指标管理与元数据管理平台

数据学堂 2022-11-08

指标能够直接反映企业的生产运营状况，从而为企业决策提供数据支撑。一方面随着国家大数据战略实施与企业数字化转型的驱动，指标的重要作用日益凸显；另一方面指标管理上的诸多痛点使得全企业实施统一的指标管理成为必然要求。但要想把指标管理好并不容易，不仅需要科学合理的方法，还需要有效的技术支撑。
指标作为一种业务元数据，在各方面与企业元数据有着千丝万缕的联系，所以可以把指标管理当做元数据管理的一个应用，并且通过元数据管理平台实现指标的管理，但绝不是所有的元数据管理平台都能实现指标的管理。
那么，如何通过元数据管理平台来管理指标？为什么说不是所有的元数据管理平台都能实现指标的管理？为了解决这些问题，我们先从企业目前指标管理的问题谈起。

01 指标管理的三个核心问题
先对指标下个简单定义：指标是一种衡量业务目标的方法，是企业用来描述现有业务或预测未来业务的工具。比如银行业的贷款发放金额，保险行业的保费收入，电力行业的发电量等。企业指标几乎涵盖了企业全部的业务范围，即使按照最粗的维度来划分也可分为基本指标、普通指标、衍生指标三类：

在企业中，像退保率这种需要对基本指标进行复杂计算的衍生指标比比皆是，指标和指标之间的关系也纷繁复杂。指标的这种复杂性给企业指标管理带来很多“烦恼”，这种烦恼主要体现在指标集中梳理难、指标统一定义难、指标问题追溯难几个方面：
1. 指标集中梳理难：各业务部门指标纷繁复杂，难以统一进行梳理
“企业中究竟有哪些指标？指标之间是否有关联？如何将这些指标集中梳理出来？”
企业中的指标数不胜数，指标之间的关系非常复杂，原来企业大多采用人工的方式将这些指标梳理成文档，再通过文档或者以文档为基础的系统来管理指标。
但这种方式在新增指标、修改指标的时候很容易引起混乱，造成指标更新和推广的周期过长，也很难直观地体现指标之间的关系，往往执行一段时间后就失去了效果，只成为一套仅供参考的文档。
2. 指标统一定义难：同一指标定义不一致，导致最终结果千差万别
“你们部门上报的的结果和他们部门上报的结果完全不一致，哪个才是正确的？”
不同的分公司、部门和岗位对同一指标存在着不同的理解，导致上报数据不统一、数据失真等问题，而解决这些问题的过程远比指标的计算过程复杂得多，因此给公司的管理统计、数据分析工作带来了很大困难。
3. 指标问题追溯难：无法追溯指标加工过程，难以定位数据源头和问题数据
“指标计算结果出错了，问题出在哪里，是计算过程的问题还是因其他指标出错导致的连环出错，还是说数据在录入的时候就出错了？是谁的责任？”
指标大多都是经过多种计算得到的，有些指标需要经过很长的加工过程才能得出。如果无法追溯指标的加工过程就难以知晓指标所用的数据来自哪里，且无法快速找出指标出错的原因和对应的责任部门，使得指标的一致性、完整性和准确性得不到保证。
另外出现问题时部门之间互相推诿的情况时有发生，导致指标问题难以得到解决。

02 从三个维度解决指标管理问题
从单一方面考虑很难同时解决上述各种问题，要想真正解决以上这些指标管理的问题需要从管理、标准、技术三个维度入手。
其一，从管理上要分清指标管理的责任区；其二，从标准上要建立统一可参考的指标规范；其三，从技术上要能提供一定程度的自动化、系统化的手段。三者缺一不可。

1. 从管理上：明确指标管理的岗位和职责，建立绩效管理机制
人员的参与是指标管理的基础。首先，为实现指标的综合管理，企业需要建立和业务紧密相关的指标管理的组织架构，将指标的管理职责分解到与指标相关业务对应的岗位；其次，为促成指标管理的落地，企业需要让指标的管理效果与每名员工的职责和个人绩效关联起来，并采取有效的激励措施。

建立和业务相关的指标管理组织架构

企业指标通常分散在企业的各种业务环境中，为尽可能避免指标的分散管理，企业需要建立一个管理所有指标的综合管理部门，在综合管理部门之下建立和业务挂钩的职能管理部门；通过职责分层管理机制，将指标管理的职责分配给各个业务部门，从而实现指标的无缝管理。

建立指标相关绩效管理机制

为推动指标管理的顺利进行，让各部门积极参与到指标管理中来和保障指标管理的效果，企业需要建立与指标体系相对应的绩效管理机制。具体可通过元数据管理平台的问题追溯能力得出各职责部门的指标错误发生率，根据各部门的错误发生率判断指标管理的落地效果，以此来推动指标落地的执行。

2. 从标准上：制定指标相关的数据标准，规范指标体系的落地

随着时间和业务需求上的变化，企业指标的命名、业务定义、计算方法等都会出现一定的偏差，在指标统计和业务决策时，这些偏差会给企业带来各种影响业务发展的问题，有些问题甚至是致命的。为避免这种问题出现，企业需要建立统一的分析类数据标准（分析类数据标准就是针对指标的标准），形成企业的指标标准体系。

规定指标的基本属性

企业需要根据自身情况，规定指标的基本属性。例如指标的标识代码、名称、描述、数据来源、口径、统计频度、度量单位等，其他属性可根据企业指标查询到的展示需求进行扩展。

统一指标定义和口径

在企业众多环境中，经常会有同一指标在多个不同的地方出现的情况，而为避免同一指标的定义和计算规则等不一致现象的发生，在制定标准时需要与指标相关的各部门沟通，具体包括统一指标口径，梳理统一的指标定义和计算规则，并整理成指标标准输出文档。

保证指标标准的落地

指标标准制定好之后，不能是一个不被有效使用的文档，而是要落地到实处并能发挥出价值。指标标准梳理好之后需要采取相应的手段进行持续管理和维护，保证指标标准的落地和统一管理应用。

3. 从技术上：为指标管理提供技术支撑，自动化解决指标管理问题
企业指标的管理离不开技术的支撑，不重视技术成为大多数企业指标管理效果欠佳的一大原因。如果利用技术实现一定程度的自动化，让指标管理融入业务过程中，就能大大减轻业务人员的压力。所需注意的是要让企业能从方便用户的角度考虑而不是从管控的角度来考虑指标管理这件事。
要想从掌握指标现状到指标标准落地，再到指标问题解决的自动化能力，企业需要从以下三个方面考虑：

要想对指标进行集中管理，企业需要通过一定程度的自动化方式采集现有企业的指标体系，而不是全靠人工梳理。
要想统一指标定义，企业需要进行系统化的指标标准的生命周期管理，尤其是指标标准的落地情况管理。
为追溯指标问题，需要通过技术自动化发现指标与数据实体间的关联关系。

03 元数据管理平台
Inmon在《Business Metadata》一文中将指标看成是一种业务元数据。在笔者看来，指标是企业环境中业务元数据和技术元数据的综合体现，像指标名称、指标定义、指标计算公式其实可以当做业务元数据来管理；而指标数据源、指标加工过程、指标编码等需要涉及到技术实现的部分，则是技术元数据的管理范围。
因此，元数据管理平台必然会成为指标管理一个很好的技术支撑。利用元数据管理的技术能力，可以将指标的不同属性、指标之间的关系自动采集到平台中，再由元数据管理平台对指标进行统一管理和维护。

自动化和准确率是指标管理必须要强调的重点。最大程度自动化，才能最大程度减轻业务人员的压力；准确率高，才能真实无误地反映指标的实际情况。因此指标管理对元数据管理平台的要求非常高，而国内能同时满足强自动化和高准确率的产品，目前为止只有普元的元数据管理平台。
1. 通过元数据管理平台的自动化采集能力，全面梳理企业指标
很多企业在梳理指标时都需要业务人员深度介入，还需要填写一堆表格，无形之中会给业务人员增加较大负担。利用元数据管理平台的自动化能力进行自动梳理指标，可以大大降低指标梳理难度。
指标也是有许多属性的对象，根据指标体系对不同指标进行分类，再根据具体情况设计出相对应的元模型，就可实现指标的自动化梳理。利用元模型从企业报表、Excel文件等源头自动化采集各种指标的相关内容，再由业务人员在此基础上进行修订，减少人工作业的同时保证了指标梳理的准确性。实现这点需要强扩展性的元数据架构，普元以MOF规范为基础的元数据管理平台恰好符合这一要求。
2. 自动化统一管理业务元数据与技术元数据，确保指标标准落地
每个指标都与实际信息系统的物理模型有联系，这种联系在元数据层面实际上是业务元数据与技术元数据的联系，统一管理这种关系能最大程度自动化地判断指标是否按标准要求落地。普元曾通过统一管理业务元数据与技术元数据为多家金融机构实现了指标标准的落地。
通过元数据管理平台，用户能以图形化的方式查看特定业务的指标定义和指标的加工过程，系统能自动比对指标的实际加工过程与指标标准中计算口径的定义，通过比对结果来自动化判断指标是否符合指标标准。
3. 自动分析指标与数据实体的关系，快速定位指标问题
在元数据管理平台中能把指标和物理模型连接起来，实现指标加工过程的追溯。当指标出现问题时，元数据管理平台就可以自动分析出问题指标对应的数据实体，快速找出指标出错的原因，定位数据问题源头和找出数据相关负责人，从而及时解决指标问题，防止因指标问题影响业务发展。
最后，因为有平台的支撑，所以通过可视化界面业务人员能直接进行指标浏览、指标查询、指标配置，查看指标加工过程和指标间的关系、分析指标活跃度、查看指标使用情况等各种应用，还能通过自动化的方式控制指标的加工流程，推动指标标准的落地等。最终可以完成指标的设计、实现、应用、修改、停止的全过程跟踪，实现指标的全生命周期管理。

04 指标管理平台

某大厂的数据资源平台也有指标管理模块，这里截取产品介绍的指标管理页面供参考借鉴：

（本文来源EAWorld）

了解更多数据指标的内容，欢迎点击阅读：

<END>