构建指标体系

什么是指标体系、为什么需要指标体系

指标体系的功能大致有三点：

1. 形成标准化的衡量指标，监控业务发展状况

指标体系是一套固化下来的业务监控指标，可以长期监控业务的发 展趋势，评价业务的现状。

2. 通过指标分级治理，快速定位业务问题，优化业务方向

从上述的分析中，我们很容易发现中国人口结构上的问题，自然增 长率太低，如果这个问题不解决就意味着未来年轻人会越来越少，老年 人会越来越多。要分析这个问题，数据分析师就需要具体定位一下问 题，从而对症下药。

3. 形成标准化体系，可减少重复工作，提高分析效率

指标体系是数据结果体系化的展示。做好指标体系这一块工作可以 让统计分析师少做一些临时取数的工作，同时可以实现业务之间的横向 和纵向对比（前提是具有可比性的业务）。

指标体系的评价标准及注意事项

什么样的指标体系才是好的指标体系

    一套好的指标体系极大地减少数据分析师的临时取数工作，因为业 务存在的问题都可以通过指标体系中的数据回溯、下钻和分级拆解得到 暴露。如果数据分析师做完一套指标体系之后，业务方还是频频找你提 出取数需求，那么可能是你的指标体系还存在优化的空间，这时候就应 该先寻找指标体系的问题。

   如果指标体系没有较大的问题，那么如何通过现有指标体系评价 业务现状呢？ 作为数据分析师，通常会用到比较的方法，有比较才有说服力。一 般情况下我们会用现有的业务指标和大盘数据进行比较，从而说明业务 现状。

构建一套指标体系需要注意哪些问题

1）数据提前埋点

对于互联网公司而言，数据产生于用户行为，用户行为都是通过埋 点触发而记录的，所以要获得相应的用户数据，就得先埋好点。

2）统一计算口径 统一计算口径是很重要的步骤。

不同的计算口径计算出的数据会略 有差异。统一的计算口径可以使业务具有横向和纵向的可比性，所以需 要统一整套指标体系的最小计算单位。

3）指标穷尽且相互独立，遵循MCEC原则

对于某一块业务，我们需要下钻和拆解。下钻维度和拆解维度需要 相互穷尽且完全独立，也就是麦肯锡提出的MECE（Mutually Exclusive Collectively Exhaustive）原则。只有这样才能更好地暴露业务存在的问 题。MCEC原则会在下节详细介绍。

构建数据指标体系的方法

1. OSM模型——明确业务目标，数据赋能业务

OSM模型中的O（Object：查找业务目标业务数据的核心KPI

模型中的 S（Strategy：根据业务目标制定相应的行动策略

模型中的 M（Measure）：制定较细的评估指标

OSM模型的内容及其与AARRR、UJM、MECE模型之间的关系如 图6-6所示，OSM模型是指标体系建设的指导思想，理解核心KPI是 OSM模型的核心；制定行动策略是实现业务KPI的手段，而AARRR模 型和UJM模型是实现策略制定的方法论；制定细分指标是评估业务策略 优劣的方法，而MECE模型是制定细分指标的方法。

2. AARRR模型和UJM模型——理清用户生命周期及行为路径

AARRR模型和UJM模型是实现策略制定的方法论

3. MECE模型——指标体系分级治理

将核心KPI进行三道五层的拆解

4、以GMV为例搭建数据指标体系

第一步，根据OSM模型构建整体框架，明确业务目标。

     为什么业务方会关注GMV？因为这是业务的核心KPI，关系到自己 的收入，GMV越高，年终奖越高。所以，数据分析师提炼出业务目标 ——提升用户总成交额GMV。

第二步，根据AARRR或UJM模型拆解用户达成GMV的路径，将业 务目标转化为提升用户路径转化率。

    用户达成GMV需要通过六个步骤，即注册、登录、曝光、点击、 加购、成交。到目前为止，已经将提升GMV这个目标转化为提升用户 路径转化率，只要提升用户各个步骤的基数，使得每一步的转化率变 高，就可以达成提高GMV的目标。

   将提升GMV转化为提高用户路径转化率还有另外一个好处，即通 过路径拆解能够暴露业务更多的问题。同时，数据分析师可以根据暴露 的业务问题提出相应的解决方案，这也是数据分析师的价值所在。

    第三步，根据MECE模型对GMV达成路径的每一个指标进行拆解， 实现指标分级治理。

      有了GMV达成路径之后，数据分析师就可以将这个路径的核心步 骤抽象成GMV的分级指标并进行回溯下钻。同时，找出影响每一个步 骤的关键因素作为二级指标，每一个关键因素之间需要完全独立，相互 穷尽。