BI工具用户指南创建

指标口径管理用户指南（执行版）

一、角色与职责

• 指标负责人（Owner）：定义与最终口径把关，批准上线与变更。
• 数据工程：数据模型、语义层实现与性能保障。
• 数据分析/业务方：需求提出、样例验证、UAT签署。
• 数据治理/架构：规范、模板、版本与血缘管理；合规审计。
• 平台运维：监控、告警、权限与发布。

二、标准模板（必填项） 为每个指标建立统一条目，建议字段：

• 基本：指标名（中/英）、唯一ID、所属域/主题、负责人、业务背景。
• 口径：业务定义（一句话+边界说明）、计算公式（伪SQL/DSL）、适用范围（渠道/地区/产品）、过滤条件、去重键。
• 维度与粒度：统计粒度（天/周/月/小时）、可下钻维度、时间口径（自然日/账期/时区）。
• 数据源：源系统/表、字段映射、刷新频率与延迟。
• 规则：单位/币种与汇率时点、聚合方式（sum/avg/distinct）、空值与异常处理、回溯/重算策略、有效起始日。
• 关系：指标树（父子/派生）、对齐指标（如GMV与订单量）。
• 质量与SLA：验收口径、阈值、SLA、敏感级别与权限。
• 版本：当前版本号、变更记录、发布日期。

三、执行流程（新建）

1. 需求评审：确认业务问题、目标决策、成功标准；查重避免重复指标。
2. 草案编写：按模板完善口径与边界，产出样例明细（10–50条）。
3. 同行评审：业务与数据双评；对齐分歧（如是否含取消/退款）。
4. 技术设计：语义层/数据模型、字段血缘、性能预估。
5. 开发与测试：构建计算逻辑；与样例及历史对账（容差标准）。
6. UAT与签署：业务确认可用；记录已知限制。
7. 发布：指标库登记、语义层注册、报表接入、权限配置、公告说明。
8. 监控：上线7–14天重点监控，异常回滚预案就绪。

四、变更管理

• 分类：非破坏性（描述澄清、文案优化）；破坏性（公式/范围改变、输出集变化）。
• 影响评估：血缘追踪受影响报表/API/任务；用户清单。
• 版本策略：语义化版本号（主.次.修），生效日与并行期；回退与重算方案。
• 执行：灰度发布、样本对账、阈值监控；到期切换并清理旧版。
• 沟通：变更摘要、一页说明、迁移指南、FAQ。

五、质量控制

• 校验规则：完整性（行数/覆盖率）、唯一性、数值范围、突变率、时效性。
• 基线对比：环比/同比/同口径旧版；容差阈值与自动告警。
• 对账：与权威系统（财务/CRM）定期核对；差异闭环。
• 复核频率：关键指标至少月度复核，季度口径审计。

六、血缘与可追溯

• 登记：源字段→中间层→语义层→报表的全链路。
• 可见性：用户可一键查看口径、版本、血缘、近30天健康度。
• 审计：口径变更与访问日志留存。

七、统一发布与可用性

• 指标目录：可搜索、分域、打标签（核心/实验/退役）。
• 语义层：统一口径对外服务（SQL/BI工具/API）。
• 权限：按敏感级与角色分层授权；默认最小化权限。
• 赋能：上线说明、使用示例、常见误解提示。

八、退役管理

• 申请与评估：影响范围、替代指标。
• 执行：标记“即将退役”，并行期告知；到期下线与资产清理。

九、常见口径要点（优先在模板明确）

• 去重：按用户ID还是设备ID；多渠道合并规则。
• 订单边界：取消/拒收/退款是否计入；实付与应付。
• 时间与汇率：时区、自然日/账期、汇率取数时点。
• 聚合方式：先汇后算或先算后汇；滑窗口径（7/14/30天）。
• 回溯：历史重算的触发条件、范围与公告方式。

十、快速检查清单（上线前）

• 是否查重并绑定唯一ID？
• 业务定义与边界是否清晰且可被非技术读者理解？
• 公式、维度、时间口径、过滤、去重、单位/币种是否完整？
• 数据源与血缘是否登记完备？
• 样例与历史对账是否通过，容差是否记录？
• 监控与告警是否配置？
• 版本号与生效日是否确定，破坏性变更是否有并行期与回退？
• 权限是否正确，敏感数据是否脱敏？
• 发布说明与FAQ是否准备？
• 指标库、语义层、报表是否一致展示？

执行要点

• 统一模板先行，所有指标一处登记，一处发布。
• 先定义再开发，先评审再上线。
• 变更有版本，影响可追踪，质量可监控。

Data Export User Guide (Brief)

Purpose: Enable clean, compliant, and efficient data exports for reporting, analysis, or downstream integration.

1. Prepare

• Confirm access rights to the source dataset and destination location.
• Define export scope: time range, entities, columns, and grain (detail vs aggregated).
• Check compliance: exclude or mask PII where not required; apply data retention rules.

2. Configure the extract

• Source: select dataset, schema, and any required joins or views approved for export.
• Filters: apply date filters, status flags, segments to limit data to the required subset.
• Columns: include only necessary fields; ensure consistent field names and types.
• Timezone and calendars: standardize to a single timezone; align fiscal vs calendar periods.
• Deduplication: define unique keys and remove duplicates if needed.

3. Choose format and destination

• File type:
  • CSV: broad compatibility; good for BI and spreadsheets.
  • XLSX: small, human-readable reports; avoid for large datasets.
  • JSON: nested structures; APIs and applications.
  • Parquet: columnar, compressed; large-scale analytics and data lakes.
• Encoding and structure: UTF-8, headers included, consistent delimiters, date/time format (e.g., ISO 8601), explicit null representation.
• Compression: enable GZIP or ZIP for large files.
• Partitioning: split files by date or size for easier handling.
• Destination: direct download, secure cloud storage (e.g., S3/Blob), SFTP; store credentials securely.

4. Execute

• Run a small sample export first to validate configuration.
• Choose full vs incremental export:
  • Full: complete dataset; use sparingly.
  • Incremental: new/changed records by timestamp or change flag; preferred for routine runs.
• Monitor progress and system utilization; avoid peak hours for large jobs.

5. Validate

• Row counts and completeness vs source queries.
• Totals and key metrics reconciliation.
• Schema checks: data types, required fields, date formats.
• Spot-check samples for correctness and formatting.
• Log export metadata: job ID, time, filters, row count, file location.

6. Automate and govern

• Schedule recurring exports; include retries and alerts on failure.
• Maintain versioning and an audit trail.
• Document the export spec and change control process.

Key points

• Export only what is needed; standardize formats; protect sensitive data.
• Use incremental extracts and compression for performance.
• Validate every run before downstream use.

Conclusion Following these steps ensures exports are accurate, compliant, and ready for reliable analysis or integration.