metric-definition-reviewer
Skill8 starsChanged 8 days agoMITView on GitHub
Use when reviewing or defining a business metric, KPI, or analytics indicator. Checks business intent, population, event definition, time window, grain, filters, edge cases, status lifecycle, consistency, and questions that must be confirmed. 中文触发词:指标口径、口径审查、指标定义、分子分母。
In this repository23 other files it gives its agents.
- ab-test-analysisSkill
- business-root-cause-analysisSkill
- daily-report-writerSkill
- dashboard-reviewerSkill
- data-analysis-report-writerSkill
- data-doc-writerSkill
- data-incident-postmortem-writerSkill
- data-lineage-impact-analyzerSkill
- data-presentation-architectSkill
- data-quality-rule-generatorSkill
- data-requirement-clarifierSkill
- data-tool-integration-plannerSkill
- data-viz-kitSkill
- exploratory-data-analysisSkill
- feature-engineering-advisorSkill
- funnel-analysisSkill
- market-research-analystSkill
- model-evaluation-reviewerSkill
- retention-cohort-analysisSkill
- sql-reviewerSkill
- stream-pipeline-designerSkill
- table-design-advisorSkill
- weekly-monthly-report-writerSkill
The file
Files
Metric Definition Reviewer
目标
审查一个指标口径是否清晰、稳定、可计算、可解释。
这个 Skill 关注指标本身,不负责完整建模,也不负责直接写生产 SQL。它要帮助用户发现口径漏洞、边界条件、业务歧义和跨团队对齐风险。
使用场景
使用这个 Skill,当用户需要:
- 定义一个新指标
- 审查已有指标口径
- 对齐业务方和数据团队对同一指标的理解
- 检查看板指标是否容易误导
- 分析 GMV、DAU、留存、转化率、复购率、活跃率、履约率等指标
- 在口径变更前明确新旧口径差异(下游影响范围请转
data-lineage-impact-analyzer)
典型输入:
帮我审查一下“7 日留存率”的口径。GMV 现在按支付成功订单金额统计,退款是否扣减还没定。不适用场景
不要用这个 Skill 直接完成:
- 模糊需求澄清,请使用
data-requirement-clarifier - 表结构设计,请使用
table-design-advisor - SQL 审查,请使用
sql-reviewer - 数据质量规则生成,请使用
data-quality-rule-generator - 评估口径变更对下游的影响,请使用
data-lineage-impact-analyzer
如果用户只提供了一个指标名,必须先列出待确认问题,不能直接给出确定口径。
输入信息
最少输入:
- 指标名称
- 当前口径或业务描述
可选输入:
- 业务目标
- 使用场景
- 统计对象
- 事件定义
- 时间窗口
- 统计粒度
- 过滤条件
- 订单、用户、商品、组织等状态流转规则
- 现有 SQL 或看板截图描述
上下文建议
推荐使用 指标口径上下文模板。
最有价值的上下文是:业务含义、统计对象、时间窗口、分子分母、过滤条件、去重规则和边界处理。缺少业务规则时,只能给出推荐口径和待确认问题,不能把行业常见口径当成事实。
审查框架
逐项检查:
- 业务意图:这个指标被用来判断什么。
- 统计对象:统计用户、订单、商品、设备、门店还是组织。
- 事件定义:什么行为算发生,什么状态算有效。
- 时间窗口:自然日、滚动窗口、T+1、支付时间、创建时间还是完成时间。
- 统计粒度:日、周、月、用户、订单、渠道、组织等。
- 分子分母:比率类指标必须明确分子、分母和样本范围。
- 过滤条件:测试数据、内部账号、取消、退款、失败、异常状态是否排除。
- 去重规则:按用户、订单、事件、设备还是业务主键去重。
- 边界条件:跨天、跨月、退款、补单、延迟到账、状态回滚、重复上报。
- 可解释性:业务方看到数值后是否能理解它代表什么。
- 一致性:是否与已有指标、上游系统或财务口径冲突。
常见指标的提问清单见 常见指标陷阱。里面是提问角度,不是标准答案。
输出格式
## 指标口径审查
### 1. 审查结论
### 2. 推荐定义
| 项目 | 内容 |
| --- | --- |
| 指标名称 | |
| 业务含义 | |
| 统计对象 | |
| 统计粒度 | |
| 时间口径 | |
| 分子 | |
| 分母 | |
| 过滤条件 | |
| 去重规则 | |
| 更新频率 | |
### 3. 主要风险
| 风险等级 | 问题 | 影响 | 建议 |
| --- | --- | --- | --- |
### 4. 边界条件
### 5. 待确认问题
### 6. 可选 SQL 伪逻辑
### 7. 机器可读定义
<按 assets/metric_template.yaml 输出,未确认的项写“待确认”>口径要被 SQL 审查、质量规则或数据文档复用时,输出第 7 节。
风险等级
- P0:会导致指标方向错误或重大业务误判
- P1:会导致不同团队口径不一致
- P2:会影响解释性、稳定性或长期维护
质量标准
输出必须:
- 明确指出口径是否可用
- 给出推荐定义
- 暴露分子、分母、时间窗口、过滤条件和去重规则
- 标记不能确定的业务规则
- 避免把常见行业口径当成用户公司的确定事实
- 机器可读定义里没有确认的项写“待确认”,不要补全
完成后的下一步
- 口径确定后建表:
table-design-advisor - 检查 SQL 是否实现了这个口径:
sql-reviewer - 把口径落成校验:
data-quality-rule-generator - 修改已有口径:
data-lineage-impact-analyzer评估下游 - 沉淀定义:
data-doc-writer
示例 Prompt
请用 metric-definition-reviewer 审查这个指标:
指标:新用户首购转化率
当前口径:注册后 7 天内完成支付的新用户数 / 新注册用户数
使用场景:渠道投放效果看板
疑问:退款订单要不要算转化?请用 metric-definition-reviewer 审查这个指标:
指标:NRR(净收入留存率)
当前口径:本期 MRR / 上期同批客户 MRR,包含扩展收入和降级损失,排除新签合同
使用场景:投资人月报和季度经营分析
疑问:客户升级套餐的扩展收入算不算 NRR?订阅部分取消但仍有剩余席位时如何处理?Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

