口径一致性为什么难
同一业务含义的数字会在运维报表、成本报表、审计报表里出现多次，每次都由不同的人按不同写法取数，于是出现「同一个指标四张报表四个值」。真正的问题不是算错，而是口径没有唯一来源。可行做法是建立指标字典，把分子分母、过滤条件、时间边界、维度粒度、单位精度写清楚并指定责任人，再在发布前自动对账。
基本信息
| 口径五要素 | 分子分母、过滤条件、时间边界、维度粒度、单位与精度 |
|---|---|
| 唯一来源 | 指标字典写明定义、责任人、生效版本 |
| 校验手段 | 同源对账、明细抽样核对、环比突变检测 |
| 执行时机 | 发布前自动校验，周期结束后回归校验 |
| 失败处理 | 阻断发布并通知该指标的口径责任人 |
典型使用场景
- 运维与财务数字打架：先在指标字典里确认是两套口径还是同一套实现有偏差
- 总部与分支报表核对：确认过滤范围与聚合粒度一致后再比较数字
- 月报与周报口径对齐：确认时间边界定义相同，避免滚动周与自然月混淆
- 口径变更回归：新口径上线前用历史周期重算，与预期差异范围比对
- 对外报送前复核：报送数字需能追溯到明细并留存核对记录
不一致类型与定位方法
| 不一致类型 | 典型表现 | 定位方法 |
|---|---|---|
| 时间边界 | 自然月与滚动 30 天差异 | 核对取数区间的起止时刻与生成时间 |
| 过滤条件 | 一边含测试资源一边排除 | 对比两边 where 条件逐项差异 |
| 聚合粒度 | 去重维度不同导致计数差异 | 核对计数所用维度是否一致 |
| 空值处理 | 一边按零计入一边整条剔除 | 核对缺失数据的补齐与剔除策略 |
| 单位与精度 | 万元与元、截断与四舍五入 | 核对单位换算与舍入方向 |
发布前自动对账
发布前自动对账
metric: resource_usage_hours
checks:
- name: 同源对账 # 两个消费方引用同一视图时必须完全相等
compare: [report_monthly, report_dashboard]
tolerance: 0 # 同源不允许有容差
- name: 明细抽样 # 抽 30 条明细重算，确认聚合逻辑正确
method: sample_recompute
tolerance: 0
- name: 环比突变 # 波动超阈值先人工确认再发布
method: period_over_period
threshold: 30%
on_fail: block_publish_and_notify_owner # 不被解释的差异不得对外发布差异处理的底线是「可解释」：要么定位到具体口径差异并修正，要么在报表内显式说明两处数字为何不同。仅标注「已核对一致」不算完成。
指标口径属于对外承诺的一部分。变更口径前要通知全部消费方，并说明历史数据是否重算，否则新旧周期数字不可比会直接推翻趋势结论。