高效工作的伙伴和团队（如：财务团队），那我们可以利用现有内容来构建《指标微中台》。这将实现局部更优化。

例如：你是财务部 / 运营部 / 营销部负责人，而你不管怎么找 IT 都无果，你已经大致了解了 Power BI 的能力，且对今天的文章感同身受，那么，在你的局部团队来构建指标微中台则具有重大意义。

我们因为指标中台在企业实施的条件太苛刻以及复杂性且不是个人概念为出发，提出了：指标微中台的概念。

指标微中台，全面面向个人分析师和局部业务团队，利用 Excel + Power BI 实现：

指标体系构建
指标体系管理
指标驱动数据分析

的重要能力。

在后续的文章中，我们会陆续讲解这些概念和操作，你也可以报名学习《数据分析之道》来领悟最新进展。

Power BI & DAX 全新学习方式

大多重要的业务分析模式及深度模型，在 Power BI 和 DAX 领域，这里都是全网首发。

现在大的动作又要来了。

如果你正在学习 Power BI 和 DAX，你一定遇到这样的难题：

度量值和计算列到底是什么？有啥区别？财务里怎么用？
什么是筛选上下文，行上下文，上下文转换，难道一定要学这个吗？
帕累托分析，波士顿矩阵为什么我在 Excel 里很简单就做了，在 Power BI 里做不出来？
别人说要看很厚的参考书，看上去像程序员，一定要那么学习吗？

答案是显然的。

发明技术以及写出技术的说明书是科技公司的事。

微软发明了 Power BI 和 DAX，并提供了学习文档（说明书）。

而如何根据学生特点和场景，不讲说明书，让学生领悟精华是老师的事。

以 DAX 中最重大概念为例，在《BI 真经》中将告诉你：

关于度量值：

如果度量值有业务意义，它就被成为业务指标。
如果度量值没有业务意义，那它就不是业务指标。
因此，我们需要业务指标，所以要为此做一个度量值。

此后，我们不再谈度量值，我们用业务指标和分析维度来构建我们的分析报表。

这样，我们就摆脱了对度量值这种强 IT 术语的依赖。

接着，我们将业务指标分类：

原子指标
复合指标
派生指标

并定义原子指标只有 6 种，原子指标的复合运算得到复合指标，而为现有指标加限定词，就会得到派生指标。

限定词，在 DAX 中就是筛选上下文。

我们不再谈筛选上下文这种强 IT 术语，我们来谈，对业务指标进行限定，加上限定词就可到得到派生指标。

那么，在业务分析时，我们如何来派生出各种更具有业务价值含义的指标呢？

对的，会用 CALCULATE 模式，但我们会弱化 CALCULATE 的强 IT 术语。

相信你已经感受到了。

我们在后续的文章中，会正式给出如何基于 Power BI 体系定义：

设计指标体系及概念
构建指标微中台及方法

当然，您可以直接学习《BI 真经》和《数据分析之道》来提前用全新的模式来理解业务分析。

这种模式，将我们学习 Power BI 和 DAX 的时间进一步缩减，进一步摆脱对技术术语的依赖。

总结

指标中台，是一个重大趋势。但目前是超前的，且在大型企业由于文中所述之原因，大概率要等很久，这给我们这些数据分析领域的伙伴带来了新的职业空间。

那么，在这个过渡期中，我们可以先来在自己的局部范畴演练。基于 Excel + Power BI 的体系来构建指标管理体系以及指标微中台来先赋能自己和团队。再乘势利导，因时制宜。