🎯 Definicja
Measure Layer (Metrics Store) to miejsce, gdzie definiujesz: “Co to jest Przychód Netto”. Raz. A potem wszystkie narzędzia w firmie (Excel, Tableau, Python) pytają o niego. Koniec z sytuacją, gdzie Marketing ma inny “Przychód” niż Finanse.
🔑 Kluczowe punkty
- Single Source of Truth: Definicja matematyczna metryki jest w kodzie (np. YAML w dbt), a nie w klikanym interfejsie narzędzia BI.
- Headless BI: BI staje się tylko wizualizacją. Logika obliczeń jest “głową” oddzieloną od “ciała”.
- API: Narzędzia pobierają metryki przez API.
📚 Szczegółowe wyjaśnienie
Problem: Raport w Tableau liczy zysk (Cena - Podatek). Raport w PowerBI liczy (Cena * 0.8). Wyniki są różne. Decyzje są błędne.
Rozwiązanie: Metrics Layer.
Definicja: Profit = Price - Tax.
Tableau pyta: “Daj mi Profit”. PowerBI pyta: “Daj mi Profit”. Dostają tę samą liczbę.
💡 Przykład zastosowania
Narzędzia: dbt Semantic Layer, Cube.dev, LookML.
Analityk pisze plik .yml:
metric:
name: revenue
calculation: sum(order_total)
filter: status = 'paid'Teraz każdy w firmie używa metryki revenue. Jeśli trzeba zmienić definicję (np. odliczyć zwroty), analityk zmienia jedną linię w pliku YAML. Cała firma ma zaktualizowany raport.
📌 Źródła
- The Rise of the Metrics Store (Benn Stancil).
👽 Brudnopis
- To jest “święty graal” nowoczesnego BI. Trudne do wdrożenia kulturowo (ludzie lubią dłubać w Excelu), ale niezbędne przy dużej skali.