结论是有条件的:如果旧数据源和新数据源对同一指标的定义、时间粒度和时区一致,历史曲线可以接上;如果定义或粒度变了,接上的只是两条形状相似的线,不是同一条趋势。判断依据不在插件界面,而在两段数据各自的元信息里。
统计类插件换数据源后,最容易被忽略的不是数字大小,而是指标口径。假设一个插件原先统计的是“表单提交成功次数”,新数据源统计的是“表单提交按钮点击次数”。两者在页面上都叫提交量,但一个排除了校验失败,一个没有。此时把两段曲线画在一起,交接点会出现台阶,读者会误以为业务发生了变化。
可核对的证据是数据字典或字段说明。如果新数据源没有公开定义,可以先取一段两套数据都覆盖的时间,按同一筛选条件分别导出,比较同一指标在同一时间点的差异。差异稳定且可解释,说明口径接近;差异随场景波动,说明定义不同。
即使指标定义相同,粒度不同也会让曲线在交接处失真。按天聚合的数据与按小时聚合的数据放在同一张图上,前者是后者的求和结果,但求和边界取决于时区。旧数据源用站点时区,新数据源用 UTC,跨日的那几个小时会被分到不同日期。
处理动作是:在接入新数据源前,先确认它输出的时间字段是日期、时间戳还是带时区的字符串,再决定聚合发生在导出前还是导出后。这个动作的结果会直接影响下一步——如果聚合发生在导出后,你需要在图表层统一时区;如果发生在导出前,历史数据可能已经无法按新口径重新聚合。
有一种情况会让上面的判断全部失效:新数据源并非替换旧数据源,而是与旧数据源并行运行,且两者覆盖的访客群体不同。例如旧数据源只记录已登录用户,新数据源记录全部访客。此时即使指标名称、粒度、时区都一致,历史曲线也不能直接连接,因为分母变了。
识别这种反例的证据是看两段数据在重叠期的用户数或会话数。如果重叠期内新数据源的基数明显更大,且差异集中在未登录或匿名访问上,说明不是口径微调,而是统计范围变化。这种情况下,正确的动作是给两段曲线加标注或分段展示,而不是强行连接。
可以按下面的顺序做一次核对,每一步都留下可复查的记录:
这个动作的结果会决定历史曲线在图上的呈现方式,也会决定后续报表是否需要加脚注说明数据源变更。如果跳过核对直接连接,后续所有基于该曲线的同比或环比计算都会带着未标注的口径差异。
当旧数据源已经停止输出,且原始明细没有保留,历史曲线就失去了重新聚合的可能。此时能做的不是修复曲线,而是明确标注断点:在图上标出数据源切换日期,并说明切换前后不可直接比较。如果必须给出连续趋势,可以在文字中分开描述两段,而不是画成一条线。
这个取舍的关键在于:历史曲线的作用是支持判断,不是视觉上的连续。一条被标注了断点的曲线,比一条看似平滑但口径混杂的曲线更有用。