指标命名随意，增加沟通成本，套用这个公式，学会规范化定义指标

只要你有在公司的数据部门工作过，就会知道“指标”在数据分析过程中的重要性，如果我们一开始就没搞清楚“指标”的具体定义，那么后边的数据分析全都是白费功夫。

下面这个场景，就是我以前工作时遇到的真实场景
小A是市场部的运营，她给了一份数据分析报告，报告中有一项指标是新用户销售额 小B是会员中心的运营，他也提供了一份每日的新用户销售额 但是老板在看了这两份报告后，发现同一天的新用户销售额的数值竟然相差1k，排查后才发现是两个部门对新用户口径的定义不同，才导致数值相差这么多：
市场部的小A，认定新用户是首次下单并完成支付的用户 会员中心的小B，认定新用户是当日新注册用户 其实这样的事，只要你在数据部门呆过几天，就会习以为常，因为这真的太常见了

指标定义名称一样，但是开发逻辑不同，导致取数时出现了混乱。 指标的名称不同口径相同、指标名称相同口径不同。如利润总额（财务口径）和利润总额（业务口径），会导致大家的

指标命名随意，增加沟通成本，套用这个公式，学会规范化定义指标最先出现在Python成神之路。