在大数据和数字化转型的背景下，OLAP（在线分析处理）系统在企业中扮演着越来越关键的角色。本文深入探讨了面向OLAP的数据指标使用，分析了其与建模场景下数据指标的区别，并讨论了这种新型数据指标系统对现有开发流程的颠覆性影响。

建模场景下的数据指标在数据管理篇【数据规划可行吗】中介绍过了，这里讲下OLAP场景下的数据指标。

一、两者的区别

这里在OLAP场景下的数据指标，和建模场景下的数据指标最大区别就是，这里数据指标类似于已经和数据相结合了，不单单是一个指标口径。

在建模场景下的数据指标，原始的方式可以使用一个Excel表格，通过表格来统计、整理一些数据指标的字段。在OLAP场景下的数据指标，或者说数据指标系统，已经和底层的存储相绑定了，已经具备了一定的物理属性，而不仅仅像建模场景下的数据指标，仅仅是一个逻辑概念。

通常，这种OLAP的数据指标是领导重点关心的，就会在数据仓库之上增加这么一层。而需要特别注意的一点，就是如果将所有指标都添加到面向OLAP的数据指标中，其实是对现有的整体开发模式的完全颠覆。

二、为什么说面向OLAP的数据指标系统是现有开发流程的一个颠覆

首先，我们先概略的看下现在的开发流程是什么样的，仅展示BI报表部分。

【业务系统数据】—{导入}—【数据湖/数据仓库】—{加工/清洗}—【数据仓库】—{导入}—【OLAP引擎（MySQL或者HOLO等）】—{授权}—【BI系统展示】

那有了面向OLAP的数据指标系统，我们会替换哪些部分那。个人认为—{加工/清洗}—【数据仓库】—{导入}—【OLAP引擎（MySQL或者HOLO等）】—{授权}—。这一部分都会被替换掉，其中又分为三个环节。

环节一：当有了面向OLAP的指标系统后，预期的效果是对基础指标统一口径，在指标系统生成之后，业务用户能够使用基础指标自己进行逻辑加工，生成符合指标了，所以—{加工/清洗}—【数据仓库】这一部分会被替换掉。

环节二：当新生成的复合指标天然在面向OLAP的指标系统中时，就不需要将原来数仓中生成的指标再导入到OLAP类型的引擎中，所以—{导入}—【OLAP引擎（MySQL或者HOLO等）】这一部分会被替换掉。

环节三：当不导入传统的OLAP计算引擎，要使用面向OLAP数据指标系统时，对BI的授权就需要调整。这是第三部分被替换掉。

所以，如果是一个全新的数据指标系统的话，和现在的数据加工流程方式，个人认为是颠覆性的调整。

三、这种颠覆的开发形式是否能够落地

这种面向OLAP的数据指标系统，其实是在数据仓库和上层应用之间，增加了新的一层，相当于重构了整个链路。

就拿最普遍的 BI 报表系统来说，指标平台开发的指标如何去 BI 中使用，很多厂商说我们的指标平台支持开发指标API 服务，通过 API 对接 BI 系统。

一个指标一个 API？还是一批指标一个 API？

此外，要知道目前多数 BI 平台，都是基于数据集进行图表和报表开发的，指标和数据集如何融合？ 另外一个，就是权限问题，指标平台自身有账号和权限管控体系，BI 系统也有自己的账号和权限体系，如何确保数据安全管控？

如果企业有实力提供端到端的数据工具，从数据上报、数据中台、指标平台、BI 可视化等工具都是自家的，也不是不行，总是有办法兼容和整合指标和数据集的。

但还是需要抛弃现在的整个链路，是不是有这个勇气？以及能够带来多少好处？也都决定是否能够落地。

四、一种不一定对的想法

虽然，上面说这种指标系统是一个颠覆性的过程，但是个人想有一个比较折中的方案。就是将主要的指标数据，在加工好之后同步到一个OLAP系统中，成为公司级别的统一指标库。所有，相近的指标都已这个系统内的为准。仅仅是一个想法。不知道是不是合适。

五、总结

大数据领域各种概念横行，因为是一个实践的学科。大家也都不追求同一个概念的统一。所以，在一些概念理解上会出现不一致的情况。还是一直说的，需要个人或者一个组织内，能够对一些概念达成统一。