派生指标计算逻辑

概述

派生指标是基于基础指标计算逻辑的扩展。

指标平台中的派生指标提供了三种扩展能力。

配置项	说明
时间限定	时间限定的扩展是基于`筛选条件调节`生效的。时间限定会调节查询环境中的`指标日期`筛选值。
业务限定	业务限定可以等同于在筛选条件中额外添加一些筛选条件，与查询环境中的条件为且（AND）关系。
衍生方式	* 同环比：调节查询环境中的`指标日期`筛选值。 * 排名：调节了查询环境中的`窗口`（窗口概念目前还未完全开放自定义） * 占比：调节查询环境中的`指定维度`筛选值。 * 自定义聚合：调节了查询查询中的`指定维度`筛选值。

时间限定

时间限定是指标平台中十分重要而且频繁使用的概念，正确的使用时间限定可以帮助你实现很多业务场景的分析诉求。

时间限定是将查询环境中的指标日期，根据规则转换为一个新的日期。在开始了解时间限定前，我们还需要知道以下几个概念。

概念说明

时间粒度任何日期类型的维度都存在粒度的概念，指标日期也不例外。指标平台中内置了分、小时、日、周、月、季、年粒度。

时点筛选&时段筛选时点筛选为筛选的内容只有一个粒度值；时段筛选为筛选内容有多个粒度值。比如表达 2024年整年，使用时点筛选为 指标日期（年）=2024-01-01，使用时段筛选则为指标日期（日）>= 2024-01-01 AND 指标日期（日）<=2024-12-31。对于基础指标而言，这两个筛选条件得到的结果是完全一致的，但是对于需要进行时间限定的调节而言，他们两个存在使用上支持的区别。

时间限定-整体模式

整体模式下的时间限定，其计算机制为将时点筛选，转换为一个新的时点/时段筛选。

注意

由于时间限定将时点筛选进行转换，所以在使用带有时间限定的指标时，一定要注意满足以下任一条件：

● 查询分组维度中，有指标日期作为维度，譬如：按指标日期（月）查看指标。

● 查询的筛选器中，有指标日期的时点筛选，譬如：指标日期（日）=2024-09-30。

目前指标平台内置了四种时间限定的方法，分别为


时间限定方法	说明
近N日	原理：将`时点数据`，转换为`大于等于`当前时点粒度的`时段数据`。案例： - 近7日：`指标日期（日）= 2024-09-30` 转换为 `2024-09-24 <= 指标日期（日）<=2024-09-30` - 系统将传入的日期减少6日，与当前天生成时段区间。
MTD	原理：将`时点数据`，转换为`大于等于`当前时点粒度的`时段数据`。案例： - 本年至今：`指标日期（日）= 2024-09-30` 转换为 `2024年第一日 <= 指标日期（日）<=2024-09-30` - 系统将传入的日期转换为其所在年的第一日，与当前天生成时段区间。
特定日期	原理：将`时点数据`，转换为`粒度相同`的`时点数据`案例： - 上月月底：`指标日期（日）= 2024-09-30` 转换为 `指标日期（日）=2024-08-31`
单日期	原理：将`时点数据`，转换为`大于等于`当前时点粒度的`时点数据`案例： - 本月整月：`指标日期（日）= 2024-09-30` 转换为 `2024-09-01 <= 指标日期（日）<=2024-09-30`

规则

规则：当查询具有时间限定的指标时，系统会将指标日期的时间筛选替换为新的日期筛选。

● 若当前查询中不是指标日期的时点筛选，或者没有筛选指标日期，则该查询会被拦截。

时间限定-峰/谷/均值模式

在整体模式的基础上，指标平台支持计算其平均值、最大值或最小值。举个例子，你可以通过时间限定生成近7日订单额，也可以使用其生成近7日日均订单额。

峰/谷/均值模式下比整体模式多计算一个步骤。

将时点筛选转换为新的日期筛选（与整体模式一致）
在新的日期范围内，先按照指定的日期粒度进行一次聚合，将聚合的结果二次计算。

案例

查询 `近7日日均订单额`，查询时传入`指标日期（日）=2024-09-30`

步骤1：将指标日期（日）=2024-09-30调节为指标日期（日）=2024-09-24 ~ 2024-09-30

步骤2：在该时段内，按照指标日期（日）先统计指标结果值

步骤3：将每日的统计结果，求平均（AVG）运算，得到指标值

时间限定-日汇总模式

案例

以 “交易金额” 计算为例，业务规则为：优先取 A 来源的交易金额，若 A 为空则取 B 来源，最终需计算 “每日交易总金额” 及 “近三日交易总金额”。

第一步：基于 AB 来源指标做日交易金额

数据拆分：将原始数据按日期拆分为 2025-07-29、2025-07-30、2025-07-31 三个独立的日级数据集。

日	A 来源的交易金额	B 来源的交易金额
29	100	40
30	null	50
31	20	40

每日取值逻辑：

对当天的每条数据，执行规则：日交易金额 = if(isnotnull(A), A, B)

示例结果（日级）：

日期	A 来源的交易金额	B 来源的交易金额	日交易金额
2025-07-29	100	40	100
2025-07-30	null	50	50
2025-07-31	20	40	20

第二步：基于日级结果派生跨天指标

以 “近三日交易总金额” 为例：

时间窗口定义：近三日

窗口聚合计算：汇总值

示例结果：

日期	日交易金额	近三日-汇总值
2025-07-29	100	100（仅当天）
2025-07-30	50	100 + 50 = 150
2025-07-31	20	100 + 50 + 20 = 170

汇总值确保每日的基础逻辑（if(isnotnull(A), A, B)）被严格执行

业务限定

业务限定为指标定义中添加的维度筛选。该筛选的计算逻辑与在查询环境中添加维度筛选是一致的。

指标中的筛选生效先后顺序，请参考专题文章详细讲解。

衍生方式

同环比

同环比的处理是调节指标日期的筛选。其处理方式为将日期进行偏移。使用同环比时，需要查询环境中存在指标日期。其计算步骤为：

先将查询环境中的指标日期进行偏移调节
（若配置时间限定）将调节后的指标日期带入时间限定，生成最终的指标日期范围

排名

以下面的示例，我们来理解排名范围

当我们设置省份为排名范围时，生成的排名结果会以省份作为窗口，在窗口内进行排名的生成。

排名维度的作用

设置城市为排名维度，查询时筛选城市

不设置排名维度，查询时筛选城市

通过上述案例的对比，我们可以得知。指定了排名维度后，查询中便不会先过滤数据内容，而是等排名的结果计算出来后，再执行数据过滤。

占比

以下面的示例，我们来理解占比范围

当我们设置省份为占比范围时，其分子计算逻辑没有改变，分母的计算逻辑发生了变动：

只保留占比维度范围的维度，计算指标
以省份作为维度计算订单额，不再使用城市
使用分子/分母得到最终结果

占比维度的作用与 4.2 章节讲解的排名维度功能类似，此处不再赘述。

自定义聚合

自定义聚合的计算逻辑为在当前的查询环境中，再额外添加维度，并以特定的方式进行聚合。

譬如，我们定义了基础指标销售额，但是我们分析的时候希望获得省内最大的城市销售额（先计算每个城市销售额，每个省内展示最大的销售额）

如左图所示，我们可以选择添加城市维度，并选择最大值。

在查询中将省份放入到维度中，即可获得正确计算结果。

自定义聚合在查询的过程中，额外增加了维度的筛选条件，并结合了数据聚合用于选取最大值/最小值/平均值。

总结

派生指标中的定义项主要是用于调整查询环境中的筛选内容。一个派生指标的使用对查询环境存在必要的维度要求，请参考下表

配置项	要求
时间限定	* 查询中存在`指标日期`维度，满足下述任一条件 * 用于分组维度 * 用于筛选，且为时点筛选 * 指标日期的最小粒度小于等于时间限定粒度
同环比	* 查询中存在`指标日期`维度，满足下述任一条件 * 用于分组维度 * 用于筛选
排名	* 查询中存在配置的`排名范围`和`排名维度`，满足下述任一条件 * 用于分组维度 * 用于筛选
占比	* 查询中存在配置的`占比范围`和`占比维度` * 用于分组维度 * 用于筛选

若派生指标中存在时间限定，则其对查询中使用到的指标日期也有日期粒度上的要求。

比如派生指标：近4个月订单额（月粒度）
查询时可以使用 指标日期（日）=2024-09-30 ，也可以使用 指标日期（月）=2024-09-01，都可以得到以9月作为起始月的4个月订单总额