| name | bi-metric-observation |
| description | 获取并计算指标的基础观测数据，包括时间周期确定、指标聚合、衍生指标计算和维度交叉展示表构建。当需要对指标进行基础数据观测、获取当期值与变动幅度时调用。 |
bi-metric-observation
获取指标的原始数据并完成基础计算，构建指标的当期值、变动幅度和维度交叉展示表，为后续分析提供数据基础。常见场景：
- 指标分析：在分析流程中，对指标进行基础数据获取和计算
- 数据概览：快速了解指标当前水平与变动趋势
前置检查
开始前确认以下信息已明确：
- 分析条目明确，清楚本次要观测哪些指标
- 指标与角色已确定，知道每个指标是北极星、展示还是分布角色
- 关联维度已确定，知道北极星指标的归因拆解维度、展示指标的展示拆解维度
- 数据获取能力可用，有可以获取数据的工具或 API
若以上信息不完整，需先回到规划阶段补充，或向用户确认后再开始。
执行步骤
1：数据准备
根据分析目标获取指标的原始数据。数据文件至少包含以下列：
| 列 | 说明 | 示例 |
|---|
| 日期列 | 时间标识 | 日期 |
| 指标列 | 各指标值，每个指标一列 | 访问用户数 |
| 维度列 | 各维度值，每个维度一列 | 端类型 |
若上游步骤已产出可用数据文件则直接使用，否则自行取数。
2：确定分析时间周期
根据分析目标选择合适的分析时间区间：
| 分析目标 | 时间区间 |
|---|
| 日数据波动 | 当日 vs 上日 |
| 日数据波动（消除周末效应） | 当日 vs 上周同日 |
| 周数据波动 | 本周 vs 上周 |
| 月数据波动 | 本月 vs 上月 |
| 年度趋势 | 当期 vs 上年同期 |
| 特定日期分析 | 指定日期前后日/周 |
确定时间区间后，获取该区间内所有指标的原始数据。
3：确定指标计算方式
根据指标类型和时间周期，判断该指标在对应周期下的聚合方式。通用规则：
- 累加型指标（如收入、订单量、新增用户数）：使用周期内聚合值（求和）
- 水平型指标（如日活跃用户数 DAU、活跃率、转化率）：使用周期内均值
- 用户规模型指标（如月活跃用户数 MAU、累计用户数）：使用周期末快照值（去重值或最后一天值）
4：计算衍生指标
根据分析场景计算合适的衍生指标，不需要全部计算：
| 衍生指标 | 适用场景 |
|---|
| 日环比 | 日数据，对比日数据波动 |
| 周同比 | 日数据，对比日数据波动，消除周末效应 |
| 周环比 | 周数据，对比周波动 |
| 月环比 | 月数据，对比月波动 |
| 年同比（日） | 日数据，长期业务且有年度周期性波动时关注 |
| 年同比（月） | 月数据，需要年度比较的业务（如 B 端收入） |
| 年环比 | 年/财年数据，对比财年累计值，适用可累加指标（如年收入） |
| 分布占比 | 量值指标在各维度下的分布拆解，展示核心观测指标时需加上分布占比 |
注意：计算衍生指标时，根据指标类型选择正确的变动表达方式，避免产生"百分比的百分比"等歧义：
| 指标类型 | 识别特征 | 变动表达 | 示例 |
|---|
| 量值指标 | 绝对数值，可直接累加 | 百分比增幅 | DAU 增长 10% |
| 率值指标 | 有分子/分母，数值为百分比 | 绝对值增幅 (pt) | 留存率从 40% 到 42%，+2pt |
| 加工指标 | 由其他指标计算得到，数量级小按率值，否则按量值 | 视业务场景而定 | 人均对话次数、客单价 |
5：构建维度交叉展示表
按展示维度聚合指标，构建"维度值 × 指标"交叉表。
构建规则：
- 每个展示维度构建一张交叉表
- 行：该维度的各维度值（含"全部"汇总行）
- 列：关联该维度的所有指标，每个指标包含当期值和衍生指标；分布角色的指标额外附加占比列
示例：展示维度为"端类型"，关联指标为访问用户数（分布）、对话渗透率（展示）、人均对话次数（展示），衍生指标为月环比：
| 端 | 访问用户数 | 月环比 | 访问用户数占比 | 对话渗透率 | 月环比 | 人均对话次数 | 月环比 |
|---|
| 全部 | ... | ... | 100% | ... | ... | ... | ... |
| web | ... | ... | ... | ... | ... | ... | ... |
6：汇总观测结果
将基础观测结果汇总输出，包含：
| 输出项 | 说明 |
|---|
| 分析时间周期 | 确定的当期和往期区间 |
| 指标当期值 | 各指标的当期聚合值 |
| 衍生指标 | 各指标的变动幅度（环比/同比/占比等） |
| 维度交叉展示表 | 各展示维度的"维度值 × 指标"交叉表 |
