数据管理—1、指标体系

数据管理—1、指标体系

1、什么是指标体系

1.1什么是数据指标

数据指标有别于传统意义上的统计指标，它是通过对数据进行分析得到的一个汇总结果，是将业务单元精分和量化后的度量值，使得业务目标可描述、可度量、可拆解。数据指标需要对业务需求进行进一步抽象，通过埋点进行数据采集，设计一套计算规则，并通过BI和数据可视化呈现，最终能够解释用户行为变化及业务变化。常用的数据指标有PV、UV等。

本文提及的指标是衡量目标的方法，指标由维度、汇总方式和量度组成（见图1.1）。其中，维度是指从哪些角度衡量，是看待事物的视角与方向，决定了根据不同角度去衡量指标。汇总方式是指用哪些方法衡量，是统计汇总数据的方式。而量度主要是明确事物的具体目标是什么，是对一个物理量的测定，也用来明确数据的计量单位。

图1.1 指标的组成

1.2指标的分类

维度、汇总方式、量度构成了指标。单纯从技术角度对指标进行分类，指标的主要类型有基础指标、复合指标和派生指标，如图1.2所示。

图1.2指标的主要类型

1）. 原子指标

原子指标指的是基于业务过程的度量值，顾名思义是不可以在进行拆分的指标

核心功能：对指标的聚合逻辑进行了定义

三要素：

业务过程

度量值

聚合逻辑

2）. 派生指标

派生指标是基于原子指标的 关系为

派生指标 = 原子指标 + 统计周期 + 业务+ 统计粒度

举例具体解释：

派生指标：最近一周更省份手机品类订单的总额

原子指标：订单总额 (定义业务过程、度量值聚合逻辑)

统计周期：最近一周(限定统计的范围 是一个特殊的业务限定)

业务限定：品类为手机(限定统计范围，相当于SQL中的where条件)

统计粒度：省份(定义统计粒度，相当于SQL中的group by)

3）.衍生指标

衍生指标是在一个或多个派生指标的基础上，通过各种逻辑运算符合而成的。

比如比率，比例等等类型的指标

1.3什么是数据指标体系

指标体系是从不同维度梳理业务，把指标有系统地组织起来。简而言之，指标体系=指标+体系，所以一个指标不能叫指标体系，几个毫无关系的指标也不能叫指标体系。

数据指标体系含有十分丰富的统计量，从宏观上看，它是一个相对全面的有机整体；从微观上看，每个数据指标都有其特定含义，反映了某一细节的客观事实。不同的数据指标定义不同，逻辑也不同，这些各种各样的统计量共同构成了数据指标体系，使其产生不可磨灭的价值。

总的来说，数据指标体系是对业务指标体系化的汇总，用来明确指标的口径、维度、指标取数逻辑等信息，并能快速获取到指标的相关信息。

2、如何搭建数据指标

2.1搭建数据指标体系原则

构建指标体系的原则共分为“五大原则”:

1）、可追溯性原则。指标体系必须适用于国际比较，并从企业的现状追溯到其历史，从而为现有状况找到理由。可追溯性是构建一个可持续发展的指标体系所必需的，只有这样，各类指标体系才能得到有效建立，避免无可避免的事件发生。

2）、有效性原则。指标体系必须有效完成各类任务，包括有效地收集数据，评估企业的发展状况，并有效地识别客观的发展机会。唯有让有效能力的指标体系起到应有的作用，以实现可持续发展的目的。

3）、可应用性原则。指标体系必须实用、灵活、通用，方便的使用在不同的企业实践活动之中，以满足企业在发展过程中遇到的多样化问题。

4）、完整性原则。指标体系必须在体积和深度上全面考虑所有调查事项，并能够与实际情况对接，考虑经济市场异质性、复合性等，有效完成评估工作。

5）、可解释性原则。指标体系构建的本质是要使各类指标更完善、更清晰、更可衡量这一原则要求构建一个可描述性的指标体系，所有构成指标体系的指标标准都应该有一定的准确性，并可供基本识别和理解，以实现可持续发展的目的。

2.2建立指标体系的方法

指标体系建设的常用方法是通过场景化进行指标体系的搭建，以用户的视角场景化思考，自上而下业务驱动指标体系建设，所以要在特定场景下做好指标体系建设，需要先选好指标，然后用科学的方法搭建指标体系。选指标常用方法是指标分级方法和OSM模型。

2.2.1指标分级方法建立指标体系（如图2.1所示）

图2.1建立指标体系的方法

（1）明确部门KPI，找到合适的一级指标

一级指标是用来评价公司或部门运营情况最核心的指标。例如，某旅游公司在会员积分方面的开销较大， 业务部门关心成本，定的的KPI是合理利用积分抵扣金额，节省成本，所以该部门一级指标定为积分抵扣金额。

一级指标并非只能是一个指标，有可能需要多个一级指标来做综合评价。例如，某网贷公司产品部门的主要职能是开发出符合市场需求的贷款产品，在提升业务量（放款量）的同时，也需要监控业务质量（放款逾期率）。

根据市场和业务运营情况及时调整产品政策，所以该部门的KPI有两个：贷款产品放款金额、贷款产品的坏账率。

贷款产品卖的好光看“放款金额”还不够，还要关注毛利润，这才是真正赚到的钱。同时也需要看用户数，因为用户数直接和获客成本挂钩，要防止营销成本太高、实际没利润这样不可持续情况的发生。

所以该部门确定了三个一级指标：放款金额、毛利润、用户数。

（2）了解业务运营情况，找到二级指标

有了一级指标以后，可以进一步将一级指标拆解为二级指标。具体如何拆解，要看业务是如何运营的。比如销售部门一般按地区运营，就可以从地区维度拆解。市场部门一般按用户运营，就可以从用户维度拆解。

例如前面的案例中一级指标是积分抵扣金额，从订单维度拆解为积分抵扣金额 = 积分抵扣的订单数 * 平均订单抵扣金额，从会员维度拆解为积分抵扣金额 = 积分抵扣的会员数 * 人均抵扣金额。一级指标、二级指标指标的结构如图2.2。

图2.2二级指标拆分

（3）梳理业务流程，找到三级指标

一级指标往往是业务流程最终的结果，例如积分抵扣金额，是业务流程（会员->购买旅游产品->使用积分抵扣->支付金额） 最后的一个结果如图2.3。

图2.3业务流程

光看一个最后结果是无法监督、改进业务流程的，这就需要更细致一些的指标，也就是添加三级指标。例如，在业务流程中不同会员等级可以抵扣的金额不一样。不同旅游产品线可以抵扣的金额比例也不一样。所以，需要把二级指标按照业务流程拆解为更细的三级指标如图2.4。

 图2.4业务流程指标

在会员业务节点可以拆解为LV1级会员数、LV2级会员数、LV3级会员数、LV4级会员数。在购买旅游产品业务节点可以拆解为酒店订单数、机票订单数、跟团游订单数、自由行订单数。最后，确定的指标如下图，因为一级指标、二级指标、三级指标的结构像金字塔，所以如图2.5也叫做指标体系金字塔。

图2.5指标体系金字塔

每个指标从3个方面确定统计口径：

指标含义：这个指标在业务上表示什么？

指标定义：这个指标是怎么定义的？

数据来源：从什么地方收集的原始数据？数据统计的时间范围是什么？

（4）通过报表监控指标，不断更新指标体系

前面步骤找到了一级指标、二级指标和三级指标，到这一步可以把这些指标制作到报表中，通过报表监控指标，不断更新指标体系。

2.2.2OSM模型建立指标体系的方法

OSM模型（Obejective，Strategy，Measurement）是指标体系建设过程中辅助确定核心的重要方法，包含业务目标、业务策略、业务度量，是指标内容横向的思考。

· O

用户使用产品的目标是什么？产品满足了用户的什么需求？主要从用户视角和业务视角确定目标，原则是切实可行、易理解、可干预、正向有益

· S

为了达成上述目标我采取的策略是什么？

· M

这些策略随之带来的数据指标变化有哪些？

例如：现需要提高用户的付费转化率

#第1步 O：确定业务目标

业务目标：提高付费转化率

在接到很多数据分析需求时，我们都会遇到这种，需求不是很明确的情况，在第一步可以和业务方确认需求的具体要求、范围等，例如，是新用户还是老用户，提高多少达到标准等，有利于我们更有针对性的细分数据。

#第2步 S：确定业务策略

根据业务目标，梳理用户付费流程，提高每一步的转化率（如图2.6）

图2.6业务策略

梳理出用户付费全流程，针对每一步的转化，提出可实施的业务策略

#第3步 M：分析业务度量

根据可实施的业务策略，梳理出能够反映每个策略实施效果的具体数据指标，这些度量指标，即我们在实际分析工作中需要用到的数据指标（如图2.7）

 图2.7业务指标

OSM模型的使用注意：

1、在进行业务策略的梳理时，是需要和运营、产品等业务部门一起规划商讨决定的， 这里的S-业务策略，要梳理出围绕业务目标的，可实施，可监控的具体策略动作

2、OSM模型可以用来在明确了业务目标的情况下，确定策略和监控指标，也可以用来在不确定该分析哪些指标时，通过模型确定分析思路，明确指标。（如图2.9）

图2.9指标体系

2.3建立指标体系要注意

建立指标体系需要注意以下4个问题。

（1）没有一级指标，抓不住重点

工作里最常见的情况是你获得的报表是从离职同事那里交接过来的，或者是领导给你的指标，你只是负责定时更新报表。但是为什么这样做报表？做完了报表给谁看？其实你是不清楚的。

弄清楚这些，需要知道一级指标是什么。如果不能围绕一级指标来做事会闹出笑话来。例如，某银行为了激励员工，根据KPI给分行经理制定的奖励规则如下：

投诉率最低的五个分行经理各奖励2000元现金；

分行客服月通话时长平均≥3.5小时，奖励3000元。

某个分行经理带领团队只放出贷款20万元，在150家分行中排名最后一名，但因为上面KPI达成的好，其收入反而比某些全额达成放款目标的分行经理高。这种不以一级指标（放款金额）为前提的激励方案就是无效的方案。

（2）指标之间没有逻辑关系

如果不按照业务流程来建立指标体系，虽然指标很多，但是指标之间没有逻辑关系。以至于出现问题的时候，找不到对应的业务节点是哪个，没办法解决问题。

（3）拆解的指标没有业务意义

有的报表上的指标很丰富，但是却没有实际的业务意义，导致报表就是一堆“没有用”的数字。

例如：在销售部门，最关注的是销售目标有没有达成，现在达成了多少，接下来的每天应该达成多少，哪些些区域达成最高，哪些区域达成最低。如果不围绕这个业务目标拆解指标，而是随意把指标拆解为用户年龄、性别，这就与业务没有任何关系，只是为了拆解而拆解。

（4）建立的指标体系未和关键用户进行有效沟通

建立指标体系不是1个人能够完成的，需要业务部门）、数据部门、开发部门相互之间进行协作。

业务部门会不断提出新的业务需求。如果业务部门认可数据部门做出的分析报告，并希望以后可以随时查询到相关的数据，那么数据部门会把数据产品化，也就是协助开发部门把数据产品做进公司后台系统，一般形式就是报表。

日常工作中，业务部门、数据部门、开发部门部门是像下图这样紧密协作的。（如图2.10）

图2.10部门协助泳道图

建立指标体系需要各部门紧密沟通，还需要对公司业务和各部门职能的深刻理解，也就是这本书后面章节的业务知识，在此基础上再根据建立指标体系的方法，不断进行尝试就能够搭建出合适的指标体系。

3、为什么搭建指标体系

数据指标体系是业务数据标准化的基础，其对指标进行了统一管理，体系化是为了方便统一修改、共享及维护。

宏观方面，数据指标体系建设是数据中台建设的重要一环，不仅符合“创新驱动”的意识，更是企业实现自身“数据驱动”发展的重要途径。

随着大数据和人工智能技术的发展，很多企业选择借助信息技术实现转型升级。在大数据时代早期，大部分数据并没有被充分地挖掘分析和利用。虽然数据规模非常大，但是却很难利用这些数据创造价值。而数据中台的提出及数据指标体系的构建，使得数据产生了实际价值。有了数据指标，人们做决策时不再是按照经验“拍脑袋”，而是看看数据是怎样呈现的，能够及时基于数据进行战略调整及决策规划。

数据指标体系的价值主要体现在全面支持决策、指导业务运营、驱动用户增长，同时统一统计口径（见图3.1）。其中，作为压轴作用的统一统计口径对于数据指标体系而言具有战略意义。在一个整体中，如果不能统一口径，那么一切分析及对比的参考价值就会显得无意义，各方也会陷入公说公有理，婆说婆有理的尴尬局面。由此说明，对于衡量整个公司的业务价值而言，建立一套统一标准的数据指标体系的作用不言而喻。

图3.1 数据指标体系的价值

 1、全面支持决策

数据指标极具参考价值，公司的管理层为了更准确地进行战略决策，需要搭建完备的数据指标体系。一个相对全面的数据指标体系，可以让管理者对公司的发展从数据层面有一个比较客观的认知，而不是管中窥豹，这样在进行战略决策时，可以保持相对理性。而对于新业务的洞察，也可以不断融入新的数据指标，丰富指标体系，灵活且全面地把握业务发展趋势，为未来的决策提供借鉴。

2、指导业务运营

不懂数据的产品不是好运营，为了便捷地了解产品现状及业务效果，指标体系中会有很多拆解的细分指标，这些数据的变动反映的是用户对于运营情况的最新反馈，为运营的业务决策提供了数据支持。用户运营可以根据这些数据，了解用户的喜好，决定下一步的运营策略和活动开展。例如，对于阅读行业来说，内容编辑会基于自己对内容的认知，将一组有共性特征的书籍组成一个书单推送给用户，那么指标体系中也会有相应的指标反映用户对这个书单的偏好。内容编辑就可以通过这些指标，了解用户的偏好，决定下一步是否要继续尝试这种类型的专题。

3、驱动用户增长

最近最火的词莫过于用户增长，数据指标体系中的用户行为数据，可以让产品及运营人员对用户的行为路径和喜好模式有一个比较深入的理解。剖析用户的行为特征，助力用户价值的提升，让产品及运营更聚焦于产品细节的优化，更好地进行监测，提升用户留存及转化。人们在分析和挖掘用户行为的过程中，也许会发现不少新的用户增长点。体系化的指标结合了用户的场景，且多个不同的指标和维度可以串联起来进行全局分析，解决了非体系化指标无法串联的痛点。公司在深入进行数据分析后，可能会在原有业务中发现某个点潜藏着巨大商业价值，从而单独把这块业务重点推进，实现用户增长的二次腾飞。

4、统一统计口径

从技术角度来看，数据中台是为了汇总与融合企业内的全部数据，甚至外部数据，打破数据隔阂，解决数据标准与口径不一致的问题。数据指标体系化有个好处是可以实现指标的统一管理，实现统一的统计口径，避免定义模糊和逻辑混乱，影响数据质量。同时，完备的数据指标体系也可减少重复统计的问题，从而避免日志上报产生的数据冗余和重复分析产生的服务器资源浪费。