零代码也能玩转指标系列：通过图形化界面两步创建一个指标

本文作者：潘娜

作为数据分析工程师，如何用好企业的海量数据，将其从甜蜜的“存储负担”转变为能驱动企业经营的核心洞察，始终是其工作的重点也是难点。这背后的实现其实离不开指标，指标提供了观察数据的业务视角。

但对大多人而言，指标的开发依然是大量的代码和数据后台工作，但指标开发其实也可以很简单，通过 Kyligence Zen的图形化界面，您只需两步就可以完成关键指标的创建。本篇博客将以物流行业为例，展示如何基于企业现有数据创建关键指标：总配送件数。

文中所用的物流准时配送分析指标已经上线 Kyligence Zen 指标模版集市，您可以点击链接一键复现文中的分析场景。

表中的各列及其含义如下表所示：

列名	说明
BookingID	订单号
Gps_Provider	GPS 供应商
Market_Regular	是否长期供应商，其中Regular代表长期供应商，Market表示临时供应商
Ontime	是否准时到达
Expected_Travel_Time	预计物流时间
Distance_KM	总距离
Vehicle_Type	车辆类型
Driver_Name	司机姓名
Supplier_ID	供应商 ID
Material_Shipped	运输物资

第一步：数据准备

首先，我们在 Kyligence Zen 的数据页面选择上传我们的物流样例数据。

上传完成后，可以在创建表页面再次确认表结构，可以看到我们表中的列，以及 Kyligence Zen 自动识别的的列类型，确认无误后点击完成，在 Kyligence Zen 中完成表的创建。

第二步：定义分析角度

接下来我们将进入指标页面，由于每次物流订单具有唯一的订单号，因此我们将基于订单 ID 展开分析，并为其定义不同的分析视角。

在指标页面，点击新建。首先完成指标信息的填写，其中包括引用的数据源、指标名称以及描述信息等内容。Kyligence Zen 会自动完成数据源的加载，如果您之前添加了多个数据源，也可通过右侧的下拉箭头切换数据源。接下来的展示名称和指标名称均为指标名称，您可以为指标定义一个业务用户友好的展示名称，以及方便后续 yaml 文件引用的后台指标名称。在随后的描述区域，我们可填入该指标的定义和它的计算方式，这样当后续要与其他成员分享该指标时，不再需要反复解释该指标背后的各种实现细节。

 在之后的指标定义部分，我们将定义要分析的对象以及希望能哪些角度进行分析。由于本次希望查询指定时间内的总配送单数，因此在指标值处选择 BookingID 列，聚合方式选择 COUNT （计数），在格式选择数值的格式，由于我们希望统计配送件数，所以选择数值即可，点击确定完成选择。

截止目前我们已经告诉了 Kyligence Zen 要对订单进行计数，接下来我们还会通过添加维度实现多个分析视角。点击页面中部的添加按钮，选择希望分析的角度，您可通过点击列名前的复选框快速全选，如表格列（维度）较多，也可点击对话框底部的 > 切换下一页进行查看，还可通过右上角的搜索框快速定位你希望的分析角度。完成选择后点击添加。

至此，我们完整了总配送件数指标的定义，点击创建返回指标页。可以看到刚刚创建好的指标已经以卡片的形式出现，从该指标的计算结果来看，该企业近期共完成了 6,744 件快递的配送。您可点击星号收藏该指标，也可点击更多按钮，选择进一步对其编辑、复制指标名称方便其他指标调用、复制 cURL 代码通过 API 在其他平台调用、或对该指标进行下线或删除操作。

                                

对于我们刚刚全选添加的维度（分析角度），我们可点击该卡片进入指标详情页从多角度观察该指标。例如我们希望了解下不同供应商的配送件数，可在维度列选择 Supplier_ID，图标类型选择折线图，从图中可以判断，不同供应商的服务单数波动很大，例如周期内只与供应商 67998 合作过 1 单快递，后续可结合与该供应商的合作时间或配送准时情况，确定是否要继续与其合作。

在该页面右侧，我们可以看到该指标被查询到的次数、被收藏的次数，粗略判断该指标的受欢迎程度，对指标的使用者而言，还可在此查看指标的定义，或前往指标的定义页面，查看更细颗粒度的指标定义，提升对指标的信任度。

此外，随着公司数据量的增长，为了保证指标的查询响应速度，您还可继续前往缓存页，开启缓存，通过缓存计算结果保证快速的查询响应。Kyligence Zen 提供了全量和增量两个选项，增量构建更适用于数据源会经常进行更新的情况，您可只针对指定期间的数据结果进行缓存，缩短缓存计算时间，同时降低对计算资源的消耗情况，由于本示例中的文件尚未包含时间信息，因此我们选择全量。

                        

简单两步，我们就完成了总配送件数指标的创建，后续你可以从多个维度查看该指标，当与其他同事分享时，大家可以在指标页面了解该指标的定义方式，切换不同的分析角度，通过 Kyligence Zen 的图形化页面，我们解决了传统指标创建中对代码能力的重度依赖，降低了数据细分团队的使用门槛，极大赋能了业务用户的自助分析需求，真正实现了“人人都是数据分析师”的愿景。

文中所用的物流准时配送分析指标已经上线 Kyligence Zen 指标模版集市，您可以点击链接一键复现文中的分析场景。