數倉建模—指標體系

關注公衆號：大數據技術派，回覆資料，領取1024G資料。

指標體系

提起指標這個詞，每個人似乎都可以說出幾個指標，像經常在工作中會聽到的日活、月活、註冊率、轉化率、交易量等事實上指標就是用來量化事物的一個工具，幫助我們去將一些抽象的事件得出一個輪廓上的描述。例如我們可以從指標上判斷一個產品的好壞，用戶粘性等等，例如我們通過日活能去判斷出我們整個產品的用戶量，從而能反應出我們這個產品的一個健康程度，也就是否處於增長過程中。

一個好的數據指標體系可以助力業務快速的解構業務、理解業務、發現業務問題，快速定位原因，並且找到最合適的解決方案。因此學習搭建一個好的數據指標體系是數據助力業務決策的靈魂。

指標，實際上就是一種度量。大到用於監控和評估商業進程的狀態，小到衡量某個功能模塊的情況，或者是自己的活動效果。指標體系的構建，是爲了讓業務目標可度量、可描述、可拆解，所以我們的指標是基於業務目標抽取和評估的數據維度，這些數據爲度可以用來幫助達到業務目標。

從而進行業務情況的監控、找到當前業務問題、評估業務可改進的地方，找出下一步工作的方向。

其實小到個人，大到國家都有各種各樣的指標，就連數字中國最關鍵的也是各種指標指數的定義和修正機制的建設！

指標建設過程中遇到的問題

指標沒有重點、沒有思路，構建完成後也只是一組數據，各有用處，合起來卻起不到作用；

指標空洞，粗看有模型又有分類，細看流程中卻沒有幾個具體的指標，無法落地

指標缺乏數據，導致業務上線了又開始添加指標、增加維度，最後報表變得臃腫，數據參差不齊，影響工作推進

指標建設方法論

下面是常見的指標體系建設方法，我們比較常用的是OSM+UJM 模型，當然這也不是絕對的，主要還是得看我們的業務場景和業務目標

北極星指標

人貨場指標體系

目前階段互聯網業務比較流行的一種通用抽象場景“人、貨、場”，實際就是我們日常所說的用戶、產品、場景，在通俗點講就是誰在什麼場景下使用了什麼產品，不同的商業模式會有不同的組合模式。

以滴滴實際場景爲例：哪些場景（此處場景定義爲終端，如Native，微信，支付寶）的什麼人（乘客）在平臺上使用了哪些貨（平臺業務線，如快車/專車等），進而爲評估用戶增長的價值和效果。

“人”的視角

從“人”的視角，我們比較關心的是什麼乘客在什麼時間打的車，排了多長時間，等了多長時間上車，週期內第幾次打車，打車花了多少錢，是否有投訴和取消行爲，具體到數據指標主要看發單用戶數、完單用戶數、客單價、週期內完單訂單數、取消訂單數、評價訂單數等

“貨"的視角

從“貨”的視角，我們比較關心的就是成交了多少，交易額多少，花了多少，到具體數據指標主要會看GMV、成交率、取消率指標，在進一步會細分到城市、區域，一級品類、二級品類。數據的效果通過目標對比，橫向對比、歷史比較等方式進行分析確定。

“場”的視角

從“場”的視角，我們比較關心的就是哪個渠道用戶點擊量大曝光率大，帶來了多少新用戶，完成多少交易訂單，客單價是多少；或者是哪個活動拉新或促活效果怎麼樣轉化率多少，結合場景數據實際情況制定對應策略。

以上分別從“人”、“貨”、“場”三個角度進行了數據指標和分析維度的提煉，下面我們把三類指標結合指標分級方法進行分解關聯。

OSM+UJM 模型

OSM+ AARRR海盜模型

指標分級方法

指標分級主要是指標內容縱向的思考，根據企業戰略目標、組織及業務過程進行自上而下的指標分級，對指標進行層層剖析，主要分爲三級T1、T2、T3。

T1指標：公司戰略層面指標

用於衡量公司整體目標達成情況的指標，主要是決策類指標，T1指標使用通常服務於公司戰略決策層

T2指標：業務策略層面指標

爲達成T1指標的目標，公司會對目標拆解到業務線或事業羣，並有針對性做出一系列運營策略，T2指標通常反映的是策略結果屬於支持性指標同時也是業務線或事業羣的核心指標。T2指標是T1指標的縱向的路徑拆解，便於T1指標的問題定位，T2指標使用通常服務業務線或事業羣

T3指標：業務執行層面指標

T3指標是對T2指標的拆解，用於定位T2指標的問題。T3指標通常也是業務過程中最多的指標。根據各職能部門目標的不同，其關注的指標也各有差異。T3指標的使用通常可以指導一線運營或分析人員開展工作，內容偏過程性指標，可以快速引導一線人員做出相應的動作。

指標的構成

指標 = 業務維度描述 + 技術維度描述

指標，是反映某種事物或現象，描述在一定時間和條件下的規模、程度、比例、結構等概念，通常由指標名稱和指標數值組成。

指標分類

簡單計數型指標

簡單計數型指標是指可通過重複加1這一數學行爲而獲得數值的指標，如UV（Unique Visit , 獨立訪客數）、PV（Page View，頁面瀏覽量）

複合型指標

通過若干個基礎指標計算得來的指標，在業務角度無法再拆解的指標

複合型指標是由簡單計數型指標經四則運算後得到的，如跳出率、購買轉化率。
在計算指標時，我們還會涉及絕對數、相對數；百分比、百分點；頻率、頻數；比例、比率等計算方式。

基礎指標

不能再進一步拆解的指標，可以直接計算出來的指標，如“訂單數”、“交易額”

衍生指標

在基礎指標的基礎上，通過某個特殊維度計算出的指標，如“微信訂單數”、“支付寶訂單數”

指標分級

在進行整個指標分級的時候，我們需要先思考：一級二級指標，能否反應產品當前的運營情況；三級四級指標能否幫助一線人員定位問題，指導運營工作。

數據本身是分層的，我們在思考指標的時候，也應該有一個層級的概念，而不是現階段關心什麼，我們就放什麼；指標分級可以幫助我們更高效的去定位問題，去驗證你的方法論，無需每次都要思考要去看哪些指標

公司戰略層面指標

用於衡量公司整體目標達成情況，通常設定在5-8個指標。
這類指標是與業務緊密結合，按照行業標準進行制定，有可參考的行業標準指標，且這類指標針對全公司所有員工均具有核心的指導意義。
比如某遊戲公司的一級指標：新增賬號、留存率、DAU/MAU、付費人數（率）、收入金額等。

業務策略層面指標

爲了實現一級指標，企業會做出一些策略，二級指標通常與這些策略有所關聯。
可以簡單理解爲一級指標的實現路徑，用於更快定位一級指標的問題。

某遊戲公司一級指標是遊戲收入，那麼二級指標可以設定爲不同遊戲物品的收入。一級指標是DAU，那麼二級指標設定爲分服務器的DAU等。這樣當一級指標出現問題的時候，我們可以快速查詢到問題的所在點。

業務執行層面指標

三級指標是對二級指標的路徑拆解，用於定位二級指標的問題。
三級指標的使用通常是可以指導一線人員開展工作的指標內容。
三級指標的要求是：一線人員看到指標後，可以快速做出相應的動作。

遊戲公司的二級指標是XX區服的DAU，那麼三級指標則可以設定爲遊戲時長、遊戲頻次、遊戲等級分佈、遊戲關卡流失情況等。通過觀察這些數據，可以去針對性地做調整，如某個關卡流失的用戶特別高，那麼嘗試降低難度。

如何設立指標體系

爲什麼要建立數據指標體系

當我們的業務出現數據異常時，因爲數據很多，往往會一遍遍地從這些數據中去尋找可以定位原因的相關指標，這不僅會浪費很多時間，還會使人心疲

力竭。「指標」是一種度量，它用於追蹤和評估商業進程的狀態，確保項目務在正確的軌道上運營，同時驗證方法論，不斷地學習。指標監控體系最大的價值就是幫助大家高效利用時間，把時間花在解決問題上，而不是尋找問題上，從而提高團隊整體的人效

指標也是目標，沒有目標就不知道做什麼，搭建指標體系是爲了更好地發現用戶的問題，並且去解決。所以我們需要站在用戶的場景去考慮整體的內容。

首先我們來看下爲什麼我們需要一個好的數據指標體系。這邊給大家看一個故事，估計大家都會比較有體感：大家有沒有在半夜收到過老闆的信息，問爲什麼業務上的核心指標GMV下降了？然後這裏邊我們產品同學小六就會趕緊把電腦打開，但是他所有能獲取的信息就只有一個Dashboard，裏邊只有一個GMV核心指標，環比同比同時下降，這個時候他怎麼回答老闆的問題？

結果基本靠猜，是不是競對做了一些活動？是不是某個主播停播了？另外一種可能性的情況是小六同學手裏邊有一百多張報表，這一百多張報表裏邊，有四百多個指標，然後每一個指標都在下降，那在這種情況下，也沒有辦法回答老闆的問題，爲什麼這個核心指標下降，到底是DAU下降了，還是用戶滿意度下降了，還是轉化效率下降了等等？

另外一種情況是老闆同樣提了這樣一個問題，然後另外一個產品同學小快不緊不慢的拿出了一張這樣的一個報表體系，他說：“老闆，我認爲GMV下降會跟整個業務流程都有相關性，我們從業務角度進行了這樣的一個拆解，發現在流量入口，和最後的人均消費來看的話，其實並沒有下降，主要下降來源其實來源於列表頁轉化效率的下降。再往下拆解，發現高價的商品的曝光佔比和低價的曝光佔比並不太平衡。高價商品的一個曝光佔比比較高，但是它的轉化效率卻是低的，所以從這個角度來講，我認爲可能在列表頁來裏面的不同價格的商品的分發策略或者曝光策略需要進行優化，然後通過A/B test去看一下我們這個策略調整的效果是什麼樣子的”。

我們看到數據指標體系可以幫助我們 整體理解業務、全面瞭解問題、快速定位原因、迅速落地方案，我們說的指標體系不止是指標，還有指標管理和指標監控

如何建立指標體系 OSM 模型

OSM模型（Obejective，Strategy，Measurement）分別代表業務目標、業務策略、業務度量

O：用戶使用產品的目標是什麼？產品滿足了用戶的什麼需求？我們的運營目標是什麼

如果你是公司的負責人，想一想公司的核心目標是什麼，可能是公司今年的利潤額。如果你是產品部門負責人，那你需要思考未來幾年的產品規劃

S：爲了達成上述目標我採取的策略是什麼？這些策略往往是一些列的

M：這些策略隨之帶來的數據指標變化有哪些？它用於衡量我們的策略是否有效，反映目標的達成情況。「業務度量」涉及到以下兩個概念：一個是 KPI ，用來直

接衡量策略的有效性；一個是 Target，是預先給出的值，用來判斷是否達到預期。

然後在這個目標Objective的方向上，我們可以使用UJM（User Journey Map）去拆解相對應的這個業務策略（Strategy）。UJM的邏輯是從業務的核心目標出發，拆解整個業務流程上我們爲用戶提供價值點，以及這些價值點觸達用戶的整體路徑都有哪些。

知乎的例子

以知乎爲例，按照OSM模型，它的指標是什麼樣的，其實你會看到這個目標不僅僅是企業本身的盈利目標，也可能是解決用戶的目標

O：用戶來使用知乎這個產品，目標是什麼

這裏涉及兩個不同的用戶——內容分享者和內容消費者，這裏簡單介紹內容生產者的分析思路

用戶需求：分享知識觀點（發佈觀點），建立行業影響力（內容受到反饋）
那麼，如何讓用戶感受到自己的需求被滿足了呢？

S：知乎做的策略是：內容點贊評論、內容打賞、鹽值增加、XX話題優秀回答者

M：需要針對這些用戶動作去做指標，在這裏面我們的指標會有兩個，分別是結果指標和過程指標

結果指標：用於衡量用戶發生某個動作後所產生的結果，通常是延後知道的，很難進行干預。

過程指標：用戶在做某個動作時候所產生的指標，可以通過某些運營策略來影響這個過程指標，從而影響最終的結果。

還是以內容生產者爲例：

結果性指標：發佈文章數、發佈文章的人數、文章點贊/評論數、被打賞人數、被打賞金額、優秀回答者人數、新增優秀回答者人數等。

過程性指標：使用內容導入人數、內容發佈轉化率、文章互動率、評論摺疊率等。

通常我們會在指定指標的過程中使用OSM的模型，去針對用戶在不同場景下產生的動作，以及這個動作可能帶來的結果，用戶在這個動作中會出現什麼樣的數據變化。之後再結合數據，針對性地去調整我們的運營策略或者產品功能。

簡單理解：結果性指標更多的是監控數據異常，或者是監控某個場景下用戶需求是否被滿足。而過程性指標則是更加關注用戶的需求爲什麼被滿足（沒被滿足）。

滴滴的例子

O：用戶使用滴滴這個產品，目標是什麼？

可以快速打到車，安全到達目的地。那麼，如何讓用戶感受到自己的需求被滿足了呢

S：滴滴做的策略是：

快車、拼車、優享等多種車型，解決不同用戶訴求；
根據早晚高峯提高熱點區域運力，減少用戶排隊時間；
司機准入機制、全程錄音等方式提高安全性。

M：針對這些策略去做指標，得到的結果指標和過程指標分別是：

結果指標：渠道轉化完成率、乘客取消率、供需比、司機服務分
過程指標：渠道發單數、渠道完單數、排隊乘客數、乘客排隊時長、司機好評率、司機接單量、司機取消數等

提高GMV(Gross Merchandise Volume)

GMV=1銷售額+2取消訂單金額+3拒收訂單金額+4退貨訂單金額*

GMV是流水，只要你下了訂單，生成訂單號，就算了GMV, GMV某種意義說明了平臺的市場份額，但是對於商家來說，沒有實際意義

拼多多的百億補貼主要就是提高客單價，銷售高端產品，這主要是因爲拼多多早起走的是性價比路線，在用戶數的擴張到一定規模之後，遇到了瓶頸期，所以調整了業務方向，也就是提高客單價走高端路線。

非標住宿

下面以「非標住宿」平臺爲例分享一下，如何去選取正確的指標；或者說，負責搜索功能的產品經理如何利用 OSM 模型搭建數據監控指標體系。非標住宿有個特點，就是產品個性化。比如說我們住宿的時候選擇情侶房等個性化住房，其數量是有限的，同一個風格的房源一般不會超過 5 間

從發起搜索到搜索結果頁，再到產品詳情頁，最後填寫訂單、預訂成功，這是該非標住宿搜索預訂的完整路徑。在這整個業務流程中，我們該如何搭建數據監控體系，通過數據分析指導業務增長呢？

指標衡量的是什麼

在這個例子中，選定目標運用了 2 種視角：

第一種，用戶視角，讓用戶通過搜索高效地找到心儀的住宿產品。
第二種，業務視角，提高從搜索到最後成功下單的轉化率。

爲了提高這個轉化率，我們會採取什麼樣的策略呢？

第一，返回與用戶搜索值相匹配的搜索結果。
第二，提供有效的搜索結果排序。對於非標類產品，我們需要思考
怎樣把用戶感興趣的產品放在第一屏或者前三位，能夠讓用戶一眼就看到他想搜索的產品。
第三，當搜索沒有結果或者結果不足時，我們就要做有效的推薦。

如何有效衡量“什麼”

第一步，選擇合適的 OSM 指標度量。

針對從搜索到下單的整個流程，可以拆解 2 個 KPI 指標。KPI 1 是搜索到詳情頁的轉化率，我們設置的 Target 是 30%。在這一步，用戶通過搜索得出想要的結果，纔會點擊產品的詳情頁。KPI 2 是詳情頁到下單的轉化率，Target 也是 30%。在這一步，如果用戶看的產品詳情頁是符合心意的，纔可能會產生訂購，達到最後的預定成功。

第二步，注意結果性指標和過程性指標。

結果性指標，就比如電商場景下的 GMV 或訂單量，它通常是業務漏斗的底部，是一個不可更改的、後驗性的指標。

過程性指標，可以簡單理解爲到達這個結果之前經過的路徑，以及通過這個路徑去衡量轉化好壞的過程，它是可干預的，而且通常是“用戶行爲”。

如何衡量指標的好壞

我們需要設定 Target 來衡量指標的好壞，這基於我們內部的歷史數據和行業的 benchmark，其設定原則是：要對內部有一定的挑戰性，但又不是遙不可及的。

例如從開始搜索到商品詳情頁，轉化率是 23.2%；從商品詳情頁到最後預定成功，轉化率是 23.8%，兩者比較接近。這個時候我們選擇 30% 作爲 Target 是比較合適的

明確業務目的確定核心指標

指標的選取是很核心的一步。如果我們選擇了正確的指標，它就像一個晴雨表，能很好地衡量業務的健康狀況。如果我們選擇了一個錯誤的或者是虛榮的指標，它可能會把我們引導到一個錯誤的路徑上去，這是一個很大的陷阱。

業務目標其實是和我們的產品息息相關的，我們可以大致將我們的產品劃分到下面四類中去

針對每一類的產品，我們都可以抽象出下面的一些比較通用的指標

工具類業務

幫助用戶節省時間，產品自身提供價值。如墨跡天氣、TEA。核心指標應該聚焦到判斷工具的使用率。

比如說爲用戶提供工具類型業務策略，一般是爲了讓用戶節省時間，快速的定位到所需要的信息或者完成某一種任務，那麼這種策略核心的價值就在於提升效率，一般的衡量指標是：使用量，目標達成率，頻次；以電商的例子來講的話，就是第一步中的流量推薦位，以及搜索功能是不是能夠讓用戶快速的定位到它所感興趣的直播內容，那這種情況下做優化流量位的內容和搜索匹配優化我的衡量標準就是它的效率，曝光，點擊，轉化效率。

內容類業務

比如說爲了用戶提供消遣的內容，讓用戶可以消磨時間，那麼這種策略的核心價值就在於爲了用戶提供豐富的高質量的內容，不管是短視頻，直播，或者活動玩法。那麼這種策略的核心的價值就在於爲用戶提供內容的量與質，一般衡量指標是：消費人數，消費廣度，消費市場，以及用戶與內容的互動，用來衡量用戶對於內容的喜愛。比如B站的彈幕就是一種用戶對於內容認可的更高層次的情感表達。

交易類業務

幫助用戶節省時間，產品通過鏈接其他資源提供價值。如淘寶、京東金融。核心指標應該聚焦到轉化率。

那麼這種策略的核心價值就在於爲用戶提供好的購物體驗，能夠提升付費頁面轉化效率，提升購買的總規模，客單價以及復購率。

社交類業務

殺掉用戶時間，產品通過鏈接其他資源提供價值。如Soul、探探。核心指標應該聚焦到用戶的活躍程度。

比如說爲了用戶提供與其他人的情感連接，促進用戶和用戶之間的關係沉澱，進而讓用戶對於平臺或者對於業務更有依賴性，促進用戶的活躍和互動，一般的衡量指標是：內容的發佈量，用戶和用戶之間的互動量，沉澱下來的關係對數

微信，是用戶和用戶之間的一個情感的連接，那衡量這種連接的緊密性主要是人與人之間的互動量，點評贊數量，沉澱的關係的數量

拆解核心指標

明確業務類型和業務指標之後，我們要結合實際業務，將主要關注的指標拆解到可行動的程度，後面我們再解釋可行動的程度到底是什麼意思，也就是如何評價指標的環節

下面就是一個常見的指標拆解示意圖，我們將我們公司的一級指標也就是戰略指標進行拆解，然後拆解到各個部門、各個環節，直到可以定位到個人，這樣才能充分發揮人員的價值與能力

按場景拆分成多個子指標的和

DAU ≈ 日新增用戶+留存用戶+迴流用戶；

按一定的關係拆分成多個子指標的積

GMV （總消費額）≈ 用戶數 x 購買頻次 x 客單價；
銷售額 ≈ 用戶總量 x 付費率 x 客單價；
LTV（生命週期總價值，life time value ）=LT（生命週期，life time）x ARPU（每個用戶的平均花費，Average Revenue Per Use）

指標迭代

一個好的指標肯定不是能一鼓作氣就可以實現的，需要不斷的迭代，而這個過程需要多方進行配合。

評價指標體系

在瞭解了好的數據指標體系的必要性之後，我們來看一下究竟什麼樣的指標體系是一個好的數據指標體系。大家在做一些數據分析的時候，我們都會看到列出來的一些標準：數據指標必須是準確的，是能夠週期性統計，當然這只是一方面，另外一方面就是業務層面是有價值，可衡量業務真實情況，並且還要簡單可執行。

從技術層面來看，一個好的指標，統一具備四個特點：容易收集快速衡量；準確度高；可被多維度分解；單一數據源。就像我們經常使用的衡量APP產品啓動人數，使用UUID或者是COOKIE往往比使用IP更加準確。

但很多時候，因爲技術或者是業務自身的原因，我們往往很難找到很完美的指標。那麼這個時候我們最重要的就是統一口徑進行分析，更多地觀察數據的波動情況。

我們可以從下面幾個方面去評價指標體系的好壞，其實主要還是分爲兩大類，一是真實貼合業務，可以反映業務；二是可以快速定位問題，提供解決方案

系統性

能夠發現局部與整體的關係及問題定位，當數據發生異動時，通過指標體系的邏輯拆解，能迅速定位到大致的異動模塊及原因

全面性

能滿足不同數據使用方的日常需求，對產品經營及發展情況有整體瞭解；

認知統一

指標體系服務於不同角色羣體，簡單科學可解釋，符合大衆認知，大家都共同認可。

真實性

指標體系要能反映產品真實情況，杜絕華而不實的虛榮指標；

據指標是爲了讓公司，業務，或者項目的成員圍繞着一個可量化的目標展開一系列的工作的。如果數據指標沒有貼合業務核心目標的話，那麼給公司，業務或者項目帶來的會是巨大的損失。

可迭代

指標體系隨不同生命週期階段而改變，指標體系要在發展中保持迭代

可操作

如果能從時間縱向對比、或者從其他維度比如用戶羣體、產品、地域等不同角度進行橫向比較，可以更好地觀察業務的發展趨勢，定位問題，找到原因，以及改善業務中需要改善的環節。

KPI達標率：如果你的核心指標是KPI指標，那就直接根據KPI達標率來判斷即可。這個應該是最常見的一種方式。
競品對標：如果你能從靠譜渠道蒐集到競品相關數據，那以競品爲參照物進行判斷。
環比對比：查看環比數據，如果業務走勢呈明顯週期性，選擇一個歷史數據較爲不錯的數據進行對比。
同比對比：查看同比數據，預估每個週期增長多少個百分點，與上一週期數據進行對比，看是否達標。

在中間過程如果任何一個指標出現了問題，第一是能夠提前判定這個業務的健康度是什麼樣子的，是不是出現問題了。第二個好處在於這些中間過程的指標可以拆分到負責的團隊裏邊，定位到負責人。業務上面如果出現問題的話，可以第一時間負責人，之後進行下一步的優化措施的拆解。

GMV我們拆分到IPV乘以付費轉化效率再乘以相對應的APPU（人均付費值），這個是行業內非常常見的一個拆解方式，從用戶的角度去進行拆分，那這種情況下的IPV就有由對應的搜索團隊或者是推薦團隊負責，他需要去優化整個頁面的一個規模或者說到訪用戶的規模，付費轉化效率由產品團隊負責，去進行相對應的一些產品優化，減少摩擦點，能夠提升我們付費轉化效率；APPU值這一塊更多的是由運營的團隊去負責，因爲運營團隊需要去做一些活動，或者是通過一些優惠券的方式能夠促進用戶買了再買，購了再購。

指標管理

公司層面有公司最關注的KPI，比如：日活、GMV、訂單量等等；不同的部門又有不同的關注KPI，比如：新用戶數、復購人數等等，有了KPI，我們就可以根據KPI來考察部門的表現，也就是績效。這也是數字化轉型，所有的管理、績效都數字化。

上面講的都是如何去定義指標，定義指標之後如何評價指標，下面我們看一下如何管理指標。

就數據平臺來說，指標算是元數據的一種，指標的維護和管理是有套路的，下面就簡單分享下關於指標的管理——指標字典。但是開始之前我們先說一下爲什麼要進行指標管理。

指標作爲業務和數據的結合，它基礎是數據統計，指標也是量化業務效果的依據。既然和業務掛鉤那就會有說不明道不清的變化，其實着也是我們做指標管理的主要原因，業務在快速發展，所以在這個過程中業務的口徑和邏輯都在發生變化，如果不統一進行管理和維護的話就會出現指標口徑模糊邏輯不清。

我們可以從從業務、技術、產品三個視角來看：

業務視角

業務分析場景指標、維度不明確；

頻繁的需求變更和反覆迭代，數據報表臃腫，數據參差不齊；

用戶分析具體業務問題找數據、覈對確認數據成本較高。
技術視角

指標定義，指標命名混亂，指標不唯一，指標維護口徑不一致；

指標生產，重複建設；數據彙算成本較高；

指標消費，數據出口不統一，重複輸出，輸出口徑不一致；
產品視角

缺乏系統產品化支持從生產到消費數據流沒有系統產品層面打通

還有一個原因就是因爲一個公司的指標本身就有很多，所以在這個過程中出現的指標名稱混亂，指標不唯一所以我們在定義指標的時候就需要參考已有指標的，從而避免命名和含義上的衝突，做好數據有序地和有結構地分類組織和存儲也是避免底層數據的重複建設、數據統計來源的不唯一的重要手段

指標管理系統只不是爲了更好的管理指標引入的一套工具，當然只好好的工具配合好的理念纔行，也就是說如果沒有指標管理系統你也可以做指標管理。

指標的管理—指標字典

指標字典，其實就是對指標的管理，指標多了以後，爲了共享和統一修改和維護，我們會在Excel中維護所有的指標。當然，Excel對於共享和版本控制也不是很方便，有條件的話，可以開發個簡單的指標管理系統，再配合上血緣關係，就更方便追蹤數據流轉了。

指標編碼

爲了方便查找和管理，我們會對指標定義一套編碼

業務口徑

指標最重要的就是，明確指標的統計口徑，就是這個指標是怎麼算出來的，口徑統一了，纔不會產生歧義

口徑梳理

一開始指標的梳理是很麻煩的，因爲要統一一個口徑，需要和不同的部門去溝通協調；
還有可能會有各種各樣的指標出現，需要去判斷是否真的需要這個指標，是否可以用其他指標來替代；指標與指標之間的關係也需要理清楚。

迭代維護

而且第一版指標梳理好之後，需要進行推廣和維護，不斷地迭代，持續推動，讓公司所有部門都統一站在一個視角關注問題。

計算公式

對業務口徑的翻譯，需要業務方告知你從哪裏的數據去計算

指標模板

數據域
指面向業務分析，將業務過程或者維度進行抽象的集合。其中，業務過程可以概括爲一個個不拆分的行爲事件，在業務過程之下，可以定義指標；維度，是度量的環境，如乘客呼單事件，呼單類型是維度。爲了保障整個體系的生命力，數據域是需要抽象提煉，並且長期維護更新的，變動需執行變更流程。
業務過程

指公司的業務活動事件，如，呼單、支付都是業務過程。其中，業務過程不可拆分。
時間週期

用來明確統計的時間範圍或者時間點，如最近30天、自然周、截止當日等。
修飾類型

是對修飾詞的一種抽象劃分。修飾類型從屬於某個業務域，如日誌域的訪問終端類型涵蓋APP端、PC端等修飾詞。
修飾詞

指的是統計維度以外指標的業務場景限定抽象，修飾詞屬於一種修飾類型，如在日誌域的訪問終端類型下，有修飾詞APP、PC端等。
度量/原子指標

原子指標和度量含義相同，基於某一業務事件行爲下的度量，是業務定義中不可再拆分的指標，具有明確業務含義的名稱，如支付金額。
維度

維度是度量的環境，用來反映業務的一類屬性，這類屬性的集合構成一個維度，也可以稱爲實體對象。維度屬於一個數據域，如地理維度（其中包括國家、地區、省市等）、時間維度（其中包括年、季、月、周、日等級別內容）。
維度屬性

維度屬性隸屬於一個維度，如地理維度裏面的國家名稱、國家ID、省份名稱等都屬於維度屬性。
指標分類

主要分爲原子指標、派生指標、衍生指標
1. 原子指標
  
  基於某一業務事件行爲下的度量，是業務定義中不可再拆分的指標，具有明確業務含義的名稱，如呼單量、交易金額
2. 派生指標
  
  是1個原子指標+多個修飾詞（可選）+時間週期，是原子指標業務統計範圍的圈定。派生指標又分以下二種類型：
1. 事務型指標
  指對業務過程進行衡量的指標。例如，呼單量、訂單支付金額，這類指標需要維護原子指標以及修飾詞，在此基礎上創建派生指標。
1. 存量型指標
  
  是指對實體對象某些狀態的統計，例如註冊司機總數、註冊乘客總數，這類指標需要維護原子指標以及修飾詞，在此基礎上創建派生指標，對應的時間週期一般爲“歷史截止當前某個時間
2. 衍生指標
  是在事務性指標和存量型指標的基礎上覆合成的。主要有比率型、比例型、統計型均值

指標的管理—指標管理系統

有了上面的指標字典，指標字典其實相當於是我們的底層邏輯，其實實現這個底層邏輯我們可以使用word、excel 等工具都可以去實現，但是爲了能夠更加方便的管理，我們可以開發一套系統，也就是我們的指標管理系統。

指標作爲數據平臺上的核心數據資產，我們也可以將其做到我們的資產管理平臺中去。

場景落地

直播電商

酒旅業務

理財產品

共享單車

網站業務

總結

建設指標體系，需要回答以下幾個問題

爲什麼建設數據指標體系
如何評價數據指標體系，一個好的數據指標體系是要需要回答兩個問題，它是不是有助於業務發展，以及說這個指標體系拆解是不是可具備、可落地、可實操的可能性。
如何建設數據指標體系，這就需要我們的建設方法論了
如何維護和管理指標，指標的維護和管理是有套路的，最簡單的指標管理方法——指標字典，我們在此基礎上可以做指標管理系統

OSM 實現了業務目標結構化，UJM 實現了業務目標流程化。

數據指標體系其實只是數據賦能業務的萬里長征的第一步。未來如果希望更加泛化地去支持到更多的業務場景，其實是需要去做一些產品化的沉澱的，把一些固化下來的指標體系或者分析框架沉澱下來，去賦能更多的業務人員，可以使用相對應的數據產品，幫助他們去做相對應的業務決策。進一步提升他們決策的效率，同時降低使用數據的一個門檻。

交流羣

加我微信：ddxygq，回覆“加羣”，我拉你進羣。