如何搭建数据指标体系(下)

如何应用指标体系

一、明确产品业务目标、KPI 和所处的产品阶段

需要认清和明确目标（量化以及拆分目标是数据分析的灵魂）。一个业务目标的达成可能是多个团队、多个地区、多个渠道共同促成的，所以，在了解整体目标的同时也要关注局部目标，增加分类维度，明确局部的好坏状态。而判断业务走势正常还是异常，探索解决问题的办法，都是从计算目标和现状的差距开始的，这一点非常重要。不同的产品阶段有不同的产品目标业务。 目标细分可以有多种类型，常见的有以下几种： ● 按达成时间细分：年、季度、月。 ● 按服务对象细分：各个部门、整个公司。 ● 按流程位置细分：结果型目标、过程型目标

二、根据业务目标，确定判断标准。

依据判断标准，查看数据指标体系中的核心指标是否达标。没达标的话差多少，是亏空还是差一些，是什么原因造成的，问题大不大；达标了超出多少，为什么会超出，有没有更多的机会。判断标准的维度如下图所示。



三、根据业务需求，从数据指标体系中挑选相应数据指标，进行拆解

数据指标体系里有很多数据指标：日活（DAU）、月活（MAU）、下载量、激活量、新增注册量、次日留存率、次人均时长、首页访问率、停留率、人均充值金额（ARPU）、商品交易总额（GMV）、客单价，等等。针对不同的指标，拆分不同的层级。不一定要拆得很细，否则层级会过深，基本上3 个层级就能够指导我们去做一些动作。

四、查看不同层级的数据指标，找出原因

确定哪些数据指标没达标，是什么原因，是推广少、成本高、用户少，还是转化率低或者付费率低等。

五、搭建以日、周、月为单位的数据指标监控体系报表

监控每日、每周，以及上周、上月同周、上上月同周的数据报表，以图表展示，来反映产品的变化趋势，通过过去一周的数据反映产品现状，通过过去三个月的产品业务线数据变化趋势预估未来的变化趋势。数据监控指标体系的基本逻辑是先看一级指标，再结合二、三级指标预测未来 趋势。

六、根据数据监控结果 / 数据指标体系进行多维度分析，明确管理流程，实现控制

具体操作步骤如下：

①进行多维度分类分析。如：

● 哪些区域、团队、渠道，完成目标是下降还是持续上涨；

● 哪里没做好，是什么原因；

● 看看是谁能力大，是谁影响了整体。

② 确定指标异常状态，明确运营策略执行者。如：

● GMV 降了→ 客单价降低了→ 用户运营想策略；

● GMV 降了→ 某类商品降幅大了→ 商品运营想策略；

● GMV 降了→ 外部流量太少了 → 渠道运营想策略。

③明确执行时间，要有时间状态和走向判断。如：

● 过去 + 负向→ 关注什么问题；

● 过去 + 正向 → 发现什么经验；

● 未来 + 负向 → 警惕什么风险；

● 未来 + 正向 → 提示什么机会。

④明确需要多大力度。如：

● 注意出现异常； ● 提高、降低、保持等动作；

● 立即执行。例如，“客单价不能在 3 天内得到改善提高，本月 KPI 将不达标，要立即优化商品组合，提升客单价”。

⑤复盘改善后效果。最主要环节就是效果的复盘，而且要先看是哪个层数据指标的效果，再看具体效果并进行改善。

如何管理指标体系

企业在初步搭建完指标体系后，通常就会面临指标管理混乱的现状，例如：

- 同名不同径，同径不同名。

- 口径不清晰，口径有错误。

- 命名难理解，计算不易懂。

- 来源不清晰，同部不同径。

这些都会导致沟通很难在一个频道上，效率低下，最终出现数据偏差，影响业务判断和开展，导致沟通成本高。 为了避免这些问题，企业在定义指标时，就要有统一的规范，指标命名要规范，指标逻辑要留存。所以，我们需要正确的管理指标。

一、规范化定义指标

规范化定义指标应 遵循统一的命名规则和计算公式、明确指标的口径和范围，避免歧义和误解、确保数据的准确性和一致性，为后续分析提供可靠基础。

一般指标命名公式 = 限定词 + 业务主题 + 指标名称 + 量化词

- 限定词：用来对指标进行限定约束。比如：当天、本周、当月、平均、累计。

- 业务主题：用来描述业务在哪个过程阶段。比如：打开页面、下单、点击支付、支付成功、支付失败。

- 指标名称：是指标要统计的对象实体名称。比如：统计订单还是用户。

- 量化词：是对一物理量的测定，通常以数字单位来表示。比如：金额、份额、次数、率。

如：当天（限定词）首次登录（业务主题）用户订单（指标名称）金额（量化词）

二、建立企业指标字典

把公司常用的一些指标，通过有组织、有秩序的进行整理，明确指标的口径、维度、指 标取数逻辑等信息，形成公司内各个业务部门均统一认同的标准化数据体系。

好的指标字典可以降低沟通成本，提升沟通效率；打破信息隔阂，减少公司重复性建设；是公司数据化建设的基础、数 据平台搭建的基础。

在构建指标字典时，我们应遵循以下原则：

指标归类：为了方便查找与应用，我们需要对指标进行科学的分类。通常，我们会按照业务方向来划分，确保用户能够迅速定位到所需指标。

指标名称：指标的命名需严谨且规范，建议参考指标命名四要素进行制定，以确保名称的清晰、准确与易用。

计算方法：明确指标的计算方法至关重要，这包括其汇总方式以及所使用的度量单位，以确保数据的准确性和一致性。

可用维度：列出使用该指标时可能涉及的所有维度，如时间、年龄、性别等。这样的设计使得用户可以根据实际需求灵活选择维度，进行更深入的数据分析。

指标映射：清晰阐述指标与业务场景的对应关系，以及其在实际应用中的价值，以便用户更好地理解和应用指标。

然而，指标字典的构建并非一蹴而就，其难点在于如何确保其在企业中的有效落地。为此，我们需要注意以下三点：

贴合业务场景：指标字典的构建应紧密围绕企业的核心业务和应用场景，确保其实用性和针对性。

充分沟通达成共识：在推进指标字典的过程中，我们需要与各业务部门进行充分的沟通，以达成共识。这有助于平衡不同业务部门的需求，推动指标字典的统一应用。

持续的维护和更新：指标字典上线后，我们需要进行持续的培训和优化，以确保公司整体使用一套统一的标准。同时，随着企业业务的发展和新的数据需求的产生，我们也需要对指标字典进行及时的更新和维护。

在建立指标字典时，我们还需要注意以下事项：

1.规范维度和量度的命名，确保命名规则的明确、通用和易懂。

2.对确认的维度或量度进行统一的计算口径定义，以避免歧义和误解。

3.尽可能涵盖企业关注的核心维度和量度，以此为基础推动数据建设，并确保指标字典中的维度和指标都是可区分和可统计的。

4.基于指标字典，将核心维度和量度注入元数据中心，并接入指标提取工具，以便后续用户能够无需编写SQL即可完成自助查询和分析需求。

三、动态化更新维护&加强培训和沟通

随着业务发展和需求变化，我们还要不断迭代更新指标体系；及时跟进业务需求，调整和优化指标项； 保持数据时效性和准确性，定期更新数据源和计算逻辑；注重团队反馈，满足不同部门和岗位需求。

同时，要 提高团队成员对指标体系的理解和应用能力；促进信息共享和协同工作，避免信息不对称和误解；制定个性化的培训计划和内容，注重实战演练和案例分析； 建立定期沟通机制，了解团队反馈并进行优化。

附录：四大行业指标体系参考

---写在文末---

数据分析社区推荐,免费数据分析资料下载。定期分享数据分析领域的最新动态、实战案例、技术工具评测、数据可视化技巧以及行业洞察报告。