如果你不懂指标体系，我强烈建议你看完这篇文章

实际工作中，想要准确说清楚一件事是不容易的。例如，你在金融公司工作，工作中可能会听到这样的对话：“大概有1万多人申请贷款吧”“有很多人都没有申请通过”“感觉咱们的审核太严了”。

同事之间这样闲聊说话没什么问题，但是如果是向领导汇报或者是数据分析师在回答业务部门问题的时候就不能这么说了，一定要用准确的数据和指标来描述清楚。例如上边的对话可以改成：
5月4日新申请贷款用户10450人，超目标达成1450人；5月4日当日申请贷款用户10450人，当日通过2468人；截至5月6日，5月4日申请贷款的10450名用户中有3690人通过申请，申请通过率35.31%。
上面通过一个指标“申请通过率”说清楚了申请贷款用户的情况。但是实际工作中，往往一个指标没办法解决复杂的业务问题，这就需要使用多个指标从不同维度来评估业务，也就是使用指标体系。指标体系是从不同维度梳理业务，把指标系统地组织起来。简而言之，指标体系=指标+体系，所以一个指标不能叫指标体系，几个毫无关系的指标也不能叫指标体系。

同样，在很多公司，张口就来的计算指标司空见惯，很多时候，从指标的定义，到指标的计算以及最后的输出，被很多人自以为是的想法玩来玩去，时间长了，便是一坨乱麻，后期的梳理和拆解工作在一张蜘蛛网上开展，费时费力，推倒重建便是很多公司发展到一定阶段的迫不得已。因此，在指标体系构建的初始，系统梳理指标体系的知识、规范及流程，显得尤为重要。

正所谓基础不牢，地动山摇，指标体系的构建，我们首先要明确什么是指标，指标如何有机构成指标体系，指标体系的内容以及建设规范，这些是最基本，也是最核心的内容。

下面，我们一一拆解。

指标体系，本质在于量化和透明化公司每个业务环节

衡量一个公司每个月能不能挣钱，可以用利润评估；一个商场每个月顾客多不多，可以用客流量评估；一个网页有多少人来了就走了，可以用跳出率评估……其中的“利润”“客流量”“跳出率”就是指标，它是评估业务目标表现或效果的量化参数，最直观的作用就是将业务量化。

当然，通常我们讲述的指标，是对当前业务有参考价值的统计数据，换句话说，不是所有的数据都叫指标。指标的核心意义是它使得业务目标可描述、可度量、可拆解；常用的指标有PV、UV等。

那什么是指标体系？首先，体系泛指一定范围内同类事物按照一定的顺序或内在联系而组成的整体。指标体系也一样，指的是不同指标按照一定的顺序及内部联系而组成的整体。

指标体系要做的，要求技术从不同的“维度”梳理业务过程，将零散的、有关联性的指标，系统化地组织起来，通过数据看板或接口形式，提供给运营、算法等不同的业务方使用。对于使用指标体系的人来说，指标体系能够把业务体系化地展示出来，提高发现问题、分析问题、解决问题的效率。

为什么我们要搭建指标体系？总结起来主要是两点——目标管理和目标经营，即通过指标体系，可以把公司每个业务环节量化和透明化，方便了解目标与现状之间的差距，以及如何通过这些信息驱动业务的发展，达成组织目标。

指标体系，在统一的口径下，分析现状，辅助决策

搭建指标体系的作用，又有哪些？

第一，统一公司口径。同一个指标在不同部门的口径定义是不一样的，如果每个部门各说各话，会产生误差从而影响效率。统一口径可以避免定义模糊和逻辑混乱，从而影响业务开展和数据质量。

最经典的就是离职率的定义，可以有多达十几种定义，例如：

某部门有90名员工（部门编制100），本月90名员工全部离职月中新入职60名。请问，该部门离职率是多少？ 答案1 离职率100% 答案2离职率60% 答案3离职率 90% 答案4离职率 33%

其实你选哪个答案都是可以的，因为目前全球使用的离职率定义确实很多，不同的公司会有不同的业务考虑。

但切记一点：你选择了某种定义，就持续统一用这种定义！

第二，提升组织效率。指标体系可以帮助策略落地执行，及时反馈并评估策略和动作执行情况，还可以明确组织和部门的经营目标，让整体组织朝着同一个方向前进。

第三，了解业务现状。指标可以量化业务情况，清楚了解业务现状，定位问题及改善方向。

第四，科学决策业务。一个相对全面的数据指标体系，可以让管理层从数据层面对公司的发展有一个比较客观的认识，让每一次决策都有足够的证据支撑。

指标定义，不能信马由缰，需要定性定量

指标的定义，不仅仅指标定义者要能完全解释，更重要的是其他相关人员也能清晰明了地看懂，像数据开发同学、测试同学等，所以，清晰明了又面面俱到的指标定义显得尤为重要。那么，规范的指标应该怎么定义呢？

1）指标类型

指的是如何对指标进行划分，比如电商经常用的“人-货-场”，那么按照人的类型就可以划分为“注册用户、购买用户、复购用户、流失用户”，这儿可以进一步的往下进行拆解。

2）指标名称

这里的指标名称应该对事物描述的变化进行准确的度量，简单来说，就是看到这个指标名称就知道所指的事物，比如：“首次交易用户数”这个能准确的衡量什么样的用户什么时候产生的交易。

3）指标含义

对指标名称进行的解释，在做指标建设经常出现同名不同义、同义不同名的情况，所以需要对指标进行解释，比如公司同时有基金业务、有银行理财业务、有贷款业务、那么这些业务对新用户的定义就完全不一样。

基金业务的新用户为首次购买基金的业务、理财业务的新用户为首次购买理财产品的用户、贷款业务的新用户则为首次进行贷款的用户，那么这个时候就要明确指标含义。

4）指标的加工逻辑

这里更多的是取数的逻辑，不管是业务分析师、还是数据工程师，同样的指标在不同的系统可能存在不同的存储逻辑，那么这个时候就要来明确指标如何进行取数，或者叫加工。

比如，企微粉丝数，在腾讯企微后台显示的实际上为企微账号下销售与客户的关系数，但是在实际业务中经常出现同样的客户会被多个销售添加的情况，那么这个时候就需要明确企微粉丝的加工逻辑。

5）统计维度

这个是指对指标的衡量维度，比如按照企微账号、业务线、产品线、销团队等等。

6） 统计周期

一般来讲为日、周、月、季度、年，或者近3天、近7天、近14天等等，这是一个很典型的按照上述维度进行划分的例子。

指标类型	指标名称	指标含义	业务逻辑	统计周期	业务维度
**平台粉丝	粉丝数量	**平台整体粉丝数量	现有粉丝数=增量粉丝数-流失粉丝数	日周月年	平台总体、业务线、渠道

目标导向、过程分析，指标体系建设的两架马车

1) OSM模型 ，目标导向，根据策略定指标

• Object——业务目标，产品的功能目的或需要满足的需求；
• Strategy——业务策略，为了实现目标所采取的方法；
• Measure——业务度量，衡量策略对目标的实现程度。

简单来说，就是以目标为导向，基于采取的策略形成具体的衡量指标。

在实际应用中，目标的选择一般要满足DUMB原则，即doable可行性，understandable易于理解，manageable可管理，beneficial有益的。

• 业务策略必须能够支撑目标，满足需求；
• 业务度量反应的是目标的达成情况，相当于KPI，所以应该具备确保有效性和代表性。

以外卖平台搜索下单模块为例：

• 在业务目标上，用户想要通过搜索更高效地找到自己想要的外卖；平台想要提高客户搜索下单转化；
• 基于以上业务目标；可以提出三个策略：一是搜索匹配度提升；二是感兴趣排序在前；三结果不满足时有效推荐；

那么基于以上策略，可以定出以下业务衡量指标：一是搜索到详情页的转化率；二是详情页到下单的转化率。

2）UJM模型，剖析业务产品阶段，需求分析定指标

UJM，即User-journey-map，用户旅程地图模型。

简单来说，就是通过拆分用户使用产品的阶段性行为，从中挖掘用户的需求，从而在每个阶段确定能够提升的指标。

还是以用户在外卖平台选外卖为例：

如图可知，用户在外卖下单流程中，一般包括：搜索-浏览有兴趣的商品-付费-复购；在每个环节中，我们可以基于用户在产品的接触点，挖掘用户在每个环节产生的痛点，从而识别出产品提升的方向。

在以上两个模型的讲解中，我们可以发现OSM和UJM是两个可以相互验证的模型，可以结合使用，如图所示：

OSM能够促使我们去思考产品的重要目标，UJM能够然我们去站在用户角度思考产品UJM所挖掘的痛点和机会点，也可以反哺OSM中的目标和策略。

所以将两个模型结合，就可以帮助我们以更加全面的角度去思考，进一步帮助我们更加系统地构建指标体系。

当然，还有将产品分成了探索、成长、成熟和衰退四个周期的PLC模型；大零售行业的人、货、场核心三要素指标模型等非常经典的模型。

指标体系，不在技术，难在业务认知

很多人碰到“指标体系”四个字，都觉得是个不错的东西，想要用一个模板来实践一下。

但是，指标体系并没有一个“放之四海而皆准”的模板，就像管理体系没有具体的拆解图一样，不同的业务，对于指标的需求是不同的，而这其中的差异，就像管理一样，需要日积月累的深刻洞察，才能做出匹配业务需要的体系。

当下的互联网行业，对于很多问题的定义，其实是不同的，大家学的都是同一套技术，但并没有一套标准来约束你怎么使用这些技术。

像金融、电信等一些学科，对于问题的定义和分析，都是有明确定义的，总账、资产、负债、利润，等等，不论你在哪个国家、哪个学校，学到的都是同一套知识。

近年来，随着电商的兴起，互联网对于分析业务（电商、广告等），衍生出了自己的学科，比如数据运营，分析问题的思路，是近些年才逐步发展的。但是每家互联网公司，指标体系的建立不尽相同，也没有完全形成系统的规范，大家都在摸索中前行。这根本在于每家公司的业务认知，业务水平及业务方向发展不尽相同，所以，统一的、标准化的指标体系难以在短时间内形成。

指标体系，虽然对外透出的是各种指标、报表及看板，但其内在的核心，是对于一个行业深层次的认知，一套行业完整分析方法，这些都是在历年的积累中打磨出来的，在业务发展过程中探索出来的。久而久之，这些分析方法沉淀之后，形成一套完整的行业指标体系。因此，整个行业指标体系的建设与完善，离不开扎根在该行业数据工作者前赴后继、日积月累的奋斗。