数据指标体系搭建实践

数据指标体系搭建实践

为什么要构建数据指标体系？

因为我们希望时间能花在解决问题而不是寻找问题上。

前言
我们所需要的并不是数据，而是数据背后映射的洞察。

在业务发展过程中，会产生大量的数据，单看数据是没有价值的，只有和业务相结合转化为信息，再经过处理才能体现其价值。

对于业务数据而言，通常分为两项：其一是维度，其二是度量，或者说是指标，这两项构成了我们数据分析的基础。

对于结构化数据，我们可以理解为一个多维立方体（cube），里面存在着维度和度量。

当然，不仅仅是三维，可以有多个维度。

这里拿三维立方体模型进行举例：

想象你操作数据透视表的模式，可以通过钻取、切片、切块等多种方式来对这个cube进行多维度观察，记录对比多个度量值，从而获取到数据所描绘的业务现状，继而通过对比产生对业务发展的洞察，从而制定出相应的决策。

然而在实际的业务运营中，单纯从几个维度并不能完整的了解业务发展的状态，我们需要从更深的层次去观察业务，更需要在业务指标出现问题时快速定位原因，这就需要通过构建合适的指标体系来实现。

一、业务背景
笔者主要做社区板块的数据支持，社区业务是整体业务的一个较为重要的子版块，目前处于多批次循环迭代中，由于业务方向及产品形态的变化，需要多次更新调整数据计算逻辑。

并且由于埋点及业务数据的不完善，经常需要校验异常数据，且部分指标至今无法确保准确性，为了应对频繁的产品迭代产生的数据需求以及更好的发现问题、定位问题，故需要从整体业务的角度构造指标体系。

为什么要搭建指标体系？

通过指标体系监测业务发展的状况，最大的价值就是高效利用时间，把时间花在解决问题上，而不是寻找问题上，从而提高整体的人效。

指标体系的输出结果应当是一份指标字典和对应的Dashboard展示，需要至少满足以下要求：

成体系化的指标监控系统，能够从多维度了解业务发展的现状
在业务发展出现问题时能够快速定位问题所在
高效地为团队提供数据支持
这其实也是商业数据分析能力的前两层，即发生了什么和为什么会发生。

二、指标类型及命名

在构建指标体系的过程中，首要动作就是明确指标的分类以及约束指标命名方式，使各个指标能够做到见名知意、减少沟通成本，这里我们按照阿里对指标的划分规范指标命名：

指标分为原子指标和派生指标。

原子指标是基于某一业务事件行为下的度量，是业务定义中不可再拆分的指标，是具有明确业务含义的名词 ，体现明确的业务统计口径和计算逻辑，例如支付金额。

原子指标=业务过程+度量
派生指标=时间周期+修饰词+原子指标&#x