数据指标体系建立

指标体系
做数据分析的时候，有一个很重要的过程，就是搭建数据指标体系。对于指标体系，在某些出版物中是这么定义的，指标体系，是由一系列具有相互联系的指标所组成的整体，可以从不同的角度客观的反映现象总体或样本的数量特征。概念总是比较难以理解的，举个不是特别恰当例子，就好比太阳系，他也是个体系，有恒星、行星、卫星等组成的整体。九大行星以太阳为核心游走于自己的轨迹，单独把地球、太阳拿出来，他不叫太阳系，随便找出几颗其他的行星，他也不叫太阳系。总之，指标体系中的指标彼此间要存在逻辑关系，单独一个指标或毫无关系的指标都不能称作指标体系。

指标架构
按照不同的意识形态，构建不同的指标架构。理解与认知需要一个主体，而主体圈定范围。目前互联网公司基本都有自己的CRM、ERP、OA等信息管理系统，这是以公司为主体，组织层面根据业务搭建管理系统，构建指标架构。指标体系应用非常广泛，范围不同对应级别和架构也不同。从个人到国家都涉及指标体系的构建，个人层级（收支指标体系）、团队层级（KPI指标体系）、组织层级（管理指标体系）、行业层级（评价指标体系）、国家层级（经济指标体系）等。这只是罗列出对主体的某个方面进行指标体系的构建。无论是生活中，还是工作中，主体所处的不同场景，都可以通过指标体系进行量化。

指标模型
对于指标体系的应用，主要还是在工作中。对于互联网公司，指标体系的建立离不开产品、业务、用户这三个对象。通过对象抽象指标模型，比如用户消费漏斗模型、产品迭代模型、业务转化模型等。不同的产品类型、产品阶段圈定不同的数据指标。不同的业务流程线、业务节点圈定不同的数据指标。不同的用户行为、生命周期圈定不同的数据指标。指标模型是以事件为核心的，通过事件定义一个触发点，根据触发点抽象出指标，在根据指标圈定相应的数据，最后搭建指标模型反映事件现象。进而实现对事件的理解和决策调整起到支持作用。其实这也就是指标体系搭建过程。

指标体系搭建
上边也说到指标体系的搭建过程。总结来说，以事件为核心，明确触发点、定指标、圈数据、建模型的步骤过程。

触发点
触发点是整个体系建立的第一步，如同打地基，至关重要。他是数据分析的目的，也是体系建立的目标。未来模型的可用性和迭代程度，很大程度取决于这一步的定向。再次重申，一定要明确指标体系建立的目的。目标大体上可分为几类：1.表现现状；2.反应问题；3.预测趋势；4.评估目标；5.决策调整；根据自己的目标建立定向指标模型，这样也为指标的划定提供的了基础。
定指标
有了方向就好划定指标，指标大体分为三种。一种是关键指标，一种是衍生指标，还有一种是自建指标。在大量的指标种，根据这三种标签结合分析目的进行选择。这样的指标模型更实用，有效果。指标自身类型也分为两类，一种是量级指标，他表示的是规模。一种是效率指标，他表示的是质量。
第一步，定关键指标，关键指标根据流程关键节点或者行为重要动作选定，可以很好的反应业务特征和问题的本质。
第二步，塑衍生指标，衍生指标可是对关键指标的重构或计算。辅助关键指标对问题的阐述，事件的刻画。
第三步，验证有效性，以目标为核心，验证划定指标的有效性，如果不能很好诠释事件，也可以根据情况自建指标。
圈数据
做好前面的两个步骤，这一步是一个撒网捕鱼的过程。这个阶段要注意的就是掌握收集并整理数据的度，清洗数据是一个比较费时的动作。根据实际情况，在保障数据质量的同时，推进构建指标体系的效率。在减少时间成本的前提优雅的解决问题。上边是在操作上要注意的。在理解上要注意数据和指标的关系，是指标决定数据，而不是通过数据反推指标。这一点很关键。
建模型
建模型的过程就是以事件为核心，把指标间的逻辑关系表述清楚。好的模型具有可拓展、可泛化的能力，通过不断的迭代，高效复用的解决问题。有些模型是比较成熟的模型，有些需要自己建立模型。根据自身的情况而定，总之要符合核心事件的逻辑。不要因模型而建模，一定要紧握事件。

总结，指标体系建立的过程，是实践与优化的过程。以事件为核心，圈定范围，明确逻辑，挖掘根源。这样数据指标体系对于分析初衷的作用价值才能最大化。

转载于:https://www.cnblogs.com/MOKAILG/p/6000095.html