入口：指标市场- 新建指标

创建单个指标

基础信息

• 指标名称

• 指标英文名

• 所属文件夹：默认公共文件夹

• 业务口径

• 业务描述：若购买了知数，这部分内容会作为提示词给到大模型，用于知数的指标问答。

• 扩展属性：当项目管理员在项目中心-资源管理-扩展属性中新建了扩展属性，并且应用范围选择了指标，则支持在指标信息中维护。使用场景：企业需要维护自己特定资产元数据时，可以通过此处配置。

• 正负向设置：若选择值上升为有利，则图谱中值上升时进度条颜色为红色、下降为绿色；选择值上升为不利，则图谱中值上升时进度条颜色为绿色、下降为红色。

• 数据格式

• 知数设置：若您购买了知数，开启后，可通过知数选择指标问答。

• 指标探查设置：默认不开启。开启后在指标详情页中可以查看指标探查结果。数据量过大（超过1亿条）时不建议开启该功能。关闭时，指标详情不显示“指标探查”的标签页。

计算方式配置

指标类型：可选【原子指标】、【派生指标】和【计算指标】，默认为原子指标，指标保存后不支持编辑

原子指标配置

定义：业务中最基础的不可再分的数据度量，直接通过数据模型生成，如"销售额"

• 数据模型：指标数据来源于哪个模型

• 字段：来源于哪个字段

• 字段聚合方式：来源于字段的什么聚合方式

• 统计日期：模型中必须要有个统计日期字段

• 统计粒度：统计粒度可以选择日、月、季度、年

• 半累加指标：开启后，取不可累加维度的最大或最小值计算

• 关联维度：后续的归因分析需要基于所选维度进行分析，维度来自于模型中的维度字段。若模型维度与公共维度关联，则会显示为绿色图标。

• 支持选择层级公共维度中的每个层级的【维值描述】作为普通维度使用。例如：公共维度叫‘区域’，有三层维值描述分别是‘国家’、‘省份’、‘城市’，在添加关联维度的时候，可以直接选择这三个作为关联维度使用。单维归因时，也可以使用到这三个拓展维度。

• 筛选器：支持添加对指标数据进行过滤，限定数据范围，类似where条件。支持引用模型初始筛选器。

  背景：针对一些数据量大的全量分区表，或者业务有原始数据过滤要求的表，支持在数据模型编辑时配置初始筛选器，配置后在使用该数据模型时就能默认对初始筛选条件进行生效。原始痛点是在知数中，对指标进行归因解读时，指标中配置的初始化筛选不生效，每次都需要手动在问题中描述筛选条件很麻烦。但是指标取数时默认筛选器又生效，导致返回结果不一致，给用户造成误导。

  价值：模型初始筛选条件设置后，能够在指标预览、问数、归因时默认生效，实现初始数据的过滤，保证数据一致性

  边界： 1 指标配置时，默认引用和查看模型的初始筛选条件，不可修改模型的初始筛选条件。只有关联数据库连接的数据源的【数据模型】才能配置默认筛选器。2 指标应用时（指指标数据预览、知数中指标问数、指标归因分析）除了默认带上模型初始筛选条件，也可支持修改筛选条件的值。2 指标图谱、指标预警、报告引用指标均暂不支持页面展示和修改模型初始筛选器，后台自动处理为过滤初始筛选器后的数据效果。

  • 模型编辑时，设置初始筛选器，如下图：

指标配置时，引用已配置初始筛选器的模型，可自动展示模型的初始筛选条件，如下图：

指标预览时可查看筛选条件中默认生效了模型的初始筛选值；

后续在知数中对该指标进行问数、归因分析时，如果该指标带了模型初始筛选条件的话，也会默认生效的。

• 支持通过多选字段，配置层级筛选器。适用于需要快速过滤多维度交叉数据的场景。数据筛选时支持以树状筛选的方式进行配置。支持切换所选字段的层级顺序。

• 如果是日期类型的字段，筛选条件配置页面还支持关联已有的事件日历，这样一来指标在进行统计时可以仅事件日历中有设置事件的日期，通常在证券交易日场景中会用到。

  

派生指标配置

定义：基于原子指标、时间周期和修饰词（维度）构成的新指标，用于描述具体业务场景或趋势变化。

• 依赖指标：可以下拉选择已上线的指标。

• 统计日期：引用依赖指标的数据。

• 统计粒度：引用依赖指标的数据。

• 时间限定：默认关闭，当依赖指标的统计粒度为‘日’，且没有开启半累加指标时，才可开启时间限定。

• 关联维度：后续的归因分析需要基于所选维度进行分析，维度来自于模型中的维度字段。若模型维度与公共维度关联，则会显示为绿色图标。

• 筛选器：支持添加对指标数据进行过滤，限定数据范围，类似where条件。

计算指标配置

定义：基于现有指标、数据模型的维度和度量字段，通过自定义计算公式生成。如：利润=（客单价*销售额）-总成本

• 选择数据模型，选择具体字段和聚合方式

• 统计日期：选择日期字段。

• 统计周期：可以选择年、季度、月、日，默认选中和统计日期字段相同粒度

• 半累加指标：库存、余额等指标，必须统计范围内的某个时点值，而不是所有时点的汇总。默认关闭，开启后，取周期内指定时点的数据计算结果。计算方式支持选择周期内起始时点和周期内结束时点。

• 关联维度：选择维度用于归因分析。可调整顺序

• 筛选器：指标数据筛选，限定数据范围。

归因配置

支持多种归因类型，可将专业的分析思路、数据拆解思路输入给大模型

同环比归因

对指标在一段时期内的变化做归因，可配置归因日期、默认归因日期范围、单维分析、交叉分析、关联变量，支持配置提示词自定义归因分析解读的框架。

预实比归因

对指标的目标达成情况归因，可配置目标指标、目标指标粒度、默认归因日期范围，支持配置提示词自定义归因分析解读的框架。预实比配置开启后，问答时可对指标的目标完成情况归因。

交叉分析

可将当前绑定的维度进行组合，在归因分析时，可基于配置好的归因组合进行分析总结。（注：交叉分析只应用于知数、报表的归因解读中，需购买对应产品后才可使用。）

层级分析

• 背景：

在当前的交叉维度归因分析中，系统尚未区分“层级关系”与“平行关系”的维度差异，导致在涉及层级数据时出现语义冗余和分析重复的问题。

维度关系现状：交叉维度包含两种类型。一是有层级关系的维度（如“黑龙江-哈尔滨”，即省份-城市，属于层级公共维度）；二是有平行关系的维度（如“黑龙江-大米”、“吉林-大米”，即省份-品类）。

存在的问题：目前，“哈尔滨”的销量数据与“黑龙江-哈尔滨”的销量数据在业务语义上完全等同。但在大模型分析时，系统会将二者视为独立维度进行重复计算。例如，分析结果可能同时指出“哈尔滨对销量的贡献度最低”以及“黑龙江-哈尔滨对销量的贡献度最低”，造成信息冗余，干扰用户判断。

• 场景：

配置层级关系后，大模型在进行归因分析时将采用“先顶层概括，再层层下钻”的智能分析策略，输出更符合人类逻辑的洞察。

场景一：地域层级分析（省份 -> 城市）

优化前：大模型分别罗列“黑龙江”和“哈尔滨”的贡献度，结论重复。

优化后：大模型首先分析省份维度，指出“黑龙江省对整体销量的增长贡献度最高”；随后自动下钻至该省份内部，进一步分析指出“在黑龙江省内，哈尔滨市对整体增长的贡献影响最大”。

场景二：组织架构分析（销售组 -> 下属分组）

优化前：大模型同时分析“大数据销售组”与“华东一组”的贡献，未能体现包含关系。

优化后：大模型首先得出“大数据销售组对销量的增长贡献度最高”的结论；紧接着进行下钻分析，明确指出“在该销售组中，华东一组的贡献度最高”。

• 操作步骤

在指标编辑页面先配置层级组合

注：为了保证分析逻辑的一致性，系统会根据指标关联的维度或模型字段，自动添加层级组合。

自动创建组合：当指标关联的维度中存在“层级公共维度”（来自同一公共维度的拓展），或关联的模型字段本身具有层级关系时，系统会在新建或编辑指标时，自动在层级归因中添加对应的组合。

实时同步更新：自动添加的组合会严格保持模型字段的层级顺序。当模型字段或公共维度的层级关系发生变更（增加、删除、修改）时，指标配置中的层级归因也会自动同步更新。

受保护状态：对于由系统自动生成的层级组合，不支持用户手动修改。在编辑界面中，此类组合的“删除”和“拖入维度”按钮将显示为置灰（不可点击）状态，以确保与底层模型逻辑保持一致。

配置完成后，在知数归因问答时，会增加层级分析的解读。

注：在层级归因组合中，处于第一顺位的“顶层维度”（例如“大区”）被视为独立的单维度，会正常参与同向及反向贡献度TOP3的计算与排名。层级组合中处于下钻位置的“非顶层维度”（例如“大区-城市”中的“城市”），虽然会参与层级维度的整体贡献度计算，但不会作为独立维度参与TOP3的排名。

关联变量：想要在问答时分析某一外部变量（模型字段）对该指标的影响，此时可以开启关联变量。变量来自外部数据模型的字段，可配置与当前指标的关联关系。点击【插入变量】按钮，即可进行变量配置

编辑提示词：通过提示词输入指标分析师思路，提示词可插入变量。以下功能只有购买知数产品才可生效。

• 归因解读提示词：提示词会影响归因分析中对数据分析结果的深度解读，而关联变量的设置会影响归因分析的结果。

• 问题分析提示词：提示词会影响意图识别后大模型的问题分析处理。

高级参数配置

编辑指标时，新增高级参数配置，支持配置给到大模型的topn贡献度维度成员值。只有购买了知数才有效。