数据指标体系

“数据为王”相信大家都听说过。当前，数据信息不再仅仅是传递的媒介，它成为了驱动经济发展的新燃料。对于企业而言，数据指标体系的搭建至关重要。一个完善的数据指标体系不仅能够帮助我们全面获取行业信息，还能精准识别在分析和决策过程中的风险与机会。

一、何为数据指标体系？

数据指标体系要围绕业务流程进行构建。“数据岗的核心职能，在于产出数据资产，提升信息的价值密度。”而指标体系就是一个组织最为重要的数据资产。

1.数据指标

数据指标是用于衡量和评估业务的量化单元，能够帮助企业描述、度量和拆解业务目标。它们既可以是绝对数值，也可以是比率或百分比。

常见的数据指标有PV（页面浏览量）、DAU（日活跃用户数）、GMV（商品交易总额）、ROI（投资回报率）等。

2.指标体系

指标体系是一套完整的、相互关联的数据指标集合，可以从多个维度全面反映业务状态和发展趋势，帮助企业从不同角度分析和理解业务。

没有体系的指标，所传递的信息是零散的、杂乱的。指标体系应贴近业务实际需求，做到“够用即可”。根据当前的业务重点搭建关键简洁的指标体系，根据核心业务场景简化指标，用最小的指标集合完成关键监控和优化。

3.数据指标体系要点

一个完整的数据指标体系通常由三部分构成：指标库、关联关系，以及指标体系的使用指南。

以最基本的“利润 = 收入 - 成本”为例，我们来具体聊聊一个完整的指标体系是如何产生。

首先，已知我们有利润、收入、成本这三个指标，以及这个等式（他们之间的关系），那么这三个指标是否构成一个指标体系呢？

答案是不构成，因为还缺失在具体场景下的使用方法。

假设我们用“利润、收入、成本”去衡量某公司的经营情况。五月份的收入是8000万，成本是6000万，利润是2000万。请问这个公司的经营状况如何？这里可以得出四种结论：

• 不知道—— 因为没有参照标准。

• 非常棒，利润同比增长100% —— 和自己比，趋势向好。

• 还可以，至少是盈利的。—— 和目标比，表现比盈亏平衡好。

• 非常糟糕，经营效率低下。—— 和市场比，同业竞对以同样的成本可以创造4000万的利润。

可见，分析指标不同，得出的结论是截然不同的。所以说：

【√】使用方法对于指标体系而言是不可或缺的。

【×】指标体系不是指标的罗列。

【★】“和自己比、和目标比、和市场比”的三板斧是非常基础、非常有效、非常落地的比较方法。

如果我们把数据指标体系视作为一个产品，指标库就是这个产品的硬件，指标间的关联关系就是这个产品的软件，而使用指南就是这个产品的说明书。

数据体系化的本质是将数据指标系统性地组织起来，具体会按照业务模型、按标准对指标不同的属性分类及分层。

所谓数据指标体系，就是需要通过各项数据和指标，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。

二、数据指标体系能解决什么问题？

一个完善的数据指标体系对企业的发展和决策至关重要。比如，某公司定义了用户流失率指标是“连续三个月不消费”，可业务看到这个指标却很懵：

业务员的困惑

知道了用户流失率是30%，所以呢？能干什么？

知道了用户流失要召回，可召回划算吗，值不值得干？

为啥一定要等到用户流失了才干活？不能早干点事吗？

在这种情况下，就可以通过搭建一个用户流失的数据指标体系，可以通过数据指标体系来全面反映问题，辅助业务决策。

数据指标体系的目的是为了帮助更好地理解业务，从而作出正确的决策和预判。对于建立指标体系而言，近乎真理的起点在于“理解业务”。

业务目标是业务最关心的东西，也决定了指标体系的主指标是什么。数据采集，得优先保证主指标有采集；指标体系的展开，也优先展示主指标的产生过程。

• 销售目标达成→指标：销售收入（金额）

• 销售业绩增量→指标：销售收入增长率

• 销售队伍稳定性→指标：整体离职率/A级离职率

• 特定客户开发数量→指标：整体离职率/A级离职率

• ……

梳理清楚这些，定下主指标，就能结合具体业务流程，看主指标是怎么实现的。这就是数据指标体系最核心的作用。

不同层次的数据指标体系所产生的效果显然不一样，一般来说，数据指标体系可分为四个层次：

① 描述现状：这套指标体系，可以帮助我们基本还原业务整体的运营现状。

② 分析原因：这套指标体系，可以帮助我们对业务的变化进行归因，对问题进行定位。

③ 预测未来：这套指标体系，可以帮助我们，进行假设分析，对未来做出一些预判。

④ 改善未来：这套指标体系，可以帮助我们找到，改善业务的动作、策略、战略。具体而言，这套指标体系，可以围绕组织目标，找到某些人，驱使他们去做某些事（寻某人、行某事）。

一个可用的指标体系，至少要达到以上四个层次其中之一。能够达到的层次越高，这套指标体系能产生的价值越大。

一个优秀的数据指标体系可以反映很多问题，无论是对于管理者而言，还是对于运营或者销售而言，都能帮助我们更好地发现问题，解决问题。

三、如何搭建数据指标体系？

在构建指标体系的过程中，首要动作就是明确指标的分类以及约束指标命名方式，使各个指标能够做到见名知意、减少沟通成本。

1.数据指标分类

按照阿里对指标的划分规范指标命名，数据指标可分为原子指标和派生指标。

• 原子指标=业务过程+度量

• 派生指标=时间周期+修饰词+原子指标，派生指标可以理解为对原子指标业务统计范围的圈定

整体而言，指标体系是按照自上而下演绎、自下而上归纳两个方法结合，多维多层指标框架是对整个业务板块指标的梳理，在每一个板块里面横向展开指标业务的维度，纵向基于整个指标的层级，从战略指标展开至经营管理指标、业务执行指标。

2.搭建数据指标体系

要搭建一个业务用得起来的指标体系，需要考虑三个流程：业务流、管理流、数据流。

步骤一：梳理业务流

梳理业务流，即搞清楚业务上需要分几步达成目标。有些业务流程是很清晰的，比如销售流程，就是一个大转化漏斗；比如客服流程，根据客户需要，分类处理问题。

业务流程是数据指标的基础。对用户流失而言，常见的措施有：

• 事前预防：当用户出现投诉/退货，及时安抚

• 事前预防：当用户消费一个月比一个月少，及时激励

• 事前预防：当用户1个月/2个月未消费（此时尚未达流失标准）进行刺激

• 事后补救：利用优惠活动/新品上市/爆款产品等进行召回，尝试重新激活

可以先列出清单，然后让业务选：希望从哪个方向下手。对于列出清单后，还是不知道如何选择的情况，可以先把这几种情况对应的数据捞出来，等看清楚大局再行动。

步骤二：梳理管理流

梳理管理流，即搞清楚管理层到底希望业务想做成啥效果。注意！即使业务流程很清晰，业务的目标也有可能是多元化的。

比如销售流程，有可能有好几种考核方法：

• 只考核销售额

• 销售额+毛利

• 销售额+毛利+回款

• 销售额+特定产品销量

不同考核方式，决定了指标体系的主指标不同，当然会影响考察哪些子指标。因此搞清楚管理层意图很重要。

步骤三：梳理数据流

梳理数据流，即明确业务的目标是否已量化记录，业务的操作流程是否已量化记录。这一步是确保前两步梳理的内容，能落地成数据表报，而不是悬在空中。考察的是数据采集的功夫。

一个好的数据指标体系，可以指导业务实现工作闭环，用通俗的话说，是：我想干什么→我要针对谁干→我要怎么干→我干成了没有，全流程都有数据监控。

数据分析能力现在越来越成为一项通用附加技能，数据分析与自己的主业相结合，更能发现问题，解决问题。

抓住机遇，狠狠提升自己

随着各行各业进行数字化转型，数据分析能力已经成了职场的刚需能力，这也是这两年CDA数据分析师大火的原因。和领导提建议再说“我感觉”“我觉得”，自己都觉得心虚，如果说“数据分析发现……”，肯定更有说服力。想在职场精进一步还是要学习数据分析的，统计学、概率论、商业模型、SQL，Python还是要会一些，能让你工作效率提升不少。备考CDA数据分析师的过程就是个自我提升的过程。

CDA 考试官方报名入口:https://www.cdaglobal.com/pinggu.html