系统介绍：数据标签与数据指标

引言：数据标签和数据指标，是对数据进行分析得到的两种重要的数据结果表现形式，可以对数字化业务应用提供重要的信息服务支撑，同时也是企业的重要数据资产类型。例如，在数据中台建设上，很大的工作量在于数据标签和数据指标的计算和开发。

数据服务不仅对原始数据的访问提供支持，同时也对数据标签和数据指标的信息查询和同步提供支持。对于数字化企业来说，不仅需要设计、定义，和使用数据标签和数据指标，还要对标签和指标进行统一、标准、一致、规范的管理和维护。即构建科学实用的数据标签体系和数据指标体系。

公众号文章：一文精准“洞察”：数据标签与数据指标https://mp.weixin.qq.com/s?__biz=MzA4NjI3MjI5Mw==&mid=2650216535&idx=1&sn=5c36dc1cde5a8a8af3c40e550f9a97a7&chksm=87c8881db0bf010b2e509a5b5a0613d1c42e1c845b94c978cf5bb501af212fde988f2fd6c607&token=1009248179&lang=zh_CN#rd

1. 标签与标签体系

（1）数据标签

标签的主要作用是对现实世界中的客观业务对象进行数字化、结构化的描述，帮助业务人员和信息系统以数据的表示形式抽象、观察、理解、分析业务对象。

标签与一般属性的区别在于，一般属性往往是原始的数据值，是从支撑业务过程视角定义的，是“业务数据化”的产物。

标签既可以是原始的数据值，也可以是基于原始数据值“加工处理”后的数据结果。

本质上说，标签是从支撑新的数字化应用视角定义的，是“数据业务化”的基础素材。

标签体系是企业面向自身的数字化业务需求，形成的一整套有完整、规范结构的标签集合，标签体系定义了每个标签的具体内涵以及标签之间的组织结构关系。

单个标签在内容上由标签名称、标签定义、标签取值规范、标签之间的关系等基本要素组成：

标签名称：类似于标签所描述对象的属性名称，以客户标签为例，标签名称为客户姓名、客户年龄、客户国籍、客户偏好的产品类型、客户访问频率

标签定义：标签的具体业务内涵，标签定义给出了标签在应用层解决的具体问题说明，与具体的数字化应用相关联

标签取值规范：标签的值域，有些标签的取值为数值型，须指定标签的取值范围和精度，有些是传统的离散分类变量，须指定标签可选的标签值和可选数量，也有些标签的取值为布尔型或对象型

（2）标签体系

从组织结构上，标签体系由多个标签树组成，每个标签树都是一个自成体系的多层级的分类结构。

标签树通常来说，以业务主体为中心进行组织。例如，可以以用户为中心形成标签树或以供应商为中心形成标签树，那么用户或者供应商就是对应标签树描述的核心业务主体。

对于同一个主体的标签树，标签逐级别地进行分类，从一级分类、二级分类，以此类推到最细分的类别中。

上述的标签分类形式可以给予标签明确的业务标记，方便标签的管理维护与检索使用，同时也对应于前端不同细分的业务场景或功能需求。

值得注意的是：不同标签之间也可能存在量化关系，一些标签之间通过业务逻辑计算可以得到另一个新标签的取值，也有些不同对象的标签互相指向对应的业务主体。

（3）主要应用

数据标签是数据中台上的重要数据资产，数据中台可以围绕数据标签资源为上层的业务应用系统提供标签服务，对指定的业务对象进行自动化的“打标”操作。

基于对业务对象的标签标注结果，进行内容或产品的智能推荐，或触发特殊的业务事件。

具体来看，数据标签的应用场景主要包括以下方面：

查询服务：以数据标签作为条件，可以对业务对象进行精准的查询，例如，在海量数据中快速查找到某车辆的违章信息，或在教学管理工作中查询某学生是否完成了指定的课程学习任务。在查询任务中，不仅可以限定被查询的对象类型、身份标识，还可以限定被查询业务对象的数据标签维度。

分析服务：数据标签可以被当作重要的数据特征维度，用于对数据宽表的多维分析（OLAP），例如，对消费者群体进行客户透视画像，或对企业经营状况进行财务分析。

数据标签为原始数据集提供了更加丰富、更加接近应用场景的的业务维度，基于数据标签的数据分析活动往往能够挖掘出更有价值的业务信息。

圈选服务：圈选服务经常应用于对目标对象的筛选操作，作为对业务对象进行具体事务处理或数据分析的前置活动，也可以理解为一种特殊类型的数据预处理。例如，广告系统的精准营销、LBS的地理围栏、数据化运营的定向投放。

自动服务：基于数据标签，可以直接为在线自动化事务提供行为决策依据。

例如，在电商平台的数字化应用场景中，将用户行为标签、用户偏好标签与推荐算法相结合，可以达到精准的自动化产品或服务的匹配推送效果。

2. 指标与指标体系

（1）数据指标

指标是用来衡量、评估或描述某个系统、过程、产品、服务或组织在特定方面的量化信息，在企业的经营活动中，关于指标的应用场景十分广泛。

企业通过各类数据采集系统获取原始的业务活动数据，之后，基于业务规则或数据模型进行指标计算，形成对业务对象或业务活动某个维度的客观评价。

相比标签，指标主要用于数据分析和业务决策，为管理人员提供一个相对科学的参考数值，主要服务于企业管理方面的数字化需求。此外，业务标签一般具有比较直观的业务含义，具有更加直观的结论性信息；而数据指标既描述结论性信息，也关注对过程性信息的说明，数据指标经常与业务对象的特定行为活动挂钩。

根据华为的数据体系框架，把数据指标分为原子指标和复合指标。

原子指标：是一种衡量某一客观事物的指标，是整个指标体系的基础。原子指标是指标体系中最基本的指标类型，指标数据通过添加修饰词和维度卷积而成，修饰词和维度均来源于指标数据中的属性。

复合指标：由一个或多个原子指标叠加计算而成。其中，修饰词和维度均继承于原子指标，不能脱离于原子指标产生新的修饰词和维度。

（2）指标体系

数据指标体系是对业务对象的数据指标体系化的汇总，用来明确指标的口径、维度、指标取数逻辑等信息，并能指导管理者和运营者快速获取到指标的相关信息。在构建数据指标体系时，需要明确业务需求，从实际的业务目标出发，贴切具体的业务应用痛点。

指标体系的建设并不是越全越好，指标的设置既要有针对性、科学性，又要有业务上的优先级顺序，不同指标之间的参考权重是不一样的。

指标体系的背后是特定的业务分析模型，可以有效衡量业务对象在某个方面的“综合表现”，指标体系一般由一整套指标的集合构成，指标与指标之间具有明显的层级组合关系。高层次的指标可以分解为低层次指标的加权汇总形式，高层次指标用于综合性的考核与评价，低层次指标用于指导具体的业务落地推进和过程优化。

（3）主要应用

数据指标一般有四大类应用场景：

一是指导业务运营。

数据指标最大的作用就是指导具体的业务应景，在确定了企业的业务经营目标的基础上，定义支撑该目标的各项业务指标，衡量并推动相关任务的具体实施进度。

例如，针对电商平台的运营，构建包含UV、PV、GMV、CTR等一系列指标的运营指标体系，监控平台、用户、产品等不同主题的基本信息，量化并跟踪企业的实时经营状态，有针对性地调整业务活动的行为策略。

二是落地考核评价。

这类指标的衡量对象主要是人或组织，通过定义人力考核指标来衡量业务责任主体的任务完成情况，对相关人员实施奖惩措施，监督或激励企业政策和以及管理制度的有效落地执行。

三是跟踪事件动态。

为了有效预测一系列特殊事件的发生风险，构建一系列的指标持续对业务对象进行定量的评价和状态跟踪。

例如，对企业的信用体系进行综合指标建模，持续评价企业的信用等级，衡量企业的金融或商业违约风险。

四是支持综合决策。

对企业在市场竞争力、管理水平、经营状况、信誉状况、发展前景等不同维度进行多层级的评价指标设计，辅助企业的管理层或相关金融机构对企业综合能力水平进行系统评价，辅助公司战略制定以及投融资等重大决策事项。