Resource Guide
BI指标口径评审清单
摘要：这份清单用于在指标初稿形成后，集中核对定义、计算公式、统计周期、范围、维度、数据来源、异常规则、权限和责任人。评审目标不是把表格填满，而是确保同一指标能够被业务解释、被数据复算、被页面正确展示，并在发生变化时可追溯。
什么时候安排指标口径评审
建议在首批指标完成初步梳理后、页面原型和数据接口正式开发前安排。过早评审容易只有指标名称，没有数据样例；过晚评审则可能让页面、接口和权限都建立在未经确认的假设上。对高频经营指标，可在原型评审和上线前各复核一次。
哪些人需要参加
评审应覆盖四类判断：谁能解释业务含义，谁能确认数据来源，谁会实际使用结果，谁负责实现与验证。不同组织的岗位名称不必相同，关键是每个判断都有明确责任人。对于财务、安全、生产等专业指标，还应按组织制度纳入相应专业责任人。
评审不能只看公式
公式一致并不代表结果一致。统计周期从自然日还是业务日开始、退款是否跨期冲减、组织调整如何回溯、重复数据如何去重、空值是否计入分母，都会改变结果。清单把这些条件拆开记录，便于发现名称相同但边界不同的指标。
建议按什么顺序评审
- 先确认指标要回答的业务问题、使用角色和展示场景。
- 逐句确认指标定义、统计边界、公式、单位和周期。
- 核对来源系统、字段或接口、更新频率和历史范围。
- 确认分析维度、空值异常规则、权限和口径负责人。
- 用一组可解释的样例数据人工复算，并记录评审结论与版本。
每个评审项怎样才算通过
| 评审项 | 关键问题 | 通过标准 |
|---|---|---|
| 业务定义 | 指标回答什么问题，包含和排除哪些对象 | 不同参与方能给出一致解释 |
| 计算逻辑 | 分子、分母、去重、过滤、跨期与空值如何处理 | 能用样例数据人工复算 |
| 数据来源 | 系统、表、字段或接口是否可用，更新时间是什么 | 有来源责任人和可访问样例 |
| 维度与权限 | 按什么层级分析，哪些角色可查看哪些范围 | 页面筛选和数据边界均可描述 |
| 版本与责任 | 谁确认口径，何时生效，修改影响哪些页面 | 结论、版本、生效日期和确认人可追溯 |
如何处理暂时没有结论的指标
不要为了推进页面而把临时公式写成正式口径。可以把指标标记为“待评审”或“有条件通过”，同时记录缺少的数据、需确认的规则、责任人和关闭时间。原型中如需保留位置，应明确它是占位内容，避免被误认为已经确认的数据结果。
指标变更需要保留什么
至少保留旧版本、变更原因、生效日期、影响页面、历史数据是否重算以及确认人。对同一报表的口径变更，还要说明展示的是当时口径还是按新口径重算的历史值。版本管理不必复杂，但应能解释某个日期看到的结果为什么与现在不同。
参考依据与适用边界
数据完整性、准确性、一致性、时效性等质量考虑，可参考国家标准全文公开系统中的 GB/T 25000.12-2017《系统与软件工程 系统与软件质量要求和评价（SQuaRE）第12部分：数据质量模型》。该标准提供数据质量模型参考，不是企业经营指标定义的统一模板；具体口径仍由业务制度、数据治理规则和责任人共同确认。
常见问题
指标名称一致是否代表口径一致？
不代表。还要比较统计范围、时间边界、过滤条件、去重方式、异常处理和数据版本。
谁应该参加指标口径评审？
至少需要能够确认业务含义、数据来源、实际使用和实现方式的相关责任人参加；具体角色名称按组织分工确定。
没有完整历史数据能否先评审？
可以先评审定义和取数逻辑，但进入开发前应准备具有代表性的样例数据，并记录尚未验证的假设。
评审通过后指标还能修改吗？
可以，但应记录版本、生效日期、影响页面、历史数据处理方式和确认人，避免新旧口径混用。
下载与相关资料
如果还没有形成指标初稿，可先使用 BI驾驶舱指标梳理模板。继续阅读 经营驾驶舱指标口径表怎么整理、企业经营驾驶舱需要哪些指标和AI+BI智能问数实施与验收。网站内容责任与审核边界见 公司与网站信息。