一、为什么要搭建数据指标体系
获取全局性的、有体系性的信息;进而通过这些信息去驱动业务的发展,达成组织目标
二、什么是数据指标体系
指标库 + 关联关系 + 使用指南
三、怎样评价一套数据指标体系
描述现状、洞察原因、预判未来、改善未来
四、如何搭建数据指标体系
理解业务、量化业务、建立体系、交付资产
五、数据指标体系应该怎么用
统一语言、统一方向、收集信息提炼价值
一、为什么要搭建数据指标体系
1、指标体系可以建立业务量化衡量的标准,全面衡量业务发展情况。
数据指标体系通过统一口径来管理指标,可以保证指标的可靠性和准确性,促进业务有序增长的同时随着业务发展不断完善。对于决策者来说,完善的数据指标体系可以帮助他们了解业务现状,把握核心问题,并制定有效的北极星指标和整体战略。对于一线业务人员来说,有一个系统化的数据指标体系可以指导业务策略的制定,提升业务发展的想象空间。
2、减少重复工作,提高分析效率。
对于数据分析师来说,指标体系建立后应该能覆盖大部分临时数据分析需求,一个完善的数据指标体系可以大幅减少日常取数和报表工作,为他们留出更多时间去做探索性分析和深层次的数据挖掘,更好地服务业务。
3、完善的指标体系可以帮助快速定位问题。
有了过程与结果指标,有了指标的前后关联关系,就可以通过回溯与下钻,快速找到关键指标波动的原因。对于一线业务人员来说,有一个系统化的数据指标体系可以指导业务策略的制定,提升业务发展的想象空间。
二、什么是数据指标体系
数据指标有别于传统意义上的统计指标,它是通过对数据进行分析得到的一个汇总结果,是将业务单元精分和量化后的度量值,使得业务目标可描述、可度量、可拆解。数据指标需要对业务需求进行进一步抽象,通过埋点进行数据采集,设计一套计算规则,并通过BI和数据可视化呈现,最终能够解释用户行为变化及业务变化。
如果没有指标,我们能够知道的信息就会变得很少,亦或是获取信息的成本会变得很高。如果只有指标,而没有体系,我们能够知道的信息就会变得很窄,亦或是获取的信息就会变得很乱。建立指标体系的目的就在于获取全局性的、有体系性的信息,进而通过这些信息去驱动业务的发展,达成组织目标。
指标体系由三部分构成:指标库、关联关系,以及指标体系的使用指南
指标库是多个关联的指标;
关联关系指指标间的逻辑关系,如利润等于收入减去成本;
使用指南是各个指标根据自身的目的所决定的使用方法,例如是同比、环比、和目标比、和市场比,以及相关的数据模型等。
三、怎样评价一套数据指标体系
搭建数据指标体系要有重点,有目标,指标体系不是越全越好,和业务最贴切的才是最好的。
数据分析通常要解决的4类问题,分别是:描述现状、分析原因、预测未来、改善未来。
描述现状:基本还原业务整体的运营现状。
分析原因:对业务的变化进行归因,对问题进行定位。
预测未来:进行假设分析,对未来做出一些预判。
改善未来:帮助我们找到改善业务的动作、策略、战略。具体而言,这套指标体系,可以围绕组织目标,找到某些人,驱使他们去做某些事,比如对特定人群进行专项营销活动。
一个可用的指标体系,至少要达到以上四个层次其中之一,能够达到的层次越高,这套指标体系能产生的价值越大。
四、如何搭建一套好的指标体系?
搭建指标体系的核心是理解业务,以实现业务目标为目的搭建数据体系,有重点、有目的的梳理指标,保证数据指标能够覆盖业务的整个流程。
在数据指标搭建初期以战略目标为主,优先搭建北极星指标的全方位指标监控;中期以业务驱动为主,搭建指标衡量现有业务,业务驱动直接获取到的指标一般是二级指标,需要整合到指标模型里面去;到了后期,此时各数据指标已经搭建的差不多了,是时候根据模型查缺补漏,搭建针对产品的指标闭环,通过数据来反向推动产品的迭代优化。
我们可以往4个方向深入对业务的理解:
业务目标:包括要创造的价值,以及要交付的结果等。
业务的运营模式:包括参与主体以及主体之间的关系等。
可控因素:对业务目标有重要影响的、可控的内外部影响因素。
不可控因素:对业务目标有重要影响的、可控性较差的内外部影响因素。如汇率变动、原材料价格等都是可控性较差的外部影响因素,是值得监测的风险点。
其次,我们可以经过3个步骤,完成数据资产的交付:
量化业务:将上述的四类业务事实,依次转化为对应的指标;
业务目标 → 结果指标,运营模式 → 运营指标,可控因素 → 过程指标,不可控因素 → 监控指标。
建立体系:建立上述指标的联系,以及整个指标体系的使用方法。
交付资产:将指标体系转化为数据资产交付。例如,一套指标体系的说明文档、数据表格、报表、看板、报告等。
搭建流程可以概括为:
1、需求收集:产品或运营完成产品原型或运营方案,数据分析师根据原型或运营方案提炼数据需求,评估需求可行性并和需求方讨论修改不合理需求。
2、需求汇总及排期:数据分析师将数据需求整理成文档并根据优先级对需求进行排期。
3、确定指标体系方案:数据分析师以AARRR 等模型作为指导思想,初步确定指标体系建设方案。
4、确定数据埋点方案:数据分析师根据初步的指标体系建设方案设计埋点方案,同时给出字段命名规范以及数据采集方案。然后,数据分析师将上述方案给到前后端进行埋点。
5、数据采集:在数据采集阶段,数据开发工程师需要将前后端埋点数据接入数据仓库并进行一定的数据清洗。
6、搭建指标体系:在搭建指标体系之前,数据分析师需要对入库的数据进行核验,检查数据是否全,数值是否正确。然后,可以根据指标体系建设方案进行指标体系搭建及落地。
7、效果评估:指标体系落地,在业务的不断反馈当中逐渐完善整套指标体系。
五、指标体系该怎么用?
无论是指标体系的搭建还是最终使用,都要求业务人员能够全面洞悉业务。其次,要建立指标之间的联系,掌握基本的分析模型,从点到线,从线到面,衡量并解读每一个数据变化对业务产生的作用。最后要了解市场,具有商业化思维,寻找业务爆发点,指导下一步战略。
一个好的指标体系对于组织而言,可以是一把统一沟通语言的尺子,可以是一台统一方向的司南,可以是一个持续发现问题、预警风险的智库。
尺子:当团队使用一套指标体系时,就可以统一度量衡,减少转化、翻译(口径解释)等工作,降低组织内的沟通成本。承载的工具有:元指标模型、元数据模型、指标管理系统等。
司南:当团队使用一套指标体系,开展工作时,就能聚焦工作目标。当指标体系内的各层级指标间建立起了清晰的关系,就能从指标体系出发,明确工作重点。承载的工具有:KPI指标体系、ORK指标体系等。
智库:当一套指标体系,有了清晰且充足的使用指南,并且在组织内有一套可运行的信息反馈机制时,这套指标体系就能够持续的发现问题、预警风险。决策者就能做到“谋定而后动,知止而有得。”承载的工具有:指标分析方法、信息反馈机制等。
当然,数据指标体系好用的前提是建立合理、有效的指标体系,且数据质量有保证,数据质量都不能保证,指标体系搭的再好,分析出来的结果也没什么意义。