指标平台详解（上）：为什么有了 BI ，还需要指标平台？

随着商业智能（BI）的快速普及与深度使用，企业在数据分析“深水区”普遍面临着指标分散定义导致口径不统一、重度依赖 ETL 作业开发报表、问题排查耗时耗力、复用率低等问题。如何兼顾敏捷与统一，实现指标的高效开发和有效管理？我们特策划了本期《指标平台详解》话题，通过两篇文章介绍指标平台建设的必要性，比较三代指标平台的发展脉络，进而提出理想的指标平台的选型标准。以下是系列的上篇《为什么有了 BI，还需要指标平台？》：

一、BI 的深度使用带来了指标管理的新问题

随着 BI 解决方案的快速普及，企业内报表数量越来越多，企业经常会发现虽然 BI 工具呈现出强大的数据分析与展示能力，但在深度使用的过程中却暴露出了新的问题，尤其是在指标管理方面。

首先，业务的迅速发展要求数据需求的响应速度更快。然而，传统的“数仓 + BI” 的模式中，依赖人工开发宽表和汇总表来加工指标，要经历漫长的口径沟通、排期、开发、测试、上线流程，每个需求开发都需要经历复杂和漫长的 ETL 作业流程，导致业务部门的需求响应缓慢；而且当涉及到复杂的指标，需要撰写数百上千行的 SQL 才能够实现定义，对工程师能力要求也很高。依赖物理报表进行数据分析的模式下，分析维度受限于数据集或报表包含的维度，无法提供灵活的数据分析视角，增加字段往往又意味着漫长的数仓排期开发过程，分析不够灵活。

图 1：“数仓 + BI”模式下的 ETL 工程架构

其次，BI 工具是为数据分析和展示场景而设计，本身并不解决指标的统一管理问题。工程师在数仓进行建模和大量宽