← 返回博客

DataFocus · 博客

財務和銷售為什麼報出兩個營收?每個指標背後藏著五個選擇

兩份報表在同一指標上對不上,是因為各自重新實現了它,並各做了五個未標註的選擇:過濾條件、時間口徑、粒度、關聯路徑、來源系統。附一次 130 萬營收差額的逐行對賬、排查順序,以及一條可執行、有負責人的口徑須滿足的四個條件。

兩份報表的“營收”對不上,是因為它們用的都不是那一個營收指標:每份報表各自把它重新實現了一遍,而每一次實現都要做五個標籤上看不出來的選擇——哪些行被過濾掉、用哪個日期欄位把一筆交易歸入某個期間、一行代表什麼、表與表之間走哪條路徑關聯、把哪個系統當作權威來源。兩份報表各自都是自洽的,只是頂著同一個名字,回答著不同的問題。爭論只有一種結束方式:口徑只存在一份,以可執行的形式存在,有具名的負責人;所有使用方——儀表盤、電子表格、AI Agent——都去呼叫這份口徑,而不是自己再寫一遍。

是哪五個選擇讓同一個指標分叉?

把兩條查詢並排放在一起,差距就能分解為下面幾項的某種組合。最後一列是不到一分鐘就能把該項暴露出來的提問。

選擇財務的營收銷售的營收對數字的影響一問即露的提問
過濾條件剔除已取消訂單、貸項通知單(credit note)、集團內部交易團隊簽下的全部訂單銷售偏高“WHERE 子句裡有哪些狀態和記錄型別過濾?”
時間口徑收入確認日期或開票日期下單日期或簽約日期年度合計相同,季度分佈不同“GROUP BY 用的是哪個日期欄位?”
粒度一行一條發票明細一行一個商機,或訂單關聯發貨後的一行多次發貨的訂單被重複計算;部分開票被漏掉“SUM 之前,一行代表什麼?”
關聯路徑發票關聯 ERP 的客戶主資料商機關聯 CRM 的客戶(account)一個客戶被拆成兩個,或兩個被併成一個“事實表靠哪個鍵關聯到客戶?”
來源系統總賬銷售管道(pipeline)根本就是兩批不同的記錄“這些行來自哪個系統?”

這五項單獨看都不是錯誤。銷售負責人關心合同簽字當天的簽約額,沒有錯;財務總監關心可以確認收入那天的營收,也沒有錯。問題出在兩個團隊的上游:兩個數字一起登上董事會彙報頁,都叫“營收”,而頁面上沒有任何東西顯示每個數字背後的那五個選擇。

為什麼時間口徑最容易引發爭論?

一條商業記錄身上掛著好幾個日期:下單、發貨、開票、回款、確認收入。選的日期不同,一筆 6 月 30 日簽約的交易,在銷售那裡落在二季度,在財務那裡落在三季度。兩個團隊可以對年度合計毫無異議,卻為每一個季度爭執不下,因為這種分叉在輸出結果裡是看不見的:兩個都正確的季度合計,和一個正確、一個錯誤的季度合計,看起來一模一樣。

第二個更隱蔽的時間問題藏在口徑本身:規則生效的時間與規則被批准的時間之間有一段間隔。假設“淨營收”被重新定義為剔除一類新的返利,10 月 1 日生效,10 月 20 日簽字批准。這十九天裡做出的報表,用新舊哪一版都有可能。更麻煩的是,12 月重跑的報表可能按新規則重算 10 月,於是 10 月的董事會材料與今天對同一個月的查詢對不上,而資料本身一行都沒動過。

DataFocus 的本體文件把這兩者作為兩個獨立的時間戳處理:業務有效時間與批准時間是兩件事;未批准的規則不能成為系統生效的知識;對歷史問題的回答要標明它是“當時已知的情況”,還是“用今天已批准的知識重新計算的結果”。首頁演示場景(模擬資料)用一條客服政策展示了這個機制:響應時限從 24 小時改為 4 小時,9 月 25 日零點生效。在負責人批准之前,Agent 繼續按舊規則 v1 回答;批准之後,新問題使用 v2,而此前按 v1 給出的回答保留原樣,不被改寫。放到營收口徑上就是:兩個日期都記錄下來,並讓每一次歷史查詢都說清自己要的是哪一個。

粒度和關聯路徑如何讓合計變大或變小?

粒度回答的是“一行代表什麼”。通過一次關聯改變了粒度,SUM 就跟著變。一筆金額 10,000、分三次發貨的訂單,在訂單表裡只有一行,訂單關聯發貨之後變成三行,SUM(order_value) 就會返回 30,000(示意數字)。這就是扇出(fan-out)。它的映象是裂隙陷阱(chasm trap):兩張事實表通過同一個維度表關聯時彼此相乘。這兩種錯誤都不會報警。查詢正常執行,儀表盤正常渲染,只是數字大得不對。

關聯路徑決定營收歸誰。如果 CRM 把客戶叫“Acme Ltd”,而 ERP 的客戶主資料叫“ACME Limited”,按名稱關聯就會把一個客戶拆成兩個;模糊匹配同樣容易把兩家毫不相干的公司合成一家。合計數也許僥倖沒變,但客戶排名、集中度分析,以及一切建立在客戶身份之上的集團內部交易過濾,都會跟著失真。

語義層工具解決這兩個問題的辦法,是把結構顯式寫出來,而不是留給每一位寫查詢的人自行處理。dbt Labs 的文件說明,dbt 語義層背後的引擎 MetricFlow 使用實體型別(entity type)來導航關聯,以避免扇出和裂隙關聯(dbt Developer Hub,About MetricFlow,以 2026 年 11 月文件為準)。DataFocus 的本體文件把同樣的紀律用在業務物件上:訂單關聯到客戶、生產任務和有效合同;每個欄位有來源,每條定義有負責人;不確定的關係保持未確認狀態。其首頁演示場景(模擬資料)把最後這條規則延伸到身份層面:在 CRM、ERP 與合同之間的客戶標識對映得到確認之前,Agent 不會把兩個相似的名稱當成同一家公司。正是這份已確認的對映,讓“按客戶看營收”從發票一側和商機一側算出同一個答案。

逐行對出 130 萬的差額(假設場景)

假設場景:一家中型裝置經銷商在做三季度復盤。銷售報 1,240 萬,財務報 1,110 萬。有人把兩條查詢並排放到一起。以下所有數字均為示意,純屬虛構。

選擇解釋的差額兩條查詢的不同之處
時間口徑60 萬銷售按簽約日期計算訂單;9 月 29 日和 30 日簽約的兩筆大單在 10 月才開票
過濾條件40 萬銷售把後來取消的訂單和 9 月開出的一張貸項通知單都算了進去;財務兩者都剔除
粒度20 萬銷售儀表盤為了顯示發貨狀態把訂單關聯到發貨表;多次發貨的訂單每發一次就被加一次
關聯路徑10 萬一個客戶在 CRM 裡存在兩次;一筆集團內部交易記在重複的那條上,內部交易過濾因此漏掉了它
合計130 萬

四行解釋了全部差額,而且沒有人粗心。其中兩行(時間口徑和取消訂單的過濾)是兩個團隊對“需要知道什麼”的正當分歧;另外兩行(發貨扇出和重複客戶)是錯誤,放在任何報表裡都是錯誤。

解決辦法不是宣佈誰贏,而是釋出兩條有名字、有負責人的口徑,並讓那些匿名的副本退役:

  • 簽約額(Bookings):按簽約日期統計的訂單金額,剔除已取消訂單,訂單粒度,負責人為銷售運營。
  • 確認收入(Recognized revenue):按收入確認日期統計的發票金額,扣除貸項通知單和集團內部交易,發票明細粒度,通過已確認的客戶對映關聯,負責人為財務。

兩者可以並排出現在每一張儀表盤上。當 AI 助手被問到“三季度營收是多少”時,它應該先問清楚指的是哪一個,或者預設採用那條標籤為“營收”、有負責人的口徑。它絕不能做的,是自己再寫一條新查詢,往爭論里加第三個數字。

確認收入的邏輯草稿如下(示意程式碼,未實際執行;名稱均為虛構):

-- 示意程式碼,未實際執行
SELECT DATE_TRUNC('quarter', il.recognition_date) AS quarter,
       SUM(il.net_amount)                         AS recognized_revenue
FROM invoice_lines il
JOIN customer_map cm ON cm.erp_customer_id = il.customer_id
WHERE il.is_credit_note = FALSE
  AND cm.is_intercompany = FALSE
GROUP BY 1;

任何分析師都能在五分鐘內寫出這段 SQL。它的價值不在 SQL 本身,而在於這段邏輯只存在一份,所有報表都來呼叫它。

“一次定義,處處複用”在實踐中需要什麼?

大多陣列織其實早就把營收用文字定義在某個地方了:一份財務制度、一頁 wiki、一段寫在 SQL 檔案開頭的註釋。文字止不住分叉,因為每位報表作者讀過之後還是會寫一條新查詢,把那五個選擇重新做一遍。一條口徑只有同時滿足四個條件,才能真正消除分歧:

  1. 可執行。 使用方呼叫它,而不是抄寫它。
  2. 有負責人。 由一個具名的人批准變更、裁定變體。
  3. 帶兩個日期的版本管理。 有效時間和批准時間都被記錄,歷史答案才能被複現。
  4. 機器和人都能呼叫。 如果 AI Agent 只能讀到文字,它會做每一位人類分析師做過的事:自己寫 SQL。

有兩種公開有文件的做法,以不同方式滿足這四個條件。

轉換層裡的指標層。 dbt Labs 的文件說明,把指標定義從 BI 層移到建模層,不同業務單元就能基於同一套定義工作;當某個指標在 dbt 中的定義發生變化時,“它在所有被呼叫的地方都會重新整理”(dbt Developer Hub,dbt Semantic Layer,以 2026 年 11 月文件為準)。它的指標型別包括簡單(simple)、比率(ratio)、累計(cumulative)、派生(derived)和轉化(conversion)五種;派生指標可以用營收減成本算出毛利(dbt Developer Hub,Metrics overview,以 2026 年 11 月文件為準)。對於已經用 dbt 建模、主要服務 BI 工具的團隊,這是一條走得很熟的路。

業務本體。 DataFocus 對其本體的描述是:制度、規則和指標口徑存放在文件中心,並關聯到它們所約束的資料。業務定義一次設定,供搜尋式分析、資料看板、控制面板、本體 Agent 和外部 Agent 共同使用,各方拿到同一組數字。每一次查詢都返回實際執行的 SQL、用到的表和一份資料指紋,於是一個有爭議的數字可以追溯到那次精確的計算,而不是停留在各執一詞。DataFocus 的產品簡介用產品內建的示例資料展示了這一點:一位業務使用者在資料搜尋中查詢按申請部門彙總的金額,Claude Code 通過 MCP(模型上下文協議)問同一個問題,兩邊得到的三個部門合計完全一致;Agent 的回答引用了它執行的 SQL 和一個回執指紋 evidenceRowsSha256。這就是第四個條件的具體形態:Agent 沒有自己寫一套口徑,它呼叫了共享的那一條,並且把過程擺了出來。

兩種做法的差別在於範圍。指標層以建模之後的表上的度量和維度為中心;本體除此之外還承載業務物件、物件之間的關係、業務規則,以及每一項的批准歷史。一條決策規則:如果你們的爭論只關於度量和維度,指標層就夠了;如果爭論還涉及哪些記錄歸哪個客戶、10 月當時生效的是哪條規則、外部 Agent 可以回答什麼,那就需要更寬的結構。無論選哪一種,終結爭論的性質是同一個:一份口徑,一個負責人,許多呼叫方。

下一次數字對不上,按什麼順序排查?

兩個數字不一致時,在任何人爭論誰對誰錯之前,先按下面的順序檢查。順序是刻意安排的:每一步都比下一步便宜,早發現一處不匹配,後面的步驟就不必做了。

  1. 說出每個數字背後的來源系統。 如果不同,就此打住:你們比較的是兩個資料集,不是兩條查詢。
  2. 說出每條查詢過濾和分組所用的日期欄位。
  3. 列出過濾條件:狀態、記錄型別、集團內部交易、幣種、測試賬戶。
  4. 說明被求和的行的粒度,並檢查是否關聯了一張粒度更細的表。
  5. 檢查實體對映:客戶、產品或賬戶是靠什麼關聯起來的。
  6. 檢查規則版本:該期間生效的是哪個口徑,報表執行時它是否已被批准。
  7. 做“兩個指標”測試。 如果雙方看過對方的口徑之後仍然都要自己那個數,那就是兩個指標,給兩個都起名字;如果選擇被擺明之後有一方讓步,那就是一個指標加一個錯誤,修掉它。
  8. 把結果寫成可執行的口徑,附上負責人和有效日期,讓所有副本退役。

第 7 步是多數對賬最常跳過的一步。把一個正當的第二指標當成錯誤,會養出一堆影子表格;把一個錯誤當成正當的變體,會讓分歧永久化。

什麼時候集中管理還不值得做

集中化的口徑有持續成本。每個指標都得有人負責、批准變更、應對變體請求,並在規則一改儀表盤就動了的時候解釋原因。對於只有一套 BI 工具、幾張報表的小團隊,版本控制裡一份經過評審的 SQL 檔案,也許就是全部所需的治理。探索性分析同樣需要自由:把每一個一次性問題都塞進受管控的口徑,會拖慢那些以提出新問題為本職的人。

一條可操作的門檻:當一個指標出現在多個團隊閱讀的週期性報表裡,或者當你期望 AI Agent 回答關於它的問題時,就把它集中起來。在這條線以下,容忍分叉的代價很低;在這條線以上,每開一次對賬會,花的都比當初把口徑定下來更多。

下一步

想了解業務本體如何承載指標口徑、規則以及它們與資料的關聯,可閱讀 DataFocus OT 產品簡介。想走指標層路線,dbt 的指標概覽是最清晰的起點。