扫码加入数据分析学习群

一个好的数据指标应该要符合下面的几个特征：

1、准确性。这是最根本的一条原则。这个准确有二个层面的意思，一个是数据指标在技术实现过程中，是准确的，不会出现代码逻辑写错，源数据取错。二个统计源数据的源头的数据是对的，如果统计数据指标的基础数据都是错了，那就更666了！一个公司数据收集与记录的准确、完整也一定是一个持续迭代的工程，当然这属于哪一个话题，有空再论。

2、有效性。数据指标的能真实反映要能衡量相对的业务场景商业目标，例如：要针对衡量一个网站流量质量设计一个指标，使用UV来衡量是错误的。使用跳出率来衡量，有一定的有效性，但还是不够有效；使用转化率也许才是比较合适的（不同公司所要追求的商业目标不一样，所以设计的数据指标是不一样的），用最近期望用户完成的商业动作访问数/进来的访客数。【实际工作中，衡量某个场景数据指标不一定就是立即能找到最合适的】

3、周期性。数据指标需要定期去复盘。像KPI的指标定义，例如：销售额可能根据当前商业的目标不同，计算口径可能会发生很大的变化。同时，对各个数据指标也要定期进行复盘，是否还可以继续衡量，数据指标还是否有意义。随时KPI指标的变化，往往很多指标的口径也要变更，数据开发最怕就是这个，口径变换要重刷历史。

4、可实现性。在实际企业中，可能受限数据的完整性因素，很多指标没有办法计算得到。例如：公司的市场占有率往往是很难统计，因为整个市场份额这个数据很难获取。电商中每个订单的成本的计算也很难，广告费用、仓储、人员工资、仓储、物流配送等。所以在数据指标的可实现性上往往需要先实现简单的，再根据数据应用深入，数据团队技术强大不断再完善复杂的指标。