原創不易，求分享、求一鍵三連

Hi，各位親愛的小伙伴，小釵公號遵循日復盤->周復盤->月復盤->季度復盤->年總結策略，所以某類型文章到后期才會成體系。

今天這篇文章屬于月復盤

什么是數據指標體系？

看了下百度百科，竟然沒有數據指標這個詞條，看來這個詞大家平時還用的不多啊。那只有間接偷懶一下，分別查下指標和數據這兩個詞條的含義，在組合起來看看。

數據：數據是指對客觀事件進行記錄并可以鑒別的符號，是對客觀事物的性質、狀態以及相互關系等進行記載的物理符號或這些物理符號的組合。它是可識別的、抽象的符號。

指標：衡量目標的參數，預期中打算達到的指數、規格、標準，一般用數據表示。

——來源《百度百科》

數據是對事物結果的歸納，指標是衡量目標的方法。

組合一下，數據指標就是可以對結果進行歸納的一種目標衡量方式。

說人話就是可以將某個事物結果量化，形成數值化的度量方式，用來衡量目標。

數據指標就是一種定量思維方式的體現，他至少有兩個作用：

1 想不出來數據指標，說明是對這塊事（團隊要做的事）沒有一個清晰的認知

2 想得清楚數據指標，卻做不出來，說明對整個團隊缺少掌控，不能推動落地

不能建立數據指標，根本沒法做數據驅動，所以數據指標其實是想真實反應我們的團隊是什么狀態，我們做的事是什么狀態的一個指向標。

究其原因，組織執行力、產品健康度需要某種程度的量化，數據指標的作用從更宏觀的角度看是這樣的：

其中牽引指標就對應我們的業務數據指標，牽引指標不健康的時候可以預警是不是團隊方向跟目標走偏了，leader要考慮調整目標還是修正團隊方向。

結合數據分析來說，數據指標就是將復雜、抽象的業務拆分組合，并找到可以直觀明確的衡量這些組合的度量方式，并可用數字來量化。同時他們是相互獨立的，可以窮盡的。

但要完整的衡量一個事務或者業務，一個數據指標往往是不夠的。如同描述一個人，僅僅描述身高，體重等等單一維度不能反應一個人的全貌一樣，單一的某個數據指標是不能反應整體情況的，這時候需要建立指標體系——一系列有邏輯關系的數據指標，通過多維度的數據指標來評估業務狀況。

對于一般互聯網行業或者產品來說，數據指標體系是用來系統的揭示業務水平狀況和用戶行為的主要方式。

為什么要建立指標體系？

數據指標本質是用數據說話，對業務進行精準的號脈。

1. 統一衡量業務好壞的標準

傳統企業或者小企業可能不會有數據指標體系的概念，也不會下大工夫來建設數據指標體系，但卻并不能完全脫離，或多或少都會涉及數據指標，只是不夠全面、不能統一、不成體系。

一般衡量業務好壞主要看財務指標，例如收入、毛利率、凈利率等。對于一些創新類、探索類的業務可能會關注用戶量、GMV、轉化率等。不管業務處在什么階段，我們都需要一些數據指標能夠對其進行衡量。

沒有指標對業務進行系統衡量，我們就無法把控業務發展，無法對業務質量進行衡量，無法看清楚業務發展是否到達階段性目標。而且某些復雜的業務，單一數據指標衡量很可能片面化，需要搭建系統的指標體系，才能全面衡量業務發展情況，促進業務有序增長。

當組織有全面、統一數據指標體系時，可以統一度量衡，減少轉化、翻譯（口徑解釋）等工作，降低組織內的溝通成本。

2. 指導產品的研發和運營工作

產品的研發和運營其實很依賴數據支持，數據指標不僅僅能幫助大家看到業務發展的結果，還能幫助大家看清產品研發和運營的過程，能夠及時調整策略，更萬無一失的達到目標。

對于互聯網公司，產品的研發和運營等部門是促進公司發展的核心組織，通過完善的數據指標體系和數據分析，來有效聚焦工作目標、指導成員工作。同時對指標體系內的各層級指標間建立起清晰的關系，還能從指標體系出發，明確工作重點。最終做到以數據驅動，找到不足，提升業績。

3. 幫助建設數據分析體系

數據指標體系是數據分析體系的第一步，數據分析本質就是根據數據指標的變化尋找業務問題、預測業務結果，數據分析工作在數據指標體系的指引下才有意義。

完善的數據指標體系業務可以讓數據的采集更有目的性，避免分析時的指標數據遺漏或缺失。雖然有些數據分析軟件可以對數據缺失值進行處理，但如果連指標都沒有，這種缺失肯定是軟件無法處理的。尤其是關鍵指標的缺失，將會造成分析結果的可信度下降。

數據分析體系的最終目的是幫助組織在內部建設一套可運行的信息反饋機制，能夠持續的發現問題、預警風險，幫助決策者能夠做到“謀定而后動，知止而有得。

舉個例子，我們衡量一個公眾號前期的運營情況，可以用一個核心指標——昨日新增用戶數。

如果昨天新增用戶數是1000，這個猛然一看感覺這個公眾號運營的還不錯。但是再加個前日新增用戶數這個指標呢，如果前日新增用數是2000呢，那么新增用戶數直接是下降了50%了。我們加了一個比較的指標，讓我們對這個業務的發展認識就完全不一樣了。如果我們加入更多的指標，比如閱讀量、打開率等等，還會有更多的認識。

上面我們不斷增加指標的過程，也就是在梳理業務指標體系的過程，一個數據指標是沒有辦法衡量業務的發展，但是一個指標體系就能把問題說的清晰明白。

一個好的指標體系對于組織而言，可以是一把統一溝通語言的尺子，可以是一臺統一方向的司南，可以是一個持續發現問題、預警風險的智庫

什么階段建設？

數據指標體系的建設是和業務的發展相輔相成的，當數據指標體系比較完善時，我們的業務應該也是比較成熟了。

如果業務才剛剛開始，我們就要建成完善的數據指標體系是很難的，而且是不切實際的。

就算勉強有，這樣的數據指標體系也是無根止水，因為業務是不斷變化的，運營方式也會不斷調整，大部分的數據指標都需要從業務結果和業務運營過程中去提煉總結。

只有當業務比較成熟時，運營方式比較穩定時，我們的數據指標體系才能初見成效，才能有效的運轉起來。

但并不是我們在業務不成熟時，就不應該投入，除了一些可能貫穿這個業務階段的數據指標外，我們在業務的各個不同階段應該去發掘提煉每個階段應該關注的數據指標，不斷的迭代，隨著業務變化而變化。

比如收入、利潤率等財務類的指標應該是業務整個發展階段都應該關注的，除此之外，在業務發展前期我們可能更會關注新增用戶量、轉化率、拉新成本等指標，而在業務發展后期，我們可能更加關注活躍率、留存率、運營效率等指標。

數據指標體系不是一日建成的羅馬，需要持續不斷的投入，在業務發展的不同階段有不同的小目標，當業務穩定時，這些小目標就匯聚成了最終的大目標。

所以我們應該在業務一開始的階段就要投入，不僅是為業務階段性的目標提供幫助，也是為最終的數據指標體系添磚加瓦。

資源需求

數據指標體系看似是個很專業的事情，需要很專業的人來干，其實不完全對。

數據指標體系的建設確實需要一些專業的數據人員，需要依賴一些工具，但這并不是最重要的。

就像上面說的，數據指標的目的是為了衡量業務好壞、幫助業務發展，因此數據指標建設最重要的是要對業務足夠熟悉，能夠深入業務，對業務的認識和了解甚至要超過業務負責人。

這樣看來似乎是老板或者業務負責人應該是數據指標建設的第一負責人，確實如此...

在實際的操作中，數據指標體系一般也都是在老板和業務負責人的要求下去建設的，也只有拿到老板或者業務負責人的授權才好推動下去。

因為數據指標體系的建設涉及產品研發、運營、銷售，甚至財務、人力等方方面面，需要很強的協調能力。

因此數據指標體系建設的負責人最好是資深的數據分析人員、產品經理或者運營人員，最好是一直跟隨業務發展的同學，這樣能極大的減少熟悉業務的成本。

另外最好與老板或者業務負責人有比較好的關系，有穩定的溝通匯報渠道，因為他們才是數據指標體系的最大受益人。這樣既能隨時溝通，保證信息和認知一致，同時也能給自己提升影響力，更方便的協調各方資源。

其他人力投入還需要一些數據產品經理（也可以是數據分析師）和數據開發同學，他們主要負責執行工作。

數據產品經理或者數據分析師需要定義數據指標的概念、口徑等，并整理成冊，方便各方查閱，統一認知，在后期還要進行數據指標可視化呈現和分析。數據開發同學需要根據數據指標口徑清洗數據，建立好數據模型，方便數據分析同學取用。

當然數據的清洗可能還需要研發、IT、運營、銷售、財務、人力的各方配合，因為指標需要的數據不僅來源于業務系統，還可能來源于銷售系統、財務系統和人力系統等各個地方。

除了人力投入以外，可能還需要一些數據開發工具和數據分析工具。這些工具可以自建也可以采購，自建的話投入更多的人力即可，但一般中小企業或團隊采購的方式可能更劃算。

總的說來，要建設一個完善的可投入實際運用的數據指標體系，投入應該是很大的

組織架構適配

如上所說，數據指標體系只是整個數據分析體系建設的第一步，數據指標體系之后還有很多數據分析的工作，這才是利用數據指標體系產生更有價值的階段。

所以我們的組織架構并不僅僅只為數據指標體系的建設去設立，可能需要為整個公司或團隊對數據的收集、運用去設立。

根據之前數據中臺的建設經驗，這個團隊需要具有跨業務部門共享公共數據的能力，能夠承擔數據中臺建設職責，這里面就包含了建設數據指標體系的能力。

為了能夠公正公平衡量各個業務好壞，它必須是一個且獨立于業務團隊的部門，這個團隊的負責人應該直接向老板或相關高管匯報。

為了避免與業務脫節，對這個團隊的組織定位是懂業務，能夠深入業務，扎根業務。在個團隊內部，可以由三個小團隊構成：

數據分析團隊，這是數據指標建設的核心團隊，負責數據指標體系的規劃，指標口徑的定義和維護，分析報告產出等；

數據平臺團隊，負責構建支撐數據指標體系的平臺，包括指標系統、元數據中心、數據地圖等；

數據開發團隊，負責清洗數據和數據建模，維護公共數據層，呈現各個數據指標結果，以及滿足各個數據指標定制需求。

適合的團隊構成和組織定位是建設數據指標體系的必備工作，最好是獨立的部門，同時要避免與業務脫節，能夠深入業務，要與業務目標綁定。

路徑是什么？

數據指標體系建設的第一個難題就是指標管理的混亂，例如下面這些：

相同指標名稱，口徑不一；

相同口徑，指標名稱不一樣；

指標口徑描述不清晰；

指標命名難于理解；

指標定義和計算邏輯不清晰；

上面這些問題在沒有專門的團隊來負責數據指標體系這事之前也許可以原諒，但有了專門團隊之后，就不應該出現。

所以數據指標體系建設的第一步就是建立好指標管理規范，根據業務需要迭代和更新指標內容，最好是建立一個指標管理系統，能夠更加方便的更新和維護我們的指標內容。指標管理也有些技巧可循，例如：

可面向主題域管理，拆分原子指標和派生指標，制定指標命名規范，將指標進行分級管理等。

對于指標分級管理，我們一般將指標分為四級。

第一級是北極星指標，他是公司最重要且唯一的指標，當其他指標與它沖突時，以它為準；

第二級是公司級指標，是公司關注的重要指標，可以有多個；

第三級是部門或者產品線指標，一般是部門或者產品線關注的指標；

第四級一般是業務過程指標，反應的是業務運營過程需要關注的指標。

所謂數據指標體系，肯定是能夠用數據衡量的指標才有意義，所以建設數據指標體系的第二步就是需要為給每個數據指標建立數據模型，提供數據支撐。

建立數據模型的關鍵是數據的收集和清洗，這十分依賴每個公司的信息化建設完善度，對于一般的運營數據還好，數倉團隊就可以處理好。

如果涉及銷售系統、財務系統、人力系統的數據就會比較麻煩，特別是采購的各個不同的廠商的系統，需要大量的成本來打通各個系統，否則需要大人力來提取和拆分各項數據，這個工作量就極大，而且容易出錯、效率低下，最頭痛的還是相關的人力協調。

不考慮數據的收集和清洗的話，數據模型建設其實是考驗的我們數倉設計能力和模型開發能力，當然現在市面也有一些現成的工具和平臺，不需要很強的技術能力就可以搞定。

但是也有一些點需要我們注意，例如盡量避免分散、煙囪式的數倉模型，最好建在一個可復用、可共享的平臺上，還可以用完善度、復用度和規范度來評估模型設計的好壞，這些都能夠提升我們開發的效率和質量。

最后一步就是指標數據的呈現和數據分析，只有將有數據指標的數據反饋出來，數據指標才有意義。我們一般會為數據指標體系建立一套看板系統或報表系統。

在更高級的使用階段，可以實現自助取數的功能，讓業務人員能夠自主獲取自己需要的指標相關的數據，打破報表或者看板這種固化的分析思路，不用事事依賴分析師同學。

為了能夠進行更加全面的進行數據分析，還需要實現數據的全維度鉆取，因為分析師同學一般也只能依靠經驗去判斷一個指標有哪些可分析維度。

如果我們的指標系統能夠提供一個指標的所有的可分析維度，并且能夠根據需要呈現指標在各個維度下的取值，甚至能夠不同維度組合進行層層下鉆，這樣就更容易找出指標波動的原因，這就是全維度鉆取。

這樣就能夠實現數據驅動下的精益運營，能夠實現從目標量化、持續跟蹤、異常診斷到決策反饋的數據驅動業務閉環。

結語

數據指標體系來源于

要解決業務問題，得先搞清楚業務存在哪些問題

所以數據指標體系到底能解決什么業務問題才是最重要的，要能夠基于數據指標變化的表象，找到影響業務的原因，并幫助解決這個問題，那老板或業務方才會認可數據指標體系的價值。

同樣，數據指標體系的價值最終也是要回到業務價值上來，數據指標體系并不能直接產生業務價值，需要深入業務當中，提煉出有價值的指標，建立數據評價體系，來反饋業務。

但一般來說數分對業務理解不會比業務負責人更多，容易淪為出報表的團隊，如何深入業務，如何1+1>2需要更多的思考，至少我現在沒有答案...

否則一旦發生裁員，這種說不清楚自己價值的團隊會很危險

好了，今天的分享就到這，喜歡的同學可以四連支持：

想要更多交流可以加微信群：

總結

以上是生活随笔為你收集整理的全面认识数据指标体系的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。