本文探讨了构建指标体系的重要性，特别是在大数据背景下，企业对数据人才的高需求。介绍了OSM模型，通过滴滴出行的例子展示了如何运用该模型确定业务目标、策略和度量。同时提到了AARRR海盗模型和UJM模型作为补充，帮助数据人员从不同角度全面分析业务。最后，强调了指标体系的落地应用和管理，包括各种分析方法。
有人说：掌握了数据分析技能，就掌握了未来。
虽然有些夸张，但是不可否认的是：
我国的大数据产业经过多年发展，行业应用逐渐加深，市场规模显著增长，预计到2022年产业规模将突破一万亿元
并且随着区块链、人工智能、5G的逐渐成熟，企业对于大数据人才的需求也越来越高，并且至今缺口很大。
但是数据类人才虽然吃香，企业对其的要求也比较高。
其中“构建指标体系”这一重要技能，也成为了很多一线大厂对数据人的硬性要求。
指标体系的构建，是为了让业务目标可度量、可描述、可拆解。
从而进行业务情况的监控、找到当前业务问题、评估业务可改进的地方，找出下一步工作的方向。
但很多数据人在搭建指标体系时，经常会遇到这些问题：
- 指标没有重点、没有思路，构建完成后也只是一组数据，各有用处，合起来却起不到作用；
- 指标空洞，粗看有模型又有分类，细看流程中却没有几个具体的指标，无法落地；
- 指标缺乏数据，导致业务上线了又开始添加指标、增加维度，最后报表变得臃肿，数据参差不齐，影响工作推进；
- …
那么，怎么才能解决这些问题呢？
这就需要我们灵活掌握，以下几个在构建指标体系时会用到的方法：
-
北极星指标&#x
最低0.47元/天 解锁文章
3952
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
