有很多人将数据指标理解成标签,理解成传统意义上的统计指标,其实这是不对的。数据指标指的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。数据指标和业务的联系十分紧密,因为它是对业务需求进行的进一步抽象,反映了用户做了哪些行为,给业务带来了怎样的变化等。
数据可视化 - 派可数据商业智能BI可视化分析平台
数据指标是一个具有适用范围的衡量目标的方法,也适合业务相对应的统计概念。所以对于企业的不同部门因为所需、所用的数据不同,对于数据指标的关注程度也是不同的,例如销售部门数据的重心会放在销售数量、销售变化、销售收入等数据上,也就形成了数据指标的适用性。
数据指标分类
从指标运算聚合程度上来划分,可以将指标分成基础指标和复合指标。
基础指标是从粒度最细的业务明细数据中做一层聚合,只进行最基础的统计加工,同时也是数量最为庞大的指标群体。
复合指标指在基础指标的基础上,进行复合运算,运算的方式可以是简单的六则运算、也可以包括复杂的公式,或数据处理算法。
从指标的重要性和层级上划分,又可以分为公司战略层面指标,业务策略层面指标,业务执行层面指标。通常战略方面指标用于衡量业务执行层面指标,策略层面指标是为了实现战略层面指标而设计,往往称为二级指标。业务执行层的指标又是对二级指标的拆解和细化,通常是指导工作人员开展工作的内容。
数据指标存在的问题
1、指标重复建设。企业系统架构庞⼤,指标由各业务需求部门分散于各系统进行建立,指标口径和统计方法并未统一。有了新指标需求后,各部门独立建设,前期构建指标并未进行复用,无法进行跨部门跨领域的指标积累,大大增加了指标开发工作量。
2、指标管理不规范。指标的建设和维护常常依赖于技术人员,随着企业IT部门人员流动,研发人员对指标理解逐渐缺失,需要重新查看代码才能进行指标理解。另由于开发人员操作不规范问题,可能导致一个SQL脚本对应多个指标计算,导致后期指标逻辑调整,造成较大影响。
数据指标 - 派可数据商业智能BI可视化分析平台
3、指标血缘未跟踪。开发人员交付的指标报表,由于时间久远,需求方、指标来源表、使用者等方面不清晰,很多指标由于后续业务调整已经无人管理和使用,但是仍然进行定期计算,占用系统的计算资源。另由于数据源提供数据的质量问题,导致指标计算不准确,且未进行问题追溯。
4、指标价值难挖掘。业务人员往往不会使用复杂指标工具,开发人员难以从业务人员角度理解需求,业务人员在进行数据分析时,很难自行进行复杂指标开发,由于和开发人员的沟通成本,导致一些分析想法难以实现,难以挖掘数据的价值。
5、指标应用难创新。随着各项大数据分析技术的发展,通过算法实现归因类、预测类指标的应用越来越广泛,但这类指标开发仍然存在较高的门槛,企业往往由于缺乏相关的技术支撑和团队支撑,无法构建需要的指标,推动业务创新发展。
数据指标体系建设原则
1)指标的分级分类:进行集团及指标维度、分类、层级的统一定义,避免指标重复,作为后续各部门指标的创建梳理提供统一的标准。
2)指标的统一口径:对各类指标进行统计口径的统一,避免计算过程中发生歧义。
指标 - 派可数据商业智能BI可视化分析平台
3)指标的规范管理:设立指标管理办法,将指标统一管理责任到人,保障指标管理能够持续有序运营。
数据指标体系的价值
数据指标体系的构建其实在很大程度上将企业整体的发展情况完整的展现在高层管理人员的面前,还可以通过数据可视化形成管理驾驶舱、集团看板等核心报表,只需要了解核心的数据指标变化情况,就能全面分析企业发展,进行更加准确的决策。
而数据指标体系也不只是管理人员独享,企业的业务人员同样可以通过数据指标获得大量价值。举一个简单的例子,如果没有数据指标体系,业务人员因为对IT技术、数据库了解不多,只能与技术人员沟通少量利用数据或不用数据,这样一来,业务情况就无法通过数据来复盘、预测。
数据可视化分析 - 派可数据商业智能BI可视化分析平台
这个时候,数据指标体系就可以利用其中针对业务的指标查看对应的数据变化情况,并根据业务变化进行优化调整,并在过程中持续进行优化,为业务发展带来正面影响,规划下一步业务的执行,让企业业务健康发展。