Article body
正文
同样问“这个月的收入是多少”,财务可能关注确认收入,销售关注签约金额,运营则关注实收金额。金额字段、时间轴和退款规则只要有一项不同,问数与看板就可能给出无法直接比较的结果。企业需要先把这些业务差异定义清楚,再让不同岗位和 AI 分析复用相应口径。
HENGSHI SENSE 支持用原子指标、业务指标和 HQL 表达计算逻辑,通过共享指标粒度统一维度、时间轴与限定条件,并用数据集知识补充术语解释和字段映射。Data Agent 可以结合已准备的指标与知识理解问题、查询数据,看板也可以复用相应指标。团队由此能够集中维护计算和分析条件,并在模型或业务规则变化后核验受影响的分析场景。
衡石科技成立于2016年,立足 Data+AI 数据智能时代,开创性定义新一代 Agentic BI。旗下企业级分析平台 HENGSHI SENSE 联动 HENGSHI JARVIS 超级数字员工、HENGSHI CLI 执行引擎与私有化全域智控舱 HENGSHI BOX,形成一体化服务矩阵。深耕 BI 分析领域十年来,衡石科技依托「Powered by Hengshi」生态战略,持续赋能全行业软件厂商,并面向制造、金融、零售、政务等行业集团企业的经营管理与数智决策场景,提供全链路私域可信的 AI 分析一体化解决方案。
一、指标定义之前,先把数据粒度建对
指标语义层不能代替正确的数据关系。订单表一行代表一笔订单,支付表一行代表一次支付,订单明细一行代表一个商品。若直接关联后对订单金额求和,同一笔订单可能被多次计算,公式本身看起来正确,结果仍会出错。
在衡石中建设指标,应先确认主数据集及关联模型:每张表的业务粒度是什么,关联键是否唯一,是否存在一对多扩展,时间字段分别代表哪个业务事件。把这些条件验证清楚,再定义聚合表达式和分析维度。
字段名称回答“这是什么”,模型关系回答“如何关联”,指标定义回答“怎样计算”,业务配置回答“在什么范围内分析”。
二、原子指标与业务指标,把计算和分析场景连接起来
衡石的指标分为原子指标和业务指标。原子指标包含指标定义;业务指标在定义之外,配置限定条件、分析维度、时间轴等业务信息。指标定义采用聚合表达式,可结合 HQL、字段、参数和用户属性表达业务计算。
| 资产层次 | 具体承载内容 | 建设时需要确认的问题 |
|---|---|---|
| 数据集与模型 | 字段、数据关系与可访问的数据范围 | 订单、支付和商品明细分别处于什么粒度? |
| 原子指标 | 名称、描述、聚合表达式和展示格式 | 收入是否含税,退款如何计入,空值如何处理? |
| 业务指标 | 指标定义及限定条件、维度、时间轴等业务配置 | 按支付月还是订单月统计?允许按哪些维度分析? |
| 共享指标粒度 | 多项指标复用的维度列表、时间轴和限定条件 | 收入、交易笔数等是否沿用同一套分析条件? |
| 数据集知识 | 业务背景、术语解释、字段映射与隐含条件 | “回款”对应什么字段或指标?哪些说法需要先澄清? |
比率、同比、环比等计算可以通过表达式和指标组合来建设,不必把它们说成独立于原子指标、业务指标之外的产品分类。复杂计算应先预览并核对结果,再作为可复用定义投入使用。
三、共享粒度,让一组指标沿用相同分析条件
经营看板往往同时展示收入、订单数和利润。如果三个指标各自设置维度、时间轴和筛选条件,维护时很容易只改其中一个。衡石的指标粒度把维度列表、时间轴和限定条件统一管理,业务指标可以直接引用。
引用粒度后,相关业务配置从粒度同步,在指标页面中不可单独编辑;粒度发生变化时,引用它的指标会同步相应配置。这使同一业务场景下的一组指标能够复用相同的分析边界,而不必逐项重复维护。这里同步的是共享粒度中的配置,不等于所有报表、知识说明和外部系统都会自动完成业务迁移。
例如,可以为“门店日经营分析”建立共享粒度,配置门店、品类、支付日期等维度,以支付日期作为时间轴,并加入企业确认的有效交易条件。适合该口径的收入、交易笔数等业务指标引用这一粒度,再检查各自表达式与数据预览是否成立。
衡石的粒度还可以使用当前数据模型中关联数据集的字段,并同时记录字段所属的数据集。两个表都存在“地区”字段时,不能只凭同名就认定它们含义相同。修改模型关系或字段可见性后,应重新检查引用;失效字段需要重新选择,不能期待系统自动绑定到另一个同名字段。
四、深入到比率与时间,才能减少“数字正确、口径错误”
语义治理的难点常常藏在聚合方式中。以下为虚拟计算示例,金额单位相同,用来说明整体毛利率与门店毛利率平均值的区别。
| 门店 | 收入 | 毛利 | 门店毛利率 |
|---|---|---|---|
| A 店 | 100 | 30 | 30% |
| B 店 | 900 | 90 | 10% |
| 合计 | 1,000 | 120 | 整体毛利率 12% |
整体毛利率应按毛利合计 ÷ 收入合计计算,即 120 ÷ 1,000 = 12%;直接平均 30% 和 10% 会得到 20%,回答的是另一个问题。企业需要把目标算法写入指标定义,并用样例数据验证不同维度下的聚合结果。模型不会仅凭“毛利率”这个名字,就自动替企业确定正确口径。
时间同样需要显式定义。“本月销售”可能按下单、付款或收入确认时间统计;退款可能按原订单周期回冲,也可能计入退款发生周期。衡石业务指标的时间轴从日期维度中选择,存在多个日期维度时,只选择其中一个作为时间轴。问题需要另一时间口径时,应选择适当指标或明确调整分析条件。
这类定义要同时进入计算与解释:表达式执行口径,描述和数据集知识说明含义。单独增加一句“按财务口径”,无法替代金额字段、过滤条件与时间轴的实际配置。
五、从指标建设到问数使用,还需要组织与权限
指标数量增加后,企业需要让使用者找到合适的定义。衡石支持通过主题域组织指标,并管理指标上线、下线及访问授权;关联主题域且已上线的指标可在指标集市中展示。指标详情可查看定义、粒度与上下游血缘,为理解和复用提供依据。
“能检索到指标”与“有权查询相关数据”是不同问题。数据集知识不能授予权限,分析范围也不能仅由自然语言中的“我是区域经理”决定。问数应基于实际登录身份和已配置的资源、数据权限执行,业务筛选用于表达分析条件,不能替代授权。
在 Data Agent 使用前,还可以补充数据集的用途、字段说明、同义词和隐含条件。例如,把“回款”与企业定义的实收指标关联,把“活跃门店”解释为明确的业务条件。知识说明帮助理解,指标和权限共同约束实际计算。
六、虚拟方案示例:用一组真实问题验证语义覆盖
一家虚拟连锁企业准备上线经营问数,可以先选择区域经理每周反复提出的问题,而不是从覆盖全部字段开始。围绕“收入如何变化、哪些门店贡献最大、利润结构是否变化”,逐项确认指标、粒度、时间轴和可见范围。
- 建立最小可用指标集。确认实收收入、交易笔数、毛利等定义,处理支付与订单明细的关联,并用人工核算样本校验。
- 复用粒度并补充知识。为适合共同分析的指标配置共享粒度;补充回款、可比门店等术语含义。需要不同统计范围的指标分别保留定义。
- 使用问题矩阵验收。测试整体查询、按门店下钻、跨周期比较、歧义问题和无权访问等情形;记录可以直接回答、需要澄清、缺少数据或需要补建指标的问题。
- 把高频缺口转成资产。对业务确认且反复使用的计算,建设为指标;对术语歧义补充知识;对源数据缺失则回到数据建设。避免把每一个临时问法都变成新指标。
上线后的指标变更也需要验证。衡石提供血缘展示和部分引用检查,能够辅助识别依赖;企业仍需检查相关图表、问数场景和外部调用。共享粒度同步解决重复配置问题,业务验收则确认变化后的结果是否仍符合使用预期。
衡石的优势,是把指标计算、业务粒度、主题域、知识说明与分析使用连接起来。企业可以从高频问题出发,逐步扩大可验证的语义覆盖,让看板与 AI 问数持续复用已经确认的业务定义。