知识体系_数据分析挖掘_02_数据指标体系

1.什么是数据指标体系

数据指标：对当前业务有参考价值的统计数据，是量化的，是数值型变量。（指标的本质是量化，量化的本质是评估），例如信用卡新增客户量、交易金额、贷款余额、30天活跃客户量。

分类维度：评估的角度，是定性的，是分类型数据。

数据指标体系：多个有关联的指标集合即为数据指标体系。指标体系，即相互之间有逻辑联系的指标构成的整体，所以一个指标不能叫指标体系，几个毫无关系的指标也不能叫指标体系。例如对于信用卡行业，有获客相关指标，客户经营相关指标，产品营销相关指标，风险相关指标、财务相关指标。

例如对于分期产品，目标客户量、可分客户量、总分期规模、单数据分期规模、分期笔数、营销响应率等组成分期产品模块的指标体系。

不同行业的数据指标体系不同。如互联网行业、电商行业、金融行业、医疗健康行业等的指标是不同的。

好的指标体系应该具备的特点：

（1）能体现当下业务的关注点

在业务的不同阶段关注点不同，指标也就不同，因此需要构建多套指标体系，例如对于信用卡行业：

引入期：信用卡申请量、初审通过量、初审通过率，批核率、新户量等

成长期：激活卡片量、首刷量、二刷量等

成熟期：分期规模、分期客户量等等

衰退期：卡片到期量、卡片续期量、主动注销量等

（2）能定位问题原因：同时包含过程性指标和结果性指标

我们习惯通过指标体系监控业务的发展趋势和出现的问题，但更重要的是，我们希望了解问题背后的原因，知其然更要知其所以然，对症下药才能够针对性地进行改进和优化。所以一个好的指标体系除了要有表征现状问题的结果性指标，还要有影响这个结果的过程性指标，这样才能在出现问题时有据可循，快速找到出现问题的原因。

（3）有对应的业务抓手

在前面两点的基础上，我们除了希望通过指标体系反映业务现状、定位问题原因外，更希望它能够指导业务动作，告诉哪些部门应该在哪些环节进行改进，这个就是我们说的“要有对应的业务抓手”。要有具体到人、具体到策略的指导性意见，否则就算定位到了问题的原因所在，没有对应的人和策略跟进，问题依然得不到解决。

2.数据指标体系的作用

（1）能反映业务现状；定位问题；也能驱动业务发展

（2）提高效率：若建得相对全面完整，能覆盖日常大部分数据分析所需要的指标，则可以减少很多临时取数的工作

3.如何搭建数据指标体系

（1）指标体系搭建方法

指标体系不是一个人能够完成的，需要业务部门（市场、运营、产品部门等）、数据部门、开发部门相互协作，共同讨论确认，紧密配合。一个人闭门造车建立的指标体系很容易和业务脱节，也很难落地。

数据指标体系的搭建需求方主要是业务方，可以帮助业务监控现状，及时发现问题并定位问题；具体流程包括：

一个指标体系的构建通常需要先确定一个核心指标作为一级指标，然后将核心指标进行逐层拆解，得到一个完整的指标体系。

以OSM模型为设计指标体系的整体框架，AARRR和UJM模型用于指导业务过程的梳理，而MECE强调完全独立，相互穷尽，即根据业务过程得到过程性指标，并再进行细分时要拆解到最小粒度不能再拆解且相互之间独立。

OSM模型：

 AARRR模型：

注：用户激活环节，关注的指标有：日活跃用户数(DAU)、月活跃用户数(MAU)

      用户留存环节，关注的指标有：次日留存率、第3天留存率、第7天留存率

      推荐传播环节，关注的指标有：k因子=平均客户将产品推荐给朋友的朋友人数*被推荐的朋友转化为新客户的概率，当k因子大于等于1，则客户数量会向滚雪球一样，不断增长。

UJM模型（用户旅程模型）：

MECE模型： 

根据业务过程，设计过程指标，并将指标再往下拆解到不能再拆

（2）数据指标搭建案例

案例一：

 4.数据指标体系如何使用

“数据监控体系”就是将这些单一的数据指标体系与管理流程结合起来，来满足复杂的产品业务线的监控需求。

5.指标异动分析

指标异动指指标异常波动，当指标出现不符合预期的变化，也就是异常波动。

5.1 数据异常类型

一次性波动：只在某个时间节点发生波动，一般是因短期或突发事件

周期性波动：周期性发生发生/下跌，例如“双十一”、春节、周末等因素，一般业务开展都有周期性

持续性波动：从某时间点开始，一直出现上升/下跌趋势，背后的原因往往是深层次的

一次性波动往往比较突然，要持续关注；周期性波动一般不需要特殊处理；持续性波动需要重点关注。

5.2 数据异常分析框