度量體系結構

度量體系結構是一個規則，工件和服務系統，可在整個組織中提供明確的定義，可復制的計算，透明的訪問和可靠的指標操作。目的是使「MAU」，「Retention D30」或「ARPPU」在所有行車記錄，實驗和報告中都被視為相同。

1）原則

1.公式和手冊的單一真相來源（單一真相來源）。
2.語義與實現分離：業務定義生活在語義層而不是每個SQL/筆記本電腦中。
3.帶有歷史遷移控制的指標，方案和公式（v1→v2）的轉換。
4.可重復性和可測試性：計算是確定性的，由測試覆蓋。
5.可觀察性：新鮮，飽滿，一致性和漂移-具有SLO和Alert。
6.安全性和私有性：最小化PII，RLS/CLS，審核。
7.操作作為代碼：定義、轉換、策略-在CI/CD存儲庫中。

2）體系結構層

原始數據：事件/事務，參考書，模型邏輯/infra。
集成和清理：CDC/增量加載，去除，統一臨時區域。
數據模型（DWH）：恒星/雪花，緩慢變化的測量（SCD），代理密鑰。
語義層度量：單一定義、聚合、過濾器、時間表、滾動邏輯。
設計層：batch/microbatch/流；窗戶,水印,按鍵去除。
目錄和詞典：「指標護照」，線性，所有者，權利。
訪問和消耗：BI/dashbords，API指標，卸載，實驗/AV。

3）數據合同和指標

來源合同（事件/表）

方案：字段，類型，零彈性，主鍵。
SLA：新鮮（例如「≤10分鐘放電」），頻率，最大延遲教區。
質量：鍵的唯一性，有效的值域，時區，等效性。
更改：模式演變策略（backward/forward），執行計劃。

指標合同

名稱/代碼： 「RET_D30_v2」

Domein/所有者： 產品分析

定義（人文語言）

公式： SQL/偽代碼+輸入店面/語義對象

粒度/時間邏輯： 每天/每周；時間點規則，時間區

默認分段/過濾器

單位和貨幣（匯率/轉換日期）

SLO： 新鮮≤ X，精度≥ Y，可用性≥ Z

版本/更改歷史記錄/加入日期

Guardrails： 允許的範圍,p1/p99 vinzorization規則

4）語義層度量

圖層任務集中存儲聚合定義和規則：

元素：測量（日期，國家，平臺），事實（事件，revenue），度量（ARPU，Retention D 30），可計算字段，日歷（奴隸/周末，假期）。
時間行為：日歷表，滯後，隊列，「滾動」窗口（7/30/90）。
Rollup和一致性：每天的總和=一個月,同時排除雙重核算（distinct users）。
Mix-adjustment：正常化為誠實YoY的永久渠道/國家組合。
多種貨幣/時差：在交易日帶到基本貨幣；本地和「規範」UTC切片。

5）計算： butch、microbatch、stream

Butch：每晚/每小時的喬巴舞，完整/增量重新計票，等速控制。
Microbatch：操作行車記錄儀的窗口1-15分鐘。
流：通過輪胎的事件；窗口（tumbling/sliding/session）、水標簽（late data）、單詞語義（按+offset store鍵排序）。

窗戶模式：

用於操作KPI的「HOP 5m，WINDOW 1h」；
日間指標的「TUMBLE 1d」；
會議的「SESSION 30 m」。

6）質量和可驗證性

數據測試：示意圖、域（範圍）、參考關系。
度量測試：不變量（DAU≤MAU），非空段，單調性期望（累積性）。
對賬（重新計算）：語義層和參考報告/會計之間。
數據健康：新鮮,完整,復制,空值,異常跳躍。
漂移度量：關鍵峰上的PSI/KL/JS，尤其是ML度量。

7）驗證和遷移

公式版本：「METRIC_NAME_vN」。禁止在不更改版本的情況下悄悄更改定義。

遷移策略：

側面：v1和v2被認為是平行的；對用戶進行核對和培訓。
切斷：在低負載窗口中將消費者切換到v2；存檔v1。
重新計算歷史：根據歷史數據重新計算歷史；差值協議（diff報告）。
通訊：changelog，進入日期，誰會受到影響，說明。

8）度量數據模型

事實：谷物（event_id，transaction_id，user_day)，事件時間，總和/數量。
測量：用戶，設備，地理，通道，產品，日歷；SCD類型用於歷史性。

密鑰： 代理ID,穩定的業務密鑰,對應表（映射）.

反配對：身份規則（user merge），會話的「滑動」窗口。

9）單位,貨幣,季節性

單位/格式：顯式單位,四舍五入,量表（日誌/線性）。
Multivaluta：在操作日按路線轉換；保存「原始」和標準化金額。
季節性：YoY和季節性指數；單獨的「節日」效果。

10）安全和訪問

Row-Level Security （RLS）：訪問國家/品牌/合作夥伴的度量標準。
Column-Level Security （CLS）：掩蓋PII/財務領域。
審計：誰要求一個指標，哪些過濾器，哪些數據導出。
API區分：「按角色分組」vs「詳細上載」。

11）可觀察性和SLO

SLO新鮮： 例如，「運行KPI-Lag ≤ 15分鐘，每天-直到當地時間06：00。」

SLO可用性：≥ 99。API/語義層為 9％。
Alerts： SLO延遲,指標跳躍,NULL/重復增長, v1 vs v2> X%差異。
Runbooks：降級時該怎麼做-RCA步驟,fallback（例如,切換到最後一個有效的「快照度量」）。

12）實驗和指標

Guardrail度量：潛在性，容錯性，FPR/FNR得分。
A/B的統一定義：轉換，保留，NSM-通過相同的語義層。
最小可區分效應（MDE）,電力分析：將參數存儲在度量卡中。
Causal歸屬：混合調整和對照組的策略。

13） API指標和消費

Запросы: `GET /metrics/{name}?from=2025-09-01&to=2025-10-01&dims=country,platform&filters=channel:paid`.

策略：限制，緩存，分離，等效的「出口」。
版本：標題「X-Metric-Version： v2」，deprecation警告。

14）模板和工件

指標護照（示例）

代碼/版本： 「ARPPU_v3」

定義： 期間每個付費用戶的平均收入

Формула: `sum(revenue_net) / count_distinct(user_id where paying_flag=1)`

粒度： 一天；滾動：周/月=分子總和/分母總和

資料來源： 'fact_payments_v2'，'dim_users_scd'

單位： 貨幣「base_ccy」；日期的匯率轉換

默認過濾器： 活動市場,排除測試交易

SLO： 新鮮≤ 1小時；API可用性≥ 99。9%

Guardrails: ARPPU ∈ [0;10 000];vinzorization p1/p99

所有者： Monetization Analytics；審計日期：2025-10-01

查看指標發布列表

定義和公式一致,包含在測試中
創建語義對象；lineage已記錄
Backfill和裁判員對賬完成
SLO/Alertes定制；runbook準備就緒
權利和RLS設置；隱藏的PII
在dashbords/實驗中替換了舊版本
Changelog/通信發送

SQL偽代碼點對點（Retention D30示例）

sql
WITH cohort AS (
SELECT user_id, MIN(event_date) AS signup_date
FROM fact_events
WHERE event_type = 'signup'
GROUP BY 1
),
activity AS (
SELECT user_id, event_date
FROM fact_events
WHERE event_type = 'app_open'
),
ret AS (
SELECT c. signup_date,
COUNT(DISTINCT CASE WHEN a. event_date = c. signup_date + INTERVAL '30 day' THEN a. user_id END) AS returned,
COUNT(DISTINCT c. user_id) AS cohort_size
FROM cohort c
LEFT JOIN activity a
ON a. user_id = c. user_id
AND a. event_date BETWEEN c. signup_date AND c. signup_date + INTERVAL '30 day'
GROUP BY 1
)
SELECT signup_date, returned / cohort_size AS retention_d30
FROM ret;

15）頻繁的錯誤以及如何避免錯誤

安靜的公式編輯：始終通過版本和changelog。
「在每個筆記本電腦中以不同的方式」的度量標準：強制執行語義層/API。
不一致的時間段/貨幣：中央日歷和FX表。
雙重用戶核算：滾動規則和唯一密鑰。
不透明的新鮮度：清晰顯示變量/更新時間。
依賴一個工程師：一切都像代碼，有咆哮和腫瘤。

底線

度量體系結構是詞典+語義層+可靠計算+hovernance和SLO。按照所描述的原則（合同，測試，版本，可觀察性，安全性），您將度量標準從「數字爭議」轉變為可持續的產品和業務管理機制。

度量體系結構