数据分析业务问题之二【指标体系】

ReadMe

设计数据看板考验的是分析师对业务理解的深度和对看板使用者习惯的了解程度。通常对不同的使用者级别，同一个业务会有不同深度的数据指标设计。

- 业务理解深度是指：需要熟悉项目/公司的部分划分情况，每个部们在业务中负责的部分和整个业务的流程，数据埋点和业务逻辑。

- 使用者习惯是指：不同层级的使用者对看板的要求是不同的，管理者不可能会去看数据明细，而高度聚合的数据对业务执行者的指导又有限。

还需要说明的是，很多数据分析书籍都会介绍AARRR模型，实际运用起来它并不是看板设计思路的起点，起点仍然是业务的逻辑和产品的逻辑。AARRR模型可以作为字典来查漏补缺。简单理解就是需要因项目制宜。

我的数据指标设计分以下几个步骤：

1）确定数据指标使用者

- 负责人：关注公司/项目北极星指标和一级下钻指标，一级下钻的维度是能够按照部门划分归到责任人的。管理者需要通过看板获知这项业务健康程度，是否完成预定目标，若有异动向哪些部门沟通等信息。

-执行人：需要基于数据看板对项目执行的优劣程度有一个理性认识，能及时发现指标的异动和基于数据的日常运营工作

2）指标搭建方法1:基于业务流

基于业务流的指标体系分为两个部分：维度和数值

按照从整体到分维度看各个指标项的数值

在设计数据指标的时候需要注意以下几点：

1. 按照由整体到分维度的逻辑来做（这个不要创新了，因为使用逻辑是这样的）

2. 报表之间要有对应，分析师需要考虑的是：整体报表中的波动在分报表中能有几种维度去分析，那么分报表就应该设计几种维度（也就是多做数据异动分析，不然领导让你立刻看结果的时候抓瞎）

3. 分析师需要很熟悉业务。如：你做内容生态的时候得知道业务是怎么对作者进行分类的，如何算作是优质作品（前验数据还是后验数据？），多少粉丝算是你们平台的头部作者等等。

3）指标搭建方法2:基于产品的功能模块

很多垃圾教程说要把产品拆分成功能模块，分成：核心功能，大众功能，小众功能和其他功能，然后针对每个模块的曝光和留存进行分析。事实上我每次跳槽都能发现原来的分析师遗留下这么一张报表，而这张报表几乎没人使用。这是有原因的：

1. 没有产品经理认为自己的功能是不核心的，哪怕是哪些优先级很低的功能，哪怕是曝光率很低的功能；

2. 认识到功能模块的曝光和留存，仅仅能知道功能模块设计的优劣，这个对产品经理的工作指导很有限，他们工作真正的痛点是：功能设计成A样式留存高还是B样式留存高（其实就是基于AB test进行测试，这个后续再说）

3）指标搭建方法3:基于AARRR模型

新人分析师看到以上一定很迷茫，如果不熟悉业务难道做不出数据看板？我的方法是：简略了解业务，使用AARRR模型做一个初版。这个初版给出了一个全面的，框架的，不符合具体业务的看板框架，拿着这个版本去和业务磨，不厌其烦的调整。熟练的分析师也会对着AARRR模型用做查漏补缺。