# Bi Metric Observation

> 获取并计算指标的基础观测数据，包括时间周期确定、指标聚合、衍生指标计算和维度交叉展示表构建。当需要对指标进行基础数据观测、获取当期值与变动幅度时调用。

- **Type:** Skill
- **Install:** `agentstack add skill-agentscope-ai-qwenpaw-data-bi-metric-observation`
- **Verified:** Yes — security-reviewed for prompt injection and unsafe behavior
- **Seller:** [agentscope-ai](https://agentstack.voostack.com/s/agentscope-ai)
- **Installs:** 0
- **Category:** [Databases](https://agentstack.voostack.com/c/databases)
- **Latest version:** 0.1.0
- **License:** Apache-2.0
- **Upstream author:** [agentscope-ai](https://github.com/agentscope-ai)
- **Source:** https://github.com/agentscope-ai/QwenPaw-Data/tree/main/packages/datapaw-skills/skills/atomic/bi-metric-observation

## Install

```sh
agentstack add skill-agentscope-ai-qwenpaw-data-bi-metric-observation
```

Requires the [AgentStack CLI](https://agentstack.voostack.com/docs/cli). Works with Claude Code, Cursor, and any MCP-compatible agent.

## About

# bi-metric-observation

获取指标的原始数据并完成基础计算，构建指标的当期值、变动幅度和维度交叉展示表，为后续分析提供数据基础。常见场景：

- **指标分析**：在分析流程中，对指标进行基础数据获取和计算
- **数据概览**：快速了解指标当前水平与变动趋势

## 前置检查

开始前确认以下信息已明确：

- **分析条目**明确，清楚本次要观测哪些指标
- **指标与角色**已确定，知道每个指标是北极星、展示还是分布角色
- **关联维度**已确定，知道北极星指标的归因拆解维度、展示指标的展示拆解维度
- **数据获取能力**可用，有可以获取数据的工具或 API

若以上信息不完整，需先回到规划阶段补充，或向用户确认后再开始。

## 执行步骤

### 1：数据准备

根据分析目标获取指标的原始数据。数据文件至少包含以下列：

| 列     | 说明                       | 示例       |
| ------ | -------------------------- | ---------- |
| 日期列 | 时间标识                   | 日期       |
| 指标列 | 各指标值，每个指标一列     | 访问用户数 |
| 维度列 | 各维度值，每个维度一列     | 端类型     |

若上游步骤已产出可用数据文件则直接使用，否则自行取数。

### 2：确定分析时间周期

根据分析目标选择合适的分析时间区间：

| 分析目标                   | 时间区间          |
| -------------------------- | ----------------- |
| 日数据波动                 | 当日 vs 上日      |
| 日数据波动（消除周末效应） | 当日 vs 上周同日  |
| 周数据波动                 | 本周 vs 上周      |
| 月数据波动                 | 本月 vs 上月      |
| 年度趋势                   | 当期 vs 上年同期  |
| 特定日期分析               | 指定日期前后日/周 |

确定时间区间后，获取该区间内所有指标的原始数据。

### 3：确定指标计算方式

根据指标类型和时间周期，判断该指标在对应周期下的聚合方式。通用规则：

- **累加型指标**（如收入、订单量、新增用户数）：使用周期内聚合值（求和）
- **水平型指标**（如日活跃用户数 DAU、活跃率、转化率）：使用周期内均值
- **用户规模型指标**（如月活跃用户数 MAU、累计用户数）：使用周期末快照值（去重值或最后一天值）

### 4：计算衍生指标

根据分析场景计算合适的衍生指标，不需要全部计算：

| 衍生指标     | 适用场景                                                       |
| ------------ | -------------------------------------------------------------- |
| 日环比       | 日数据，对比日数据波动                                         |
| 周同比       | 日数据，对比日数据波动，消除周末效应                           |
| 周环比       | 周数据，对比周波动                                             |
| 月环比       | 月数据，对比月波动                                             |
| 年同比（日） | 日数据，长期业务且有年度周期性波动时关注                       |
| 年同比（月） | 月数据，需要年度比较的业务（如 B 端收入）                      |
| 年环比       | 年/财年数据，对比财年累计值，适用可累加指标（如年收入）        |
| 分布占比     | 量值指标在各维度下的分布拆解，展示核心观测指标时需加上分布占比 |

**注意**：计算衍生指标时，根据指标类型选择正确的**变动表达方式**，避免产生"百分比的百分比"等歧义：

| 指标类型 | 识别特征                                       | 变动表达        | 示例                      |
| -------- | ---------------------------------------------- | --------------- | ------------------------- |
| 量值指标 | 绝对数值，可直接累加                           | 百分比增幅      | DAU 增长 10%              |
| 率值指标 | 有分子/分母，数值为百分比                      | 绝对值增幅 (pt) | 留存率从 40% 到 42%，+2pt |
| 加工指标 | 由其他指标计算得到，数量级小按率值，否则按量值 | 视业务场景而定  | 人均对话次数、客单价      |

### 5：构建维度交叉展示表

按**展示维度**聚合指标，构建"维度值 × 指标"交叉表。

构建规则：

- 每个展示维度构建一张交叉表
- 行：该维度的各维度值（含"全部"汇总行）
- 列：关联该维度的所有指标，每个指标包含当期值和衍生指标；分布角色的指标额外附加占比列

示例：展示维度为"端类型"，关联指标为访问用户数（分布）、对话渗透率（展示）、人均对话次数（展示），衍生指标为月环比：

| 端   | 访问用户数 | 月环比 | 访问用户数占比 | 对话渗透率 | 月环比 | 人均对话次数 | 月环比 |
| ---- | ---------- | ------ | -------------- | ---------- | ------ | ------------ | ------ |
| 全部 | ...        | ...    | 100%           | ...        | ...    | ...          | ...    |
| web  | ...        | ...    | ...            | ...        | ...    | ...          | ...    |

### 6：汇总观测结果

将基础观测结果汇总输出，包含：

| 输出项           | 说明                                     |
| ---------------- | ---------------------------------------- |
| 分析时间周期     | 确定的当期和往期区间                     |
| 指标当期值       | 各指标的当期聚合值                       |
| 衍生指标         | 各指标的变动幅度（环比/同比/占比等）     |
| 维度交叉展示表   | 各展示维度的"维度值 × 指标"交叉表       |

## Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

- **Author:** [agentscope-ai](https://github.com/agentscope-ai)
- **Source:** [agentscope-ai/QwenPaw-Data](https://github.com/agentscope-ai/QwenPaw-Data)
- **License:** Apache-2.0

Install and usage instructions live in the source repository linked above.

## Pricing

- **Free** — Free

## Security capabilities

Automated source analysis of v0.1.0 — what this tool can access:

- **Network access:** no
- **Filesystem access:** no
- **Shell / process execution:** no
- **Environment & secrets:** no
- **Dynamic code execution:** no

*"Yes" means the capability is present in the source — more access means more to trust, not that it is unsafe.*


## Versions

- **0.1.0** — security scan: passed — Imported from the upstream source.

## Links

- Listing page: https://agentstack.voostack.com/l/skill-agentscope-ai-qwenpaw-data-bi-metric-observation
- Seller: https://agentstack.voostack.com/s/agentscope-ai
- Browse the marketplace: https://agentstack.voostack.com/browse

---
Listed on AgentStack — the marketplace for AI agent skills and MCP servers. Every listing is security-reviewed. Creators keep 70%.