前言¶
接到一个新行业的 BI 项目，最常见的问题是：指标从哪来。行业不熟时，能想到的通常是去搜几篇行业报告，或者问业务方要现成的报表口径。结果是指标名称不统一、口径互相打架、维度和来源也说不清，第一版指标体系往往要反复返工。
行业指标库（@user_4351e0a8/industry-kpi-advisor）就是把这一步提前做好的 Skill。它按国标 GB/T 4754-2017 的行业分类建成了一套两层指标库，覆盖 20 个门类、97 个大类，共 2703 条指标。下面介绍它的能力边界、怎么启用，以及在实际使用中需要注意的地方。
这是什么¶
一句话定位：当 BI 分析者面对新行业或新业务、需要快速梳理指标体系时，这个 Skill 提供一套结构化、带口径和公式的指标库作为起点。
- 出品方：SkillHub 社区发布者 user_4351e0a8，来源标记为 community
- 版本：2.2.0，分类 data-analysis，标签 requires_api_key=false（不需要 API Key）
- 平台数据：SkillHub 评分 100000，下载 2728 次，安装 0 次
- 定位对比：它不像通用对话那样现编指标，而是把指标沉淀成库，命中行业大类后按固定结构输出，口径可追溯
核心能力¶
1、两层指标库结构¶
指标库按 GB/T 4754-2017 组织成两层：
- 19 个门类共性库：按行业门类沉淀跨大类通用的指标
- 88 个大类特性库：按行业大类沉淀该大类特有的指标
- 1 个跨行业供应链专题，依托 SCOR 框架
三层合计 2703 条指标，覆盖 20 个门类、97 个大类的全适用行业。
当用户的问题命中某个大类时，Skill 会同时取出「大类特性库」和所属「门类共性库」两层结果叠加输出，而不是只给其中一层。这一点对指标体系完整性有用：只查大类容易漏掉门类层面的通用指标，只查门类又拿不到行业特性。
2、十列指标表格¶
输出格式固定为 10 列表格，每行一个指标：
名称、定义、计算公式、常用维度、数据来源、
指标分类、期望分类、越大意味着、越小意味着、依托方法论
其中「越大意味着 / 越小意味着」直接写明了指标的解读方向，避免使用者拿到数字后不知道涨跌是好是坏；「依托方法论」标注指标背后的方法论出处，便于追溯口径来源。
3、按业务环节引导式问答¶
提问不需要一次性讲清楚整个行业。Skill 按业务环节做引导式问答，例如先问「XX 行业有哪些指标」，再逐步收敛到某个业务环节。适合对行业只有模糊认识、还拆不出完整业务链路的用户。
4、库外行业按方法论现场梳理¶
遇到库里没有的行业，Skill 按方法论现场梳理指标，并把结果沉淀回库。也就是说使用过程会扩充这个库，后续再遇到同行业问题时有现成结果可用。
5、中英文提问¶
支持中文和英文提问。
安装与启用¶
官方资料中未给出独立的安装命令或配置文件路径，该 Skill 按通用 SKILL.md 格式组织，通过 SkillHub 分发。
可用的启用方式：在 SkillHub 平台上按坐标搜索安装：
@user_4351e0a8/industry-kpi-advisor
安装前确认两点：
- 该 Skill 标记 requires_api_key=false，不需要准备 API Key
- 当前版本为 2.2.0，以 SkillHub 页面上的最新版本为准
如果你在使用 Cursor、Codex CLI 或 Claude Code 等支持 Skill 的环境，把 SKILL.md 放到对应 Skill 目录下即可加载。具体目录约定以各环境的官方文档为准，这里不展开。
典型用法¶
以下提问示例来自官方资料中的触发语，可以直接复现：
中文提问：
梳理XX行业的指标体系
XX行业有哪些指标
帮我看看XX行业XX环节
接到新项目是XX行业的帮我捋下指标
英文提问：
KPI framework for a SaaS company
key metrics for cross-border e-commerce
提问命中某个行业大类时，输出为叠加后的两层指标表格（大类特性 + 门类共性），每行一个指标、共 10 列。
适用场景与注意¶
适合：
- BI 分析师、数据产品经理接手不熟悉的行业项目，需要快速搭指标体系初稿
- 需要给业务方解释指标口径、公式和数据来源的场景
- 新业务从零建指标，或者旧指标体系需要按行业重新梳理的场景
注意：
- 指标库依据 GB/T 4754-2017 的行业分类组织，如果你的业务分类与国标门类/大类不完全对应，命中可能不准，需要人工确认归属
- 2703 条指标是库容量，单次提问不会全部输出；要拿全量指标需要按业务环节逐步收敛提问
- 库外行业虽然支持现场梳理并沉淀回库，但沉淀后的口径质量取决于当时的梳理过程，正式使用前建议让业务方复核
- 官方资料显示当前安装量为 0，社区验证样本少，实际效果建议先在一个行业上试一轮再推广
结尾¶
行业指标库做的事情很具体：把「新行业指标从哪来」这个问题，从临时搜索和反复对齐，变成一次命中两层结构化指标库的查询。对经常跨行业接项目的 BI 分析者来说，它能省掉前期最耗时的口径梳理部分。
官方地址：https://api.skillhub.cn/user_4351e0a8/industry-kpi-advisor
SkillHub 页面：https://www.skillhub.cn/skills/user_4351e0a8/industry-kpi-advisor
