对很多刚接触的朋友来说，最困惑的莫过于“指标”到底是怎么定义的。简单来说，中的指标不是随便写个公式，而是基于你dbt项目中已经定义好的模型，通过一种声明式的方式，让业务人员也能直接理解和使用。它连接了数据工程和业务分析，是语义层的核心体现。
定义基础
想要用好，首先得明白它的指标定义完全依赖于你的dbt项目。你需要在dbt的YAML文件中，通过特定的属性如meta或来声明。比如，定义一个“总销售额”，不是写SQL，而是在订单模型下，用type: sum和sql: ${}来声明。这种方式让指标的定义变得标准化、可复用，并且和代码一起管理，版本清晰。
如何创建自定义指标
有时候基础指标不够用，就需要创建自定义指标了。在的界面里，你可以基于已有字段直接创建，比如计算“客单价”，它等于总销售额除以总订单数。更高级的用法是在dbt项目中用或标签来定义，支持count、sum、、等多种聚合类型。这种定义方式让指标具备了更丰富的业务语义。
指标与维度的本质区别
很多新手会混淆指标和维度。维度是描述业务场景的视角，比如“国家”、“日期”或“商品分类”，它们通常是文本或时间。而指标是用来度量的数值，比如“曝光次数”或“支付金额”。在的查询面板里，维度和指标是分开的，你可以任意选择维度来对指标进行下钻分析。理解这一点，是高效使用工具进行数据分析的前提。
现代数据栈中的语义层
的指标定义之所以强大，是因为它扮演了语义层的角色。它把dbt中复杂的数据模型，翻译成了业务人员能理解的业务概念。一个定义好的“月活跃用户”指标，在背后可能关联着复杂的去重逻辑和时间范围，但对分析师来说，它就是一个可以直接拖拽使用的标准字段。这大大降低了数据消费的门槛，真正实现了数据的民主化。
看到这里，相信你对的指标定义已经有了清晰的认识。那么在实际工作中，你所在团队是习惯在代码层（dbt）统一管理指标，还是更依赖BI工具里的“一次性”定义呢？欢迎在评论区分享你的经验。
