概述

核心功能介绍：

• 指标关系图：以可视化的方式清晰地展示指标按照开发逻辑一步步往下拆解的依赖关系。例如，当月活用户环比下跌15%，业务分析师可通过关系图逐层下钻拆解（如： MAU→DAU→新增用户/留存率→关键行为转化节点），快速定位异常环节（如：某渠道注册流程断裂导致新增锐减）。这有助于业务/分析人员了解指标的生成过程和加工逻辑，提高了数据透明度和可解释性。
  
• 业务指标的定义与管理：在平台上以标准化、系统化的方式作为业务人员和技术人员之间的沟通桥梁，确保业务分析人员能够清晰准确地定义和理解指标，技术人员则将其转化为可执行的技术指标，提高数据分析效率和决策准确性。同时，促进团队协作，减少理解偏差导致的开发错误，增强组织的数据驱动能力。
  

目标受众：业务分析人员。

版本要求：Dataphin V5.1.1版本及以上。

使用场景

在某快时尚品牌的全国32家门店中，数字化经理李明正面临一个棘手的问题：销售额已连续三个月停滞不前，甚至开始下滑。作为专注于通过数据指标指导决策的经理，李明希望通过指标归因分析来找到问题所在。但是需要的指标是哪些、是否已经有对应的数据了呢？

【精准定义与高效管理——业务指标敏捷构建】

步骤一：创建业务指标

为了找出销售额下降的潜在原因，李明决定从进店客流购买转化的分析入手。基于Dataphin的新推出的“业务指标管理”功能，他创建了一个名为“客流转化率”的业务指标。在指标创建页面中，他不仅精准地定义了计算口径，还详细描述了指标的统计维度，并列出了使用说明，同时完善了其他关键属性。此外，他还增加了一个自定义属性“应用场景”，以帮助团队的开发人员更明确地理解该指标的用途。

步骤二：指标快速开发与应用

开发人员根据李明创建的业务指标信息，准确理解了分析指标需求，通过查询指标目录，发现确实还没有沉淀相关的技术指标，于是基于Dataphin的规范建模能力快速完成了指标的开发，并提交给数据产品经理进行上架配置，关联到“客流转化率”业务指标便于李明查找和使用。

收到产品经理的通知后，李明在资产目录中快速找到新开发的指标，申请了消费权限，并跳转到Quick BI创建了对应的统计报表。通过查看报表，他迅速定位到异常数据：日均客流转化率仅为15.6%，显著低于历史平均基准的 21%（此数据为示例，不具真实含义）。这一发现促使他进行了深入反思：为什么客流转化率会下降呢？根本原因是什么呢？

【破局过程可视化——指标关系清晰可循】

步骤一：查看指标关系图

为查明指标数据低下的根本原因，李明在Dataphin上查看了“客流转化率”的相关技术指标。通过指标关系图的可视化展示，清晰地揭示了指标的拆解关系和加工逻辑。这让他了解到，“客流转化率”是由“门店客流量”和“订单数量”计算得出的。

步骤二：定位根因与深入分析

通过查看“订单数量”和“门店客流量”这两个来源指标相关的数据报表，李明发现虽然各门店的每日客流量保持稳定，但部分门店的每日订单量已连续三个月显著下滑，这是导致整体销售额下降的根本原因。

进一步分析，这些门店主要集中在华南地区，他发现华南地区门店客流转化率明显低于其他地区。通过与华南地区负责人沟通，李明了解到，由于该地区气温上升较早，相关门店未能及时调整商品结构，导致夏季服装上新滞后于市场需求的变化，这是订单量下滑的核心原因。

定位问题后，李明与地区负责人制定了决策：迅速上架夏季服饰并推出促销活动。执行后的第二天，华南地区的客流转化率立即回升，整体的销售额也有了一定回升。

总结及后续规划

通过Dataphin的业务指标定义和管理功能，业务人员能够以标准化方式快速创建业务指标并详细说明其详情，从而实现与技术人员的高效沟通，促进相关技术指标的快速开发。此外，业务人员还可以利用Dataphin的指标关系图功能，直观地理解指标的加工逻辑，并迅速定位异常数据根因，从而显著提高问题解决的效率。

后续，Dataphin将进一步优化业务指标的创建和管理能力，上线业务指标关系图、相关指标自动识别等能力，