精华内容
下载资源
问答
  • 派生指标也称为衍生指标,是在事务型指标和存量型指标的基础上,通过一定运算规则(逻辑运算)形成的计算指标集合,如平均用户交易额、资产负债率等。 1.7 事实表 用于描述业务过程的详细信息。事实表体现实际数据...

    1 基本概念

    1.1 实体

    从业务角度讲,实体是为了满足分析的需要,抽象出来的概念,从业务中拆分出一个个实体,可以是现实存在的业务对象,如用户,商家,商品,也可以是现实没有的,如虚拟的业务对象,活动,会员等等

    1.2 维度

    维度是度量的基础,用来反映业务的一类属性,这类属性的集合构成一个维度,也可以称为一个实体对象
    在划分数据域、构建总线矩阵时,需要结合对业务过程的分析定义维度。

    1.3 业务过程

    业务过程是指企业的业务活动事件,如下单、支付、退款都是业务过程。通常业务过程是企业活动中的事件,因此业务过程是一个不可拆分的行为事件

    1.4 原子指标

    原子指标是对指标统计口径、具体算法的抽象,等于业务过程(原子的业务动作)+ 统计方式,统计方式通常是做聚合计算。例如,支付(事件)金额(度量),曝光(事件)次数(度量)
    基于某一业务事件行为下的度量,是业务定义中不可再拆分的指标,具有明确业务含义的名词
    原子指标=业务过程(动作)+度量,如支付(事件)金额(度量)。
    如交易笔数、交易金额、交易用户数等

    1.5 业务限定

    业务限定为统计的业务范围的圈定。为保障所有统计指标统一、标准、规范地构建,业务限定在业务板块内唯一,并唯一归属于一个来源逻辑表,计算逻辑也以该来源逻辑表模型的字段为基础进行定义

    1.6 派生指标

    基于原子指标、时间周期和维度,圈定业务统计范围并分析获取业务统计指标的数值。
    派生指标=原子指标+业务限定【做筛选】+统计周期+维度的组合(统计粒度)。派生指标即为对原子指标进行业务统计范围的圈定。如交易金额的完成值、计划值,累计值、同比、环比、占比等。

    细分为以下2种类型的指标:

    • 事务型指标:对业务活动进行衡量的指标。
    • 存量型指标:对实体对象(如商品、会员)某些状态的统计。

    不同的派生指标可能具有相同的原子指标,这样派生指标就定义了一种等价关系,而属于相同的原子指标就构成了一个对指标体系的划分。在每一个划分中,存在一个可以派生出其他指标的最小派生指标,即最细粒度即原子指标

    派生指标也称为衍生指标,是在事务型指标和存量型指标的基础上,通过一定运算规则(逻辑运算)形成的计算指标集合,如平均用户交易额、资产负债率等。

    1.7 事实表

    用于描述业务过程的详细信息。事实表体现实际数据或详细数值,一般由维度编码和事实数据组成。如订单表

    1.8 维度表

    维度表存放具有独立属性和层次结构的数据,一般由维度编码和对应的维度说明(标签)组成

    1.9 统计粒度

    定义数据汇总的程度。例如,如果维度为时间,则统计粒度为年、季、月、周或日等。

    1.10 标签

    标签是人为设定的、根据业务场景需求,对目标对象运用一定的算法得到的高度精炼的特征标识
    标签计算要考虑不同行为(业务过程)的权重不同、数据覆盖范围、衰减时间周期、衰减时间曲线【如平滑、线性、曲线】。

    • 不同时间的行为对标签值的影响程度不同。同一周期内行为的影响力相同,不同周期行为的影响力按照设置的衰减周期和曲线随时间递减。对于标签值会随着行为快速变化的
    • 需要考虑对所选数据来源-时间跨度(例如90天)行为数据,根据不同时间周期(如7天)切片(90/7=13个片段)设置衰减模式,不同时间周期行为数据标签值的影响力与选择的衰减模式相关
    • 基于业务上的判断对多个行为(业务过程)进行权重分配,要求最多两位小数,且各项权重和为1。权重越大,表示该行为对最后标签值的影响越大
    • 数据覆盖范围,如行为为购买保湿类护肤品,10%的用户购买次数在3次以下,90%的用户购买次数在100次以下。如果选择范围为10%-90%,则只对购买次数在3次以上100次以下的用户打标,防止购买次数过少(3次以下)或过多(100次以上)影响数据分析的准确度

    三种常见的衰减模式如下:
    在这里插入图片描述

    2 指标与标签的区别

    2.1 概念不同

    • 指标是用来定义、评价和描述特定事物的一种标准或方式。比如:新增用户数、累计用户数、用户活跃率等是衡量用户发展情况的指标
    • 标签是人为设定的、根据业务场景需求,对目标对象运用一定的算法得到的高度精炼的特征标识。可见标签是经过人为再加工后的结果,如网红、白富美、萝莉

    2.2 构成不同

    • 指标名称是对事物质与量两方面特点的命名;指标取值是指标在具体时间、地域、条件下的数量表现,如人的体重,指标名称是体重,指标的取值就是120斤
    • 标签名称通常都是形容词或形容词+名词的结构,标签一般是不可量化的,通常是孤立的,除了基础类标签,通过一定算法加工出来的标签一般都没有单位和量纲。如将超过200斤的称为大胖子

    2.3 属性与特征不同

    指标是BI时代的通用语言。指标注重对事物及事件的过程进行全面的、体系化的描述,指标的描述范围更广泛,既包括过程也涵盖结果;指标更注重与业务的结合,逻辑上更严谨,表现风格也比较严肃刻板。指标更侧重业务化、严格化和数量化。

    标签是大数据与人工智能时代的通用语言。标签比指标更有深度、更凝练,是对指标深度加工的结果;标签注重人物和实体对象的描述,标签一般侧重对局部特征和结果的描述,注重与具体业务场景的结合,描述的范围相对较窄;标签更侧重生活化、口语化和符号化。

    总之,标签源于指标,却高于指标。指标更理性,标签更感性。标签比指标更有趣、更形象化、人格化,更有画面感,但指标比标签更讲求精确性、合理性、全面性和体系化

    2.4 价值评价方式不同

    对指标与标签的价值评估方式、评估内容与它们的应用场景相关,也与使用者的感受有关系。

    对指标的价值通常用“好不好用”、“全不全面”来评价,对标签的价值通常用“准不准”、“像不像”来评价。

    指标的评价较易量化,通常有一定的标准和尺度;标签的评价一般与使用者的感受、应用的结果有强关联关系,不同的人、不同的应用场景,标签能发挥的效果可能大相径庭。

    还有一点,由于标签是指标进一步产品化的结果,指标是半成品,标签是成品。所以,标签有时候具有一定的商品属性。在大数据价值链上,标签是可定价、可售卖、可交易的一种数据产品。比如:在个人征信服务领域,用户的三要素、四要素在合规使用的前提下都是可以按条收费的。而指标通常是不具备售卖价值的,指标的价值可在具体应用场景里或者被融合到产品中才能体现出来。

    对价值的认知上,指标可以按照重要性分为关键指标、一般指标等,或者说高价值指标、低价值指标之类的,而标签较少提及这种说法,比如有关键指标一说,而没有关键标签一说。

    2.5 分类不同

    指标有很多种分类方式。如

    • 按照指标计算逻辑,可以将指标分为原子指标、派生指标、组合指标三种类型;
    • 按照对事件描述内容的不同,分为过程性指标和结果性指标;
    • 按照描述对象的不同,分为用户类指标、事件类指标等;
    • 按照指标的变化频率,分为静态指标和动态指标;
    • 按领域划分,有用户类指标、收入类指标、行为类指标等;
    • 按照重要程度,分为主要指标和次要指标等;
    • 按职能来分,分为观测指标、管控指标和挑战指标。
      当然,还有很多其它的分类方法,不再一一列举。

    标签的分类方法通常比指标要少一些。之所以这么说,是因为指标能描述的对象范围更广,对事物的描述能做维度更全面、颗粒度更细,而标签对事物(用于对人的描述比较多)的描述则是更深入、更形象的。

    • 按照标签的变化性分为静态标签和动态标签;
    • 按照标签的指代和评估指标的不同,可分为定性标签和定量标签;
    • 按照标签体系分级分层的方式,可以分为一级标签、二级标签、三级标签等,每一个层级的标签相当于一个业务维度的切面;
    • 按照复杂程度分为:基础标签、规则标签和模型标签。
    1. 基础标签通常是写实的,与指标有较高的重合度,比如身高、体重等;
    2. 规则标签一般是有一些简单的规则来控制,符合某种规则时才生成相应的标签;
    3. 模型标签一般需要通过某些机器学习算法来生成。

    2.6 数据量级不同

    • 指标涉及的范围更广,从产供销到人财物等方面,都需要用指标来描述,所以,从数量级上看,指标的数据量级肯定比较大。以电信运营商为例,用户域、营销域、产品域、资源域等方面的指标数量量级以万计算。
    • 标签通常用于对人的描述,标签的数量级比较小,通常不超过1千。标签并非越多越好,关键是要实用。当然,层级越多,标签数一般越多。

    2.7 表现形态不同

    指标的表现形态相对简单,通常以格式化的报表、直方图、趋势图、看板等图形来表示。

    标签的表现形态相对复杂。我们通常说的标签是数据化的标签,数据化标签的表现形态以可视化的图表或大屏为主,比如,我们在客户画像时通常以词云图的形式来表现其特征。

    事实上,在现实世界中标签还有三种表现形态:

    • 实物标签是用于标明物品的品名、重量、体积、用途等信息的简要标牌,例如:商品标签、价格标签、车检标签、服装吊牌、车票、登机牌都是实物标签;
    • 网络标签(Tag)是一种互联网内容组织方式,是相关性很强的关键字,它能帮助人们通过关键词快速建立对内容总体印象;
    • 电子标签又称RFID射频标签,是一种识别效率和准确度都比较高的识别工具,通过射频信号自动识别目标对象并获取相关数据,识别工作无须人工干预,可工作于各种恶劣环境。

    2.8 生产过程不同

    • 指标是生产性思维、拆解式思维,讲究的是化整为零,将事物分解开来进行多角度的描述,得到很多的指标;

    • 标签则是合成性思维、聚合式思维,讲究的是化零为整,将多个分散的指标按照一定的原理进行综合加工,得出概括性的结果。

    • 一般情况下,先有指标,后有标签。指标是业务管理导向的,需要提前规划;标签是应用导向的,跟随业务需求的而变化,面向业务可随时增加;

    • 指标的生产通常先要扫平数据质量问题,统一数据口径;

    • 标签生产涉及数据质量的问题较少,因为数据质量的问题已经在指标生产阶段被解决了。

    • 指标通常存在多个口径、口径不一致的问题,而标签在这方面的问题则相对较少。

    2.9 应用场景不同

    • 指标的应用场景很多,涉及企业的战略、管理、运营和支撑等层面。具体包括:战略目标、市场定位、业务监测、业绩考核、任务分解、数据分析、数据建模、BI应用等;
    • 标签的应用场景主要集中于CRM领域,尤其适合于用户运营。比如:客户画像、新增获客、沉默用户激活、存量客户维系、数据建模、数据可视化等。
    • 指标最擅长的应用是监测、分析、评价和建模,标签最擅长的应用是标注、刻画、分类和特征提取。特别需要指出的是,由于对结果的标注也是一种标签,所以在自然语言处理和机器学习相关的算法应用场景下,标签对于监督式学习有重要价值,只是单纯的指标难以做到的。而指标在任务分配、绩效管理等领域的作用,也是标签无法做到的。

    2.10 管理与维护的内容不同

    原则上来说,指标与标签都需要建立体系化的管理机制。
    就指标的管理机制而言,指标管理通常涉及三个方面:

    • 需求阶段的管理、
    • 开发过程的管理、
    • 应用过程的管理。
    • 所以对指标的管理动作主要就是:做指标、管指标、控指标。

    指标的日常管理涉及指标的定义、指标的分类、指标的权限管理等。对指标的监控与维护通常涉及缺失值、异常值、勾稽关系等方面的检查。

    对标签的管理与维护通常按照标签的生命周期来开展的,涉及标签开发与发布、标签应用、标签价值评估和标签优化及下线四个阶段。对标签的管理动作主要就是:打标签、贴标签、用标签和改标签等。

    为做好标签管理与维护,有必要设立专门的标签管理团队,建立标签分类、命名、描述、和实施等方面的规范,完善配套的数据采集流程、标签加工流程、标签问题处理与反馈流程等,建立标签全生命周期管理体系,与数据资产管理制度相统一,为标签在各层面的落地及管理提供建设依据。

    3 指标分类

    名称分类解析作用/示例
    指标结果型指标时机:动作发生后监控数据异常
    指标过程型指标时机:动作发生中可以通过运营策略影响过程指标
    体系(维度)定性维度文字类描述城市,性别,职业
    体系(维度)定量维度数值类描述收入,年龄

    4. 指标分级

    • T1指标:公司战略层面指标
    • T2指标:业务策略层面指标
    • T3指标:业务执行层面指标 在这里插入图片描述

    5. 缓慢变化维

    缓慢变化维: 简称SCD(Slowly Changing Dimensions),指一些维度随着时间而缓慢地变化(缓慢是相对事实表而言,事实表数据变化的速度比维度表快)。随着时间发生变化的维度称之为缓慢变化维

    把处理维度表数据历史变化的问题,称为缓慢变化维问题,简称SCD问题

    如根据用户维度,统计不同出生年份的消费金额占比。(80后、90后、00后)。
    在统计后,用户可能去修改用户数据,例如:将出生日期改成了 1992年。此时,用户维度表就发生了变化,涉及到这个维度的统计需要重新统计。

    以下为解决缓慢变化维问题的几种办法:

    • 保留原始值
    • 改写属性值
    • 增加维度新行
    • 增加维度新列
    • 添加历史表(历史拉链表)

    参考

    智能数据构建与管理 Dataphin
    解决缓慢变化维—拉链表
    详细解读指标与标签的区别

    展开全文
  • 原子指标和衍生指标 按照个人的理解,不加任何修饰词的指标就是原子指标,也叫度量,一般存在于olap表中,例如订单量,用户量的等等。 而在原子指标上进行加减乘除或者修饰词的限定等等都是派生指标, 衍生/派生...

    指标

    是一个可以量化目标事物多少的数值,有时候也称为度量,如:DNU、留存率等都是指标。

    原子指标和衍生指标

    按照个人的理解,不加任何修饰词的指标就是原子指标,也叫度量,一般存在于olap表中,例如订单量,用户量的等等。

    而在原子指标上进行加减乘除或者修饰词的限定等等都是派生指标,

    衍生/派生指标=原子指标+时间周期+修饰词

    例如:近7天订单量,近7天北京市的订单量,近1个月北京市的新增用户数,近7天的订单成交率等等。

    当然,通过原子指标加减乘除得到的指标也是衍生指标。
    ————————————————

    指标体系

    指标体系就是将各个指标按照特定的框架组织起来,从不同维度梳理指标,梳理的过程也是对业务本质进行思考的过程。

    指标体系建设方案:

    https://blog.csdn.net/hzp666/article/details/120205707

    展开全文
  • 2.7 指标分类 ...衍生指标(逻辑计算) 复合型指标:在事务型指标和存量型指标的基础上复合而成的。 2.8 指标分类示例 ---------1.原子指标--------- SELECT SUM(A) F...

    2.7 指标分类

         a.原子指标(聚合)

         b.派生指标(筛选)

              事务型指标:对业务活动进行衡量的指标。

              存量型指标:对实体对象(如商品、会员)某些状态的统计。

         c.衍生指标(逻辑计算)

              复合型指标:在事务型指标和存量型指标的基础上复合而成的。

    2.8 指标分类示例

     
    1. ---------1.原子指标---------

    2. SELECT SUM(A) FROM Z GROUP BY C;

    3. SELECT SUM(B) FROM Z GROUP BY C;

    4. ---------2.派生指标---------

    5. SELECT SUM(A) AS SUM_A FROM Z WHERE D = 'X' GROUP BY C;

    6. SELECT SUM(B) AS SUM_B FROM Z WHERE D = 'X' AND E = 'Y' GROUP BY C;

    7. ---------3.衍生指标---------

    8. SELECT SUM_A/SUM_B FROM TEMP;

    3.指标创建及管理流程明晰

    3.1 原子指标

    3.2 派生/衍生指标

     

    4.相关

          指标管理-示例

          如何搭建一套完整的数据指标体系?

          滴滴数据仓库指标体系建设实践

          如何构建指标体系

     

    1.背景

          结合业务场景将多个不同指标和维度进行组合,从而针对某一真实业务场景进行数据分析和决策导向,并能在整体业务变化中发现和定位问题。

    2.概念理解与示例分析

    2.1 指标体系

    指标体系
    名称分类解析作用/示例
    指标结果型指标时机:动作发生后监控数据异常
    过程型指标时机:动作发生中可以通过运营策略影响过程指标
    体系(维度)定性维度文字类描述城市,性别,职业
    定量维度数值类描述收入,年龄

    2.2 指标分级

           T1指标:公司战略层面指标

           T2指标:业务策略层面指标

           T3指标:业务执行层面指标

    2.3 OSM

           明确产品目标(O)——>达成目标策略(S)——>策略指引指标变化(M)

    2.4 AARRR模型

    2.5 RARRA模型

           将原本首要专注的用户获取变化为用户留存

    2.6 指标模型示例

     OSM
    获取A获取新用户

    统一数据分类接口产出

    增加数据分类覆盖

    新增用户数量,数据覆盖度
    活跃A提高接口使用频次

    迭代接口产出

    提高接口代码健壮性

    并发量,稳定性,平均响应时间
    留存R稳固原有用户提高数据质量,持续观测接口数据准确率,数据覆盖率,稳定性
    变现R业务收益业务策略数据价值体现
    推荐R新业务推荐业务策略/

     

     

    展开全文
  • bilibili弹幕分析,包含爬虫、词云分析、词频分析、情感分析、构建衍生指标,可视化 **** **主要依赖库** > selenium > pandas > lxml > json > requests > pyecharts > jieba > snownlp > wordcloud ...
  • bilibili弹幕分析,包含爬虫、词云分析、词频分析、情感分析、构建衍生指标,可视化 主要依赖库 selenium pandas lxml json requests pyecharts jieba snownlp wordcloud 信息爬取  1.1 爬取bilibili某一个分区(可...
  • 原子指标衍生/派生指标

    万次阅读 2019-08-03 00:52:17
    按照个人的理解,不加任何修饰词的指标就是原子指标,也叫度量,一般存在于olap表中,例如订单量,用户量的等等。 而在原子指标上进行加减乘除或者修饰词的...当然,通过原子指标加减乘除得到的指标也是衍生指标。 ...

    按照个人的理解,不加任何修饰词的指标就是原子指标,也叫度量,一般存在于olap表中,例如订单量,用户量的等等。

    而在原子指标上进行加减乘除或者修饰词的限定等等都是派生指标,

    衍生/派生指标=原子指标+时间周期+修饰词

    例如:近7天订单量,近7天北京市的订单量,近1个月北京市的新增用户数,近7天的订单成交率等等。

    当然,通过原子指标加减乘除得到的指标也是衍生指标。

    展开全文
  • 原子指标: 和度量含义相同,某一业务行为事件下的度量,是业务定义中不可拆分的指标,如销售金额、库存数量。...原子指标根据衍生词的计算口径加工得到的衍生原子指标。如近效期库存,近效期(所属业务单元内,
  • 什么是原子指标,衍生(派生)指标

    千次阅读 2020-08-20 10:14:53
    而在原子指标上进行加减乘除或者修饰词的限定等等都是派生(衍生指标 公式: 衍生/派生指标=原子指标+时间周期+修饰词 例如: 网站近一周的访问量,近一周中国的访问量,近一个月的中国新增用户数等 如:新增...
  • 1、基础指标:指表达业务实体原子量化属性的且不可再分的概念集合,如交易笔数、交易金额、交易用户数等。 2、复合指标:指建立在基础指标之上,通过一定运算规则形成的计算指标集合,如平均用户交易额、资产负债率...
  • 1.原子指标 不加任何修饰词的指标就是原子指标,也叫度量,一般存在于olap表中,涉及聚合操作,例如订单量,用户量的...比如客户数量是一个原子指标,平均客户数据是衍生指标。 具体的说,在原子指标上进行加减乘除或者
  • 标签与指标

    2021-08-01 21:29:04
    本文要解决的问题是搞懂标签与指标的基本原理,并且在实际中加以应用,其中的规范仅作参考用,并非通用规范。 一、什么是标签和指标 本文要讨论的标签与指标,均属于数据统计分析范畴,而数据统计分析中的数据,...
  • 数据仓库之指标体系建设分享

    千次阅读 2020-08-28 00:10:35
    1 指标体系 2 为什么要搭建指标体系 3 如何搭建指标体系 4怎么管理指标体系 5 如何产品化指标体系 6 结束 7 参考文献
  • python衍生特征

    2020-09-30 15:40:20
    1.衍生方式一 df=pd.DataFrame({'id':[2,2,2,3,3,5],'cur':['cur1','cur2','cur3','cur1','cur1','cur2']}) df df_tmp=pd.crosstab(df['id'],df['cur']) df_tmp ''' 遇到问题没人解答?小编创建了一个Python学习...
  • 【数仓】数据仓库的指标库(五)

    千次阅读 2020-05-02 18:03:13
    本文要来说说,数仓中的数据指标库 数仓系列: 【数仓】数据仓库的思考(一):https://blog.csdn.net/lsr40/article/details/105576047 【数仓】数据仓库的建设(二):...
  • Davinci-DVaaS(数据可视化即服务)解决方案 文件 介绍 Davinci面向产品经理,业务人员,数据工程师,数据分析师,数据科学家等。它旨在提供一站式数据可视化解决方案,该解决方案既可以独立用作公共云/私有云,又...
  • 我们之前的例子都是通过技术指标来判断买入卖出条件的,然而在我们下载的股票数据中,只有open(开盘价)、high(最高价)、low(最低价)、close(收盘价)、volume(成交量)5类数值,因此,我们所需做的...
  • 申请评分卡中的数据预处理和特征衍生 模型处理的一般流程: 构建信用风险模型的特征 获取数据 链接:https://pan.baidu.com/s/1CsY11ArZ6YK3o1icghWj2w 提取码:znbs 数据预处理 1.基本处理: 原始数据带有一定的...
  • 即期指标Coincidental与递延指标lagged这两种计算方式各有其优缺点,使用时机与解读方式也有不同,容易混淆。这里做一些说明。 上图中,分别有平稳期,扩充期和萎缩期。 平稳期:coincidental%与lagged%...
  • 1、基础指标:指表达业务实体原子量化属性的且不可再分的概念集合,如交易笔数、交易金额、交易用户数等。 2、复合指标:指建立在基础指标之上,通过一定运算规则形成的计算指标集合,如平均用户交易额、资产负债率...
  • 任务说明 特征衍生 特征挑选:分别用IV值和随机森林等进行特征选择 ……以及你能想到特征工程处理 特征衍生 IV值 随机森林 参考博客
  • 深植于医生无国界组织(Médecins sans Frontières)先进的决策支持框架,这项研究的重点是确定针对埃塞俄比亚干旱监测和预测活动不同组合的卫星衍生数据集的附加值。这项研究的核心是通过有条理的适应和各种卫星衍生...
  • 业务运营类指标归纳

    千次阅读 2019-06-25 18:22:31
    数据的一大价值就是建立业务指标体系,用以监控业务日常运营,并预警业务问题,定位问题原因,这算是数据的最早应用形式,前期BI都主要是做指标体系和相应平台的工作。同时,业务的各类人员都应该了解业务的指标体系...
  • 业务运营指标体系(转载)

    万次阅读 多人点赞 2018-12-25 13:15:19
    数据的一大价值就是建立业务指标体系,用以监控业务日常运营,并预警业务问题,定位问题原因,这算是数据的最早应用形式,前期BI都主要是做指标体系和相应平台的工作。同时,业务的各类人员都应该了解业务的指标体系...
  • 为了探索基于传统交叉点温度法建立的煤自燃倾向性评定指标的物理本质和相互间联系,对线性升温环境中具反应活性固体样品热响应进行理论模拟,同时跟踪含水量对交叉点温度(CPT)以及衍生指标HR和FCC结果的影响。...
  • 数据分析指标名词解释

    千次阅读 2018-12-21 22:23:07
    数据分析指标名词解释 名词解释 维度 指人们分析事物的角度。比如,分析活跃用户,可以从时间的维度,也可以从地域的维度去看,也可以时间、地域两个维度组合去分析。 有层次关系的维度,就可以根据分析需求改变...
  • fibonacci序数列,提供一个模块提供学习
  • 看我如何用Dataphin实现自动化建模

    千次阅读 2020-06-17 19:59:46
    ①新建衍生原子指标 ②基于衍生原子指标新建派生指标 总结 上面步骤可以看到,派生指标的计算生成,离不开原子指标、业务限定、统计粒度的协助,这其中有什么奥秘呢? 其实很简单,用Dataphin高效创建派生指标,...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 17,179
精华内容 6,871
关键字:

衍生指标