Ventana Research｜是时候把指标中台纳入企业数据架构了！

近日，Kyligence 秋季线上论坛成功举办，来自领先的市场研究和咨询机构 Ventana Research 的 David Menninger 发表了主题为 Add a Metrics Store to Your Information Architecture《把指标中台纳入企业数据架构》的演讲，希望对大家有所启发。

以下为演讲实录

大家好，我是来自 Ventana Research 的 David Menninger，有 30 多年数据分析的从业经历，非常高兴能够与在座诸位分享我们研究的成果，帮助大家及时掌握最新的技术动态。

今天我想从下面这张图开始我的分享。大家可以回想下，目前在企业里，指标管理、分析战略和数据战略之间的联系真的紧密吗？很多企业关注数据战略、数据模型、DataOps 等，但是却很少真正聚焦指标及管理。接下来，我将从数据和指标之间的关系开始，分享什么是指标中台、以及企业为什么需要指标中台。

1. 研究背景

作为一家独立的分析机构，Ventana 在进行调研时收集了来自数千家企业组织的反馈及其各种技术的使用情况。今天引用的各项信息主要来自于我们的分析和各项数据基准、数据治理基准。我们希望这次研究能尽量全面地代表各类机构，所以也收集了来自不同规模、不同地域的各类公司的信息。

指标无处不在，如大家熟悉的总销售额、员工平均收入、资源利用率等都是指标。相较数据而言，指标被赋予了业务价值，是量化的度量，企业可以通过指标来衡量和评估某项正在进行中的任务进度。

有些指标可以基于原始数据获得，但大多数需要基于不同数据的组合，比如通过数学公式对数据进行计算，其中有些计算可能相当复杂，甚至需要基于数据进行预测。例如在房地产行业，你可能需要预测一座大楼的入住和出租率，针对每个单元的入住和出租率，再对利率和维修费用进行假设，然后将其代入一系列的公式，得出该出租物业的预期盈利情况。

指标本身包含了数据计算的含义，同时也将目标和数值联系了起来。比如在还没有定义相关目标的情况下，数字 7 本身并不具备特殊意义。但是当我们加入目标和定义后，数字 7 就有了意义，我们可以判断 7 是好还是坏。如下图所示，如果它在绿色区域，那就是表现还不错；但如果在黄色、橙色或红色区域，那可能就有待改进。为了确保目标和指标能在组织内共享，以及理解目标和指标的关系，指标和目标的定义就尤为关键。

那么新的问题来了，企业该如何存储这些指标?

很多企业会把指标存储在数据平台上，比如关系型或非关系型数据库。如果是关系型数据库，的确可以实现在组织内广泛访问，不过使用的表达式将受限于 SQL，或者说复杂的指标计算只能在数据库之外完成。如果企业用的是非 SQL 数据库，确实可以更轻松地修改业务模型，但所用的表达式语言就会比较难与组织共享。

当然，也有一部分公司会将大部分指标存储在 BI 工具内，BI 工具支持较丰富的表达式，但是这些表达式又只能在这些 BI 工具内部使用，很难与其他工具共享，如果企业使用多种 BI 工具，共享就更难了。当然，也可以选用数据工程工具，把这些表达式写进数据管道中，计算完成后，组织内成员就可以访问。但这也意味着要提前进行预计算和存储，当用户访问的时候，这些数据很可能已经过时了，甚至还可能造成数据库的“爆炸”。

另外一个选项是使用计算引擎、语义层、其他 OLAP 技术。这些解决方案的确支持企业内的共享，并且还提供了一个通用的抽象层。美中不足的是，这些方案缺乏目录管理和协作功能，但对于企业而言，这些能力又非常关键。

近几年，有一些领先企业开始考虑选用指标中台。指标中台是对计算引擎的进一步拓展，增加了目录、治理、协作、API 等能力，稍后我也会提到 API 为什么很重要。那究竟什么是指标中台？大家可以把指标中台理解成是一个指标的集市，它存储了之前提到的各项规则、定义，如何进行计算，以及对齐指标相关的各项目标。构建指标中台的目的就是为了能轻松在组织内分享这些指标，并相互协作。

2. 什么是指标中台

指标中台包含计算引擎，可以帮助企业计算这些指标背后的各种数据，同时提供一个可供访问指标的方式，比如各种 BI 工具等。除了目标、计算表达式，指标中台还应包含由指标引擎带来的目录信息。

指标中台能够帮助业务人员找到相关数据和指标。不过，随着各类分析应用变得越来越复杂，某些分析可能要被嵌入到某些应用中，然后再被进一步嵌入到其他流程中。我们需要通过 API 完成这些嵌入，以便实现流程的自动化，不再需要人工参与，因此 API 已经成为满足这些需求的必要条件。

企业通过构建指标中台来管理数据和指标，这样就可以有一个框架来管理各项规则，比如谁可以访问，谁可以修改这些规则，这也是指标中台重要的一部分。既然需要指标中台来完成这些计算，那就需要保证所有指标的性能和可扩展性，随着组织成员开始访问指标中台，它就应该能为大家的指标查询和计算需求提供交互式的响应。

前面提到了治理，我们再来了解下为什么说指标治理和数据治理很重要。在没有指标中台之前，大家会把数据存在各处，比如数据库、数据管道、各种计算引擎、BI 工具等。其实在架构设计之初，企业就应该考虑在其中加入治理。据 Ventana 调研，数据的治理程度与数据分析的满意程度高度相关，受治理的数据更容易得到分析人员的信任和使用。

3. 指标中台的价值

我们在数据治理相关研究中发现，53%调查对象都将指标加入了数据目录，但只有 43% 真的在进行治理，这就是所谓的断层，也就是这件事情的重要性和实际达成的效果之间的差距。另一方面，对指标的治理可以增加人们对数据的信任，与数据的可信度相关。46% 左右的受访者在面对经过治理的指标时，相信他们的数据是可信的，在面对未对指标进行治理的情况下，只有 15% 的机构认为他们的数据是可信的。

那如何让人们参与治理呢？方法之一就是数据目录，数据目录是数据治理中的重要一环，它让治理变得更容易接受和执行。通过指标目录帮用户找到所需的指标后，用户更愿意参与治理，因为这将帮助他们看到谁在访问这些指标数据及利用率如何。而参与治理的好处就是能更轻松地找到自己需要的信息。

90% 左右的组织都认为数据目录是他们数据治理中的重要一环，但如果其中不包含指标，数据目录的价值就会大受影响，这里不妨回想下我们刚刚提到的那个数字，只有 15% 的组织信任他们的数据。因此我认为治理指标远比治理数据重要，如果没对指标进行治理，其实也就是没能对组织内最重要的信息进行治理。

接下来我们再来谈谈协作，数据分析是一项团队活动，极少会完全由一个人来完成全部的分析工作，也就是说由同一个人负责数据的访问、准备、计算，基于计算结果的决策以及决策的执行。既然如此，企业就需要一个中台来分享这些信息以及协作。

我想再次强调下，围绕分析和指标进行协作远比只围绕数据进行合作更重要。我们曾问过受访者，你认为协作有多重要？超过 2/3 的受访者，也就是图上的两块深色区域的受访者认为协作是数据分析中的重要一环。

4. 建议

以上我们谈到了很多与指标和指标中台相关的信息，现在我来简单总结下，同时给出一些个人建议。

对于企业来讲，指标可能比数据更重要。指标管理不存在捷径，企业想把分散在数据库、数据管道和 BI 工具中的数据和指标收集，就需要考虑在现有信息架构中加入指标中台。指标中台是企业聚焦指标管理的重要方式，在企业信息架构中加入指标中台后，将有力推动公司业务的提升。

指标中台要能被组织广泛访问，让信息在公司内得到更广泛的访问、更好的治理，并能带来更高的一致性；同时，它的架构要切实可行，支持高并发和高可扩展性，能满足组织内的所有访问需求。

感谢大家参加本次指标中台的分享，并希望通过这次分享能让大家开始思考如何将指标中台融入信息架构。

Kyligence Zen（预览版）现已开启试用，欢迎您点击链接申请试用。

关于 Kyligence

上海跬智信息技术有限公司 (Kyligence) 由 Apache Kylin 创始团队于 2016 年创办，致力于打造下一代企业级智能多维数据库，为企业简化数据湖上的多维数据分析（OLAP）。通过 AI 增强的高性能分析引擎、统一 SQL 服务接口、业务语义层等功能，Kyligence 提供成本最优的多维数据分析能力，支撑企业商务智能（BI）分析、灵活查询和互联网级数据服务等多类应用场景，助力企业构建更可靠的指标体系，释放业务自助分析潜力。

Kyligence 已服务中国、美国、欧洲及亚太的多个银行、证券、保险、制造、零售等行业客户，包括建设银行、浦发银行、招商银行、平安银行、宁波银行、太平洋保险、中国银联、上汽、Costa、UBS、MetLife 等全球知名企业，并和微软、亚马逊、华为、Tableau 等技术领导者达成全球合作伙伴关系。目前公司已经在上海、北京、深圳、厦门、武汉及美国的硅谷、纽约、西雅图等开设分公司或办事机构。