本文介绍从传统的报表平台中梳理和重构指标库的操作步骤。
01 野蛮生长的报告
对于基于KPI的传统仪表盘和报表系统，随着业务规模和数据展示需求的增长，通常是来一个需求就开发一个报告，最终的结果便是成百上千的报告和统计指标。其中不乏大量的重复和无人关注的报告。
规模暴涨的同时也会伴随着的一系列问题，比如：
- 重复的数据源，服务器算力的浪费；
- 类似报告/指标中的数据不一致，影响的数据可信度；
- 报告间的路径依赖，变更时可能存在遗漏。
02 指标库梳理
造成以上的原因基本上是因为数据/数据分析部门是以业务需求为导向，忽略一开始以统一的指标库为导向。通俗点说也就是先垒砖还是先修框架的问题。
单纯垒砖砌楼实现了早期遮风避雨，不可厚非，但要起大楼高楼，后面还是要补修框架的工作量。因此，在数据报告平台上，若一开始没有统一的指标库，最终还是要对指标库进行重构。
重构的第一步便是指标梳理，以下内容将分四个步骤简要说明如何基于已有报告进行指标梳理。
02.1 切分主题
结合业务场景，通过平台中的目录树或者报告名称中的关键词，提取业务主题。比如，零售行业的业务主题有销售、客群、库存、线上MAU等。以销售为例，可以通过销售、销量、利润等关键词搜索出所有相关的报告。
如上图所示，可以通过Sales搜索到该报告。
02.2 已有指标提取
从02.01的样例报告中，可以提取销售相关的指标及其维度，比如销量和利润，同时每一个指标从报告中可以得到其下钻的业务维度（上图中关注的States，即区域）和技术维度（yoy，即指标同比）。
在提取的过程中，对每个指标做4件事情：
- 记录每个报告中使用的数据源；
- 切换到编辑模式查看每个指标的计算逻辑并进行记录；
- 对报告中的指标联系进行分层，比如利润率销售额和利润的2层指标（通过计算可以获得）；
- 如果与其他报告有重复指标，记录他们之前的联系。
02.3 指标状态量化
完成一个主题下的指标提取和特性梳理之后，可以从以下几个方面对报告和报告中的指标进行量化：
- 指标现状：报告数量、指标数量、业务维度；
- 指标联系：指标的重用率、类似指标使用次数排名；
- 数据源现状：数据源的总数，数据源的重用率。
利用以上的量化数据，可以对已有报告有一个全局的认识，并且指出优化的方向。例如，指标的重用率远高于数据源的重用率，其实数据源是可以进行整合的。
02.3 绘制指标/维度关系图
最后根据统计出的核心指标（使用次数高的），结合所有的维度信息绘制出指标结构图。
03 指标库搭建
基于上一章节的步骤和输出，下一步即可编写特定业务主题下的指标库：
- 提取出所有的核心指标；
- 附加每个核心指标的业务维度和技术维度；
- 衍生指标中由于KPI或性能要求也放入体系中；
- 无法通过维度下钻实现的特殊指标也放入体系。
如此搭建的指标库满足数仓维度建模的结构，可以使用常见的OLAP软件实现数据处理，后续的新报告需求在此体系上核对、修改、新增和下线，更易于维护数据的一致性和通用性。