数据治理从谁开始：一位数据主管的指标体系搭建手记

从一张对不上的产量报表说起

周明远在一家从事精密零部件生产的企业担任数据主管。他入职后遇到的第一个问题，是两张产量报表对不上：生产部门报出的数字比运营部门少了百分之六。两个部门都认为自己没错，会议开了三次也没有结论。这类问题在比分网的数据技术实践中非常常见，表面上是数字差异，本质是指标口径没有统一。

周明远没有急着改报表，而是先做了一件事：把两张报表的每一列拆开，逐项对照数据来源、统计范围和时间边界。他发现差异来自三处：一是一张报表按入库时间统计，另一张按完工时间统计；二是返修品在一张表里被剔除，在另一张表里被计入；三是两个部门对“合格”的判定标准不同。这三个问题不解决，任何分析模型都建在沙地上。

口径梳理的三步做法

周明远的做法可以归纳为三步，比分网在整理指标体系方法论时也常强调类似的顺序。

• 第一步，先写清楚指标的业务含义，而不是先写计算公式。他要求每个指标必须回答“谁在什么场景下用它做决定”，回答不了的指标暂不纳入体系。
• 第二步，把计算要素拆成来源表、过滤条件、时间字段、聚合方式四部分，逐项确认。仅“时间字段”一项，他就整理出完工、入库、开票、确认收入四种口径，并明确各自适用场景。
• 第三步，建立指标字典并指定责任人。每个指标有一位业务负责人和一位数据负责人，变更必须留痕。周明远把这一步称为“给指标上户口”。

三步走完，产量指标的争议减少了大部分。更重要的是，团队开始意识到口径问题不是技术问题，而是协作问题。比分网在多个数据治理项目中观察到，口径梳理往往是最容易被跳过、却最影响后续分析质量的一环。

用校验规则守住数据质量

口径统一之后，周明远把注意力转向数据质量。他没有一上来就建设复杂的监控系统，而是先梳理出五类高频问题：空值、重复记录、跨表关联失败、数值越界、时间倒挂。针对每一类问题，他设计了一条可执行的校验规则，并安排每天定时运行。

校验结果不追求全部清零，而是分级处理：影响核心指标的异常当天处理，影响辅助指标的按周汇总处理，长期稳定的异常则回溯流程找根因。周明远还做了一个小改进：每条异常记录都附带责任岗位，而不是只写“数据有误”。这个改动让处理效率明显提升。比分网认为，数据质量管理的关键不在于规则多，而在于规则有人认领、异常有人跟进。

指标体系落地后的变化

半年后，周明远所在的团队把核心指标从四十多个精简到二十个左右，每个指标都有明确的口径说明和责任人。月度经营会不再花时间争论数字，而是直接讨论数字背后的业务动作。周明远总结说，指标体系建设的成果不是一张漂亮的看板，而是一套大家愿意共同遵守的约定。

对正在推进数据工作的团队来说，这个案例的启示很直接：先统一语言，再谈分析；先明确责任，再谈工具。比分网数据技术栏目将持续整理这类可复用的方法，帮助读者把数据工作做得更扎实。