指标模型运算系统的意义与实现

指标模型的概念

• 关键指标分析是一种常用的业务分析手段
• 指标可分为基础指标和计算指标
• 基础指标是指当前业务系统能够直接获取的指标，比如客户评级模型中客户的年龄、学历、性别、总借款次数等等

• 计算指标是指通过定义计算公式，从其它指标计算得出的指标，比如：

  • 性别得分这个指标的公式为如果 (${性别} == "女") 60分 否则 40分
  • 基本信息汇总得分这个指标的公式为${性别得分}×20% + ${年龄得分}×20% + ${学历得分}×60%
  • 客户评级最终得分这个指标的公式为${基本信息汇总得分}×30% + ${业务统计信息得分}×40% + ${征信信息得分}×30%

• 通过上面列举的计算公式可以看出，指标模型的指标之间存在非常复杂的多层依赖关系

  • 性别得分依赖性别
  • 基本信息汇总得分依赖性别得分、年龄得分和学历得分
  • 客户评级最终得分依赖基本信息汇总得分、业务统计信息得分、和征信信息得分
• 所以，某一业务领域的指标模型包含该业务领域设定的关键指标以及它们之间的计算关系。

文章后半段有系统演示，先聊聊概念和意义

建立指标模型的意义

• 首先当然是满足当前的指标定义、计算、分析、展现需求（虽然普通的报表系统也能实现指标统计，但指标模型的真正价值在于对持续优化过程的支持和促进）
• 业务人员对指标的多层计算过程有了一个全面的了解
• 指标的计算公式能对应需求的具体细节，业务需求不再需要文档来维护，可以直接配置到系统上（解决需求文档和代码脱节的问题）
• 用领域专用语言（DSL）定义计算公式，普通业务人员也能很好的理解，可以自行维护
• 通过以上几点，业务人员对需求可进行较好的把控，有利于指标模型的逐步优化完善
• 通过指标模型的不断演进，模型所对应的业务领域的分析维度逐步清晰，再加上历史数据的积累，这时再以这些指标为基础，去做大数据分析、机器学习就水到渠成了
• 《三体》的“维度攻击”是近期非常热门的一个概念，新维度的发现需要数据的积累和一个不断试错的过程，而如何让业务、技术人员有目标性的去寻找新的维度，建立逻辑清晰、易配置、可扩展的指标模型是非常必要的手段。

一个指标不一定就是一个有重要意义的维度，但不去建立指标模型、不去测试指标数据，那永远也找不到新的维度。比如假设一批借款数据，其中女性借款人的不良率是0.5%，男性是1.2%，差距非常大；如果没有建立包含 性别这个指标的指标模型，就不会想到用指标的思维来分析数据；而更进一步，可能 性别+学历、 性别+年龄+学历组合计算之后，会有一个更加重要的维度出现，如果不先建立指标模型，这些都难以发现。

缺少传统业务分析积累、缺少业务人员的深度参与、无演进过程的大数据分析系统都将只是花架子。

系统功能模块：指标模型定义

• 指标模型管理
• 指标管理（一个模型包括多个指标，指标的依赖限定于同一模型内）
• 指标计算公式的维护
• 解析指标计算公式的变量（支持普通、通配符、正则表达式变量），建立指标的依赖关系
• 指标值、公式的有效性检查
• 指标依赖死循环的检查
• 报表定义（每张报表包含多个指标，满足多业务场景的分析需求）

系统功能模块：指标模型运算

• 运算对象管理（不同模型有不同类型的运算对象，如客户评级模型是客户、股票分析模型是股票、软件代码质量评价模型就是