
RevOS 推出 Metric Store,为人和 AI 提供统一指标定义
来源标题:The RevOS Metric Store: one definition of every metric, for people and agents
RevOS 发布 Metric Store,为每个指标提供唯一权威定义,结束不同系统间同一指标数值不一致的争论。该定义包含负责人、状态、版本历史、血缘和可读的构成说明。RevOS 指出,企业内四个系统对同一 Active ARR 会给出四个不同答案,且没有一个数字有归属和来历。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
指标作为一等实体 被人和 agent 共同复用 回答“这个数字为什么变了”的基础 它长什么样 快速上手 如果你问公司里四个系统你们的 Active ARR 是多少,你会得到四个答案。董事会材料上写的是 €2.38M,因为有人在上一份导出数据上跑了个 SUMIF。Power BI 说是 €2.41M,因为那个 DAX 度量把经销商排除了。CRM 报表说是 €2.52M,因为它把 open 和 closed-won 加在一起算,而且从不区分币种。而你上个季度接上的 AI 助手说“大约 €2.6M”,因为它是从原始表里猜的。 这四个数字,没有一个有负责人。没有一个有历史记录。每一个都略有不同,而那个有人发现不对劲的会议,最后总会变成一场关于谁的表格才对得上的争论。 今天我们发布 RevOS Metric Store,它的存在就是为了终结这场争论。它为每个指标提供唯一一份权威定义,并给这份定义配上一个数字在组织能够治理它之前所需要的东西:负责人、状态、版本历史、血缘,以及任何人都能读懂的构成方式。 对大多数公司来说,指标不是一个对象。它是报表里的一个单元格、BI 工具里的一个度量、提示词里的一行,或者某个人脑子里的一个公式。每一份拷贝在创建时都是合理的。几年下来,这些拷贝逐渐彼此偏离,写下它们的人离开了,而没人能说清在你用来对比的那个季度里,“churn”到底指什么。 我们构建 Semantic Model 就是为了解决定义问题:实体、join 和指标只以代码形式写一次,供所有使用方共享。结果证明这是必要的,但并不充分。没有负责人的定义,是没人愿意为之辩护的数字。没有历史的定义,是你无法跨时间对比的数字。没有记录谁依赖它的定义,是你无法安全下线的数字。 所以 Metric Store 把每个指标当作一个有自己 URL 和专属记录的实体: 一个目录。你的语义模型定义的每一个指标,都收录在一个可搜索的索引里,附带它的类型、cube、负责人、状态、被用在哪里,以及新鲜度。没有文档的指标也会列出来,并附上一条请求补充描述的提示。把它们藏起来,正是它们一直没有文档的原因。 我们如此在意“唯一定义”,是因为使用方的数量一直在增长。过去一个指标只会被一个 dashboard 和一张表格读取。现在它还会被客户表、健康分、分群、自动化流程和 AI agent 读取。 在 RevOS 中,所有这些都读取 Metric Store,而不是各自携带一份拷贝。看板在统一的日期范围、分群和筛选条件下展示你团队关注的数字。客户表和评分把已认证的指标作为列和输入拉取。BI 工具通过语义模型读取同一批定义。而 Claude、ChatGPT、Copilot 或你自己技术栈里的 agent,则通过 RevOS MCP server 查询同一批指标,看到的描述和注意事项与人看到的一致。 这对 agent 来说最为关键。我们之前写过,为什么一个从原始表出发工作的 AI agent 会产生自信但错误的数字:它并不是在编造数据,它是在编造定义——以 SQL 的形式,写在它并不理解的表上。把 agent 锚定在受治理的定义上就是解法,而且效果显著。在 Snowflake 公开的 text-to-SQL 评测中,一个通用模型在原始 schema 上得分 51%,而一旦锚定在受治理的语义模型上,得分超过 90%。 Metric Store 让这种锚定对每个 agent 都可用,而不只是我们自己的 agent。任何 MCP 客户端都可以列出目录、读取指标的定義、负责人、状态和注意事项,并查询它的值。它还补上了 agent 仅靠定义拿不到的那部分信息:这个指标是已认证的,还是仍是草稿;以及它在被弃用之前叫什么。一个能读取状态的 agent,才能说“这个指标在七月被替换了,这是新的那个”,而不是引用旧数字。 我们从收入运营负责人那里听到最多的问题不是“数字是多少”,而是“它为什么变了”。一个指标发生变化的原因就那么几类:它的定义变了,某个上游变了或同步失败了,构成它的某个指标动了,或者某一个分群驱动了它。 大多数工具只能帮上最后一类,办法是把数字按分群拆开。其余几类则需要工具本身不具备的东西:指标在每一层、每个技术栈上的构成和血缘。 Metric Store 两者都有。对于 Active ARR,它会在同一张图上显示 Exact Online 集成、数据落地的 BigQuery 表、定义它的 cube,以及读取它的表、评分和分群。在下面,它列出你所查看的这段时间里发生了什么变化:12 号版本 3.1 加了一个筛选,4 号重建了一张源表,一个连接已经连续失败十一天。对于复合指标,每个运算项都是拥有自己页面的指标,所以你可以通过构成比率的两个数字来读懂这个比率。 这并不能替你回答问题。它给你的是可以逐条核对的事实,而不是需要争论的假设;在我们的经验里,这正是五分钟得出答案和花两天做调查之间的差别。 三个界面,全都读取同一批定义。 产品页面逐一介绍了这三个界面。 如果你已经在用 RevOS,Metric Store 会读取你语义模型当前定义的指标。打开 Catalog,找到你团队争论最多的那个指标,给它指定负责人,并认证它。这一步往往能终结数量惊人的定期会议。 如果你还没用上 RevOS,把这个指标带到 demo 里来。三十分钟内,我们会用你自己的数据把它放进目录,配上负责人、历史和血缘,然后你可以判断这个数字站不站得住脚。预约 demo。 agent 时代抬高了模糊指标的成本。给每个指标唯一定义,你的人和你的 agent 都将不再猜测。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。