数据指标体系 1.What Why How

数据指标体系

一、什么是数据指标体系

  随着企业业务的发展，单一的营收指标不足以衡量和检测业务的好坏，因此需要更为立体的指标体系，监测业务状况，为业务的发展提供更好的指引。

  指标体系是将零散单点的具有相互联系的指标，系统化的组织起来，通过全局解决单点的问题。

  企业系统是由多套数据应用组成的，产品、运营、分析师都会在各自应用产品分析商业化的价值数据分析。大型公司对于复杂的业务，有各个BU(Business Unit），每个BU都会有很多定义的埋点事件，然后根据这些事件自定义进行指标转化分析。

  每个数据指标都有其特定含义，反映了某一细节的客观事实。不同的数据指标定义不同，逻辑也不同。这样形形色色的数据指标共同构成了数据指标体系，更为高效地为企业进行业务赋能。

二、为什么需要数据指标体系

  宏观方面，数据指标体系建设是数据中台建设的重要一环，不仅符合“创新驱动”的意识，更是企业实现自身“数据驱动”发展的重要途径。

  数据指标体系的价值主要体现在全面支持决策、指导业务运营、驱动用户增长，同时统一统计口径。 其中，作为压轴作用的统一统计口径对于数据指标体系而言具有战略意义。在一个整体中，如果不能统一口径， 那么一切分析及对比的参考价值就会显得无意义，各方也会陷入公说公有理，婆说婆有理的尴尬局面。由此说明， 对于衡量整个公司的业务价值而言，建立一套统一标准的数据指标体系的作用不言而喻。

2.1 全面支持决策

  数据指标极具参考价值，公司管理层为了更准确地进行战略决策，需要搭建完备的数据指标体系。一个相对全面的数据指标体系，可以让管理者对公司的发展从数据层面有一个客观的认知，而不是管中窥豹，这样在进行战略决策时，可以保持相对理性。而对于新业务的洞察，也可以不断融入新的数据指标，丰富指标体系，灵活且全面地把握业务发展趋势，为未来的决策提供借鉴。

2.2 指导业务运营

  为了能够更好的了解产品现状及业务运营效果，通过指标体系按层级可以拆解细分指标、这些指标的变动能够给予运营人员一个运营的反馈效果，根据效果评估做出业务决策。

  用户运营可以根据这些数据，通过使用频次了解用户的喜好，通过活动互动分析分析可以调整活动策略等。

  比如说商品交易总额GMV下降，会跟整个业务流程都有关系，从某个业务角度进行指标拆解，发现流量入口和人均消费来看，其实并没有下降，通过其它相关指标分析，发现指标下降其实是来源列表页的转化效率的下降。然后继续拆解，高价的商品曝光比低价商品曝光比率高，但是高价商品的转化率很低。所以从这个角度分析，可以在列表页调整不同价格的商品分发策略或者曝光策略来进行优化。然后A/Btest来看下调整策略的效果评估怎样。

2.3 驱动用户增长

  企业应用产品发展最需要关心的莫过于用户增长,对产品和运营来说通过拉新促活、精准投放、产品功能优化等一些列的手段，满足用户增长的目的。通过分析和挖掘用户行为的过程中，可以让产品和运营人员对用户的行为路径和喜好会发现不少新的用户增长点。体系化的指标结合用户场景，从多个不同指标和维度可以串联进行整体全局的分析。

  比如说投放，其实就是看两个指标，一个是获客成本，一个是用户质量。投放用户肯定比自然流量的用户质量差，而且质量高的用户，获客成本可能也很高。

  围绕这两个目标拆解细分指标来分析用户的次留、访问频率及下单转化等行为。

2.4 统一统计口径

  从技术角度来看，数据中台是为了汇总与融合企业内的全部数据，甚至外部数据，打破数据隔阂，解决数据标准与口径不一致的问题。数据指标体系化有个好处是可以实现指标的统一管理，实现统一的统计口径， 避免定义模糊和逻辑混乱，影响数据质量。同时，完备的数据指标体系也可减少重复统计的问题， 从而避免日志上报产生的数据冗余和重复分析产生的服务器资源浪费。

  从业务角度来看，面对不同的BU分析的指标，难以形成统一的标准口径，这就造成了指标信用度问题，也就是常说的指标口径不一致，难以使用。

  往往通常有同名不同径，同口径不同名，这就必须要求我们定制指标规范化，解决数据标准和口径不一致问题，避免定义模糊和逻辑混乱的局面，影响数据分析质量。

  比如说电商业务中，新用户销售额是活动拉新重要分析指标。对于市场部来说新用户的定义是用户首次并完成支付的下单用户，而对于会员中心是当日新用户注册。很明显对于市场来说它不仅仅包含当日注册的新用户，还有之前注册的用户但之前并未下过单。而对于产品中心来说是当日注册且下单的用户。这两份报告如果给老板CEO来看，肯定就存在误差，不知道以谁为准。

三、如何评估数据指标体系

  不合理的数据指标体系可能使业务方无所适从，所以需要一套评估指标体系的标准。

3.1 全方位衡量业务真实现状

  比如从用户来到APP，用户的黏性程度、以及用户互动活跃及消费情况围绕DAU，用户时长，互动情况，访问时间周期，可以进行层次深入分析，来评估应用平台的健康是否能带来的更多收益。

3.2 指标之间有没有逻辑关系

  一般复杂业务场景有有着复杂的业务流程，如果不按照业务流程来建立指标体系，虽然指标很懂，但指标之间没有逻辑关系。这种情况当产品链路节点出现问题的时候，找不到对应的业务节点是哪个，没有办法定位问题，找到原因。

  换句话说，不能仅仅看最后的一个结果指标，还需要把这个结果指标拆分到中间指标上。在中间过程，如果任何一个指标出现了问题，第一是能够提前判定这个业务的健康度是什么样子的，是不是出现问题了。

3.3 是否以业务核心目标，围绕目标建设指标体系

  为了让公司，业务，或者项目成员围绕着一个可量化的目标展开一系列的工作。数据指标极具参考价值，公司管理层需要战略指标更准确地进行决策。
  比如公司的战略指标一般都围绕产品用户 DAU、 运营收入 GMV， 渠道投放 ROI 等通过结果指标回溯过程指标，找到解决问题的核心原因，围绕重点指标来构建指标体系化建设。

3.4 拆解指标是否有意义

  分析的指标看似丰富饱满，但对决策来说无意义，导致就是一堆无意义的数字。

  比如销售部门，关注销售目标有没有达成，现在达成了多少，接下来的每天应该达成多少，哪些区域达到最高，哪些区域达成了最低。如果不围绕这个业务目标拆解指标，而是随意把指标拆解为用户年龄，性别，这就与业务没有任何关系，只是为了拆解而拆解。