【数据分析】数据指标的分类及应用场景

数据分析之数据指标的分类

数据分析离不开对关键指标的分析与跟踪,这些指标通常与具体的业务直接相关。好的指标能够促进业务的健康发展,因为指标与业务目标是一致的,此时指标就能反映业务变化,指标发生变化,行动也发生变化;而不好的指标则可能会误导你的行为,因为它与你的业务目标不相关。而想要找到好的指标,就需明白不同的指标用法以及能够解决怎么样的问题、在什么样的环境之下适用,也即数据指标分类。


1 定性指标与量化指标

定性指标:通常是非结构化的、经验性的、揭示性的难以归类的;
量化指标:涉及很多数值统计数据,提供可靠的量化结果 , 但缺乏直观的洞察。

数据与文字,主观与客观
定量指标通常与数字有关,比如电商业务中的销售额、转化率等;而定性指标则涉及更多的文字性描述,比如对客户的调查问卷得出来的一些主观的结论等。

2 虚荣指标与可付诸行动的指标

虚荣指标:看上去很美,让你感觉良好,却无法指导你的商业行为。(对行为不具备指导性)
可忖诸行动的指标:根据它的变化,可以让你选出一 个行动方案,从而指导你的商业行为。(对行为有指导作用)

实际与虚幻,指导与误导
假设你有一 项指标,当这项指标发生变化的时候,你却不知如何根据它的变化采取行动,或者采取的行动加剧了事态的恶化,那么这项指标可能就是一 个虚荣指标。相反的,当指标发生变化的时候,能够反映实际业务的问题,并对你下一步的行动有一定的指导性,你能根据它的变化采取有价值的行动,那么这项指标就是可付诸行动的指标。
常见的虚幻指标有下载总量、点击总量等,这类指标随时间单调递增,单独使用无法反应实际业务的变化,而且有可能让你陷入看起来还行的错觉中。

3 探索性指标与报告性指标

发现与执行,探索与守成

①探索性指标:是推测性的 , 提供原本不为所知的洞见,帮助你在商业竞争中取得先手优势。
②报告性指标:则让你时刻对公司的日常运营日常管理性活动保持信息通l肠、步调一 致。

需要注意的是,探索性指标可能本身并不存在,也就是说它可能并不是一个现成的指标,需要你去对过去的数据进行分析和探索、挖掘与整合得出来的新数据指标,新挖掘出来的指标可以叫做探索性指标,只因它比原来的指标更加适合业务。而报告性指标通常出现在公司的周报、月报等各类可以公之于众的报告中。

4 先见性指标与后见性指标

未雨绸缪与步步为营

先见性指标用于预言未来
后见性指标则用于解释过去

先见性指标可以帮助你预测还没有发生的事,比如销售漏斗中有各个销售阶段的转化率,在业务没有大的调整的情况下,不同漏斗阶段的客户转化率可能相对稳定,如此可以帮助你推测下一个阶段可能会发生的一些事情,这样可以让你提前解决一些可能出现的问题,从而调高转化率。
后见性指标往往用于事后分析,亡羊补牢,或者用于验证业务调整效果或者执行效果。

5 相关性指标与因果性指标

x相关关系与因果关系

①相关指标:如果两个指标总是一 同变化,则说明它们是相关的;
②因果性指标:如果其中一个指标可以导致另一个指标的变化, 则它们之间具有因果关系。

如果你能发现两件事之间的因果关系,那你就能根据因去预测果,知因得果总好于知果索因。

6 关键指标与非关键指标。

每个行业都有自己的关键绩效指标:关键指标能影响事物发展的趋势。
非关键指标则可以让事情的发展一波三折,但是却决定不了大趋势。


·数据指标的变与不变

指标永远是为目标服务的,如果目标发生变化,指标则可能不再适用,此时就不能抱残守缺,而是及时探索找到新的指标。新的事物终将替代旧的事物,新老更替,自然之理也。
对待目标,则不能朝三暮四,这山看着那山高。只有深耕细作,在沃土中埋下一粒好种子,秋来才能硕果压满枝。

你可能感兴趣的:(数据分析,数据分析,大数据,数据挖掘)