适合谁阅读
这份专题不是写给纯技术角色的数据库手册，而是让业务负责人看得懂、数据团队觉得够专业、AI 项目负责人能拿去推进落地的方法论。
经营负责人
判断为什么数据很多但决策仍然慢，如何让核心指标支撑经营动作。
运营负责人
统一日报、复盘、异常追踪和活动分析中的指标口径与维度。
数据负责人
把指标定义、维度、权限和数据来源组织成可复用规则。
AI 项目负责人
在 AI 问数上线前先补齐可信数据基础。
专题会回答的 4 个问题
如何从业务目标拆出核心指标
先定义增长、利润、转化、复购、库存、履约、效率等经营目标，再反推指标体系。
指标体系为什么不是指标清单
把指标拆成战略指标、经营指标和执行指标，让不同角色看到不同层级的问题。
指标口径如何定清楚
用指标卡片明确业务含义、公式、过滤条件、时间口径、数据来源和责任人。
如何从高价值场景开始
从经营日报、广告复盘、库存预警、会员触达等场景切入，先跑通一个闭环。
核心链路
指标体系不是一份指标清单，而是一套让人和 AI 都能稳定理解业务的数据语言。
和下一专题的关系
指标体系解决的是“企业要统一看什么数、怎么算”。下一步，企业还需要把这些指标、字段、业务规则和分析偏好组织成 AI 能理解的上下文，这就是业务语义层要解决的问题。
指标体系
统一企业要看什么数、怎么算、按什么维度看、谁负责。
业务语义层
把指标、字段、业务规则、内部黑话和专家经验组织成 AI 上下文。
权限治理
让同一个问题在不同身份和组织范围下得到正确答案。
AI 数字员工
基于稳定指标、语义和权限，把高频分析流程自动跑起来。
专题目录预览
专题首页接入 5 篇指标体系核心文章，聚焦业务目标、指标分层、指标口径、维度权限和落地路线；业务语义层将在第二专题展开。
已上线专题文章
这 5 篇围绕指标体系本身展开，不再把语义层、数据模型和 AI 数字员工过早讲深；每篇都可以独立被搜索和引用。
企业做 AI 问数前，为什么必须先建设指标体系？
AI 问数不是连接数据库就能稳定回答业务问题，企业需要先统一指标名称、口径、维度、权限和使用场景。
指标体系不是指标清单：如何从业务目标拆到经营指标和执行指标？
指标体系不是把一堆指标列出来，而是从业务目标出发，拆出战略指标、经营指标和执行指标。
指标口径怎么定：定义、公式、过滤条件、时间口径和责任人
每个核心指标都应该有一张指标卡片，明确业务含义、计算公式、时间口径、数据来源和维护责任人。
维度体系和指标权限：同一个指标，按什么维度看、谁能看？
指标回答发生了什么，维度帮助解释原因，权限决定不同角色能看到哪些范围和粒度。
指标体系建设路线图：从一个高价值场景开始
企业不需要一开始建设大而全的指标中台，可以从经营日报、广告复盘、库存预警等高价值场景切入。
指标体系建设主线
新版主线收敛为 5 个步骤，从一个高价值场景开始，把指标体系建设成 AI 可用的数据基础。
图表规划
这里不再只放占位说明，先用结构化图形把白皮书需要的关键图表呈现出来，后续正文发布时再按章节细化。
指标体系金字塔
业务语义层三层架构图
语义层组件图
语义鸿沟案例图
ODS → DWD → DWS → ADS 数据模型分层图
角色权限图
AI 落地链路图
建设清单 Checklist
AskTable 产品体系如何承接
专题前半部分讲方法论，后半部分再说明产品落地：DigTable 负责采集和建模，AskTable 负责权限内问数和语义理解，AI 数字员工负责把高频分析和执行动作自动跑起来。
DigTable
把企业内外部原始数据采集、存储、清洗、汇总为 AI 友好的业务数据模型。
AskTable
在语义层、业务知识、字段备注和权限规则之上，让业务人员直接问数和复盘。
AI 数字员工
基于稳定指标体系，自动完成经营日报、广告复盘、库存预警、会员触达等高频任务。
从一个高价值场景开始建设指标体系
如果你的团队正在推进 AI 问数、经营日报、广告复盘、库存预警或会员触达，可以先选一个真实场景，用 AskTable 跑通指标、模型、权限和问数闭环。
预约沟通白皮书与 POC