数据指标体系
一、数据指标
1 数据指标作用
- 让描述性统计更直观、更确定。“大概有1万多人吧” VS “2月4日新注册用户9800人，超目标1000人”。
- 让各部门描述口径一致。
2 指标构成
- 原子性指标：最基础不可拆分指标（如销售额）
- 修饰词（可选）：某种场景（如搜索），不同维度
- 时间段：如618
- 派生指标：派生指标=原子性指标+修饰词（可选）+时间段，如618通过搜索带来的交易额、次日留存、日活、日转化率；
一个指标最少要有以下要素：
- 业务含义：各部门统一的业务口径，不能模棱两可，有目的且准确
- 数据来源：哪个系统、哪个埋点采集的源数据
- 统计时间：在XX时间内产生的数据
- 计算公式：比例、比率，说清楚谁除谁；汇总，说清楚谁加谁
二、数据指标体系
一个单独指标无法充分描述具体问题，所以在业务不同阶段，需要分析师牵头、业务方协助，制定的一套能从各维度去反映业务状况的一套待实施框架。
1 指标体系几大要素
①主指标（一级指标、核心指标）——目标思维
评价目前业务发展现状怎么样，最核心的指标。
- 核心指标可以有多个。比如产品卖得好与坏，需要三个主指标来衡量：销售金额、销售件数（影响库存）、销售毛利（真正利润），而不是单单看销售金额。
- 核心指标可以是动态的。根据业务发展阶段，制定不同核心指标。比如创业期，关注盘子大小（如用户量），关注各渠道的拉新表现；上升期，关注盘子大小健康程度（用户量+留存）；成熟发展期，关注收入市场份额和竞品监控。
- 主指标越大越好。比如销售金额、毛利等。但有些指标不是越大越好，比如用户数，会存在一人多号、虚假注册、刷量等情况，避免虚荣指标。
②子指标（二级/三级指标）——横向微观拆分
主指标的拆分、构成。用于发现更细节、更真实的业务问题。比如，主指标：销售金额=用户数 * 付费率 * 客单价，假如销售金额没达标，到底是客户少了，还是实际购买的人不多，还是卖的太便宜了。
③过程指标——纵向递进
主指标衡量是结果。根据各业务线的过程，需要为每一个环节添加子指标，便于优化、监督每一个过程。比如业务漏斗模型、用户行为路径。
④分类维度——横向宏观拆分
结构性——能够充分对业务进行解读，如新增用户只是一个大数，还需要知道每个渠道的新增用户，每个渠道的新增转化率，每个渠道的新增用户价值等。通过分类维度，把主指标切成若干块，这样能避免平均数陷阱，把整体和局部一起看清楚。主指标通过不同的事物在时间和空间积累的一个结果，需要把时空拆分、空间拆分、事物组成拆分。
⑤判断标准——对比思维
2 指标体系怎么看（数据异动分析）
- 首先，看主指标+判断标准。实际比标准大还是小，程度有多大。
- 然后看，分类维度。实际>标准了，是多有都大吗？会不会有平均数陷阱，不好的是那个渠道。
- 再看，子指标/过程指标。把出问题的环节都优化好。
总结：先目标——再横向——后纵向。
3 构造指标体系
完整业务框架的指标体系应该都是有数据产品大佬负责。小白了解构建思维就好了趴，对某个小分支业务有初步构造能力即可。
①第一步，理清业务发展现状（大佬级别），确定核心指标。明确工作目标（小弟级别），清晰主指标。
针对不同的业务阶段（业务目的），清楚公司现状（业务目的）。
②第二步，清晰判断标准。
- KPI达成率法：KIP指标，有明确的数量要求；
- 竞品对标法：以竞品或行业为参照做对比；
- 生命周期法：环比，业务周期走势；
- 自然周期法：同比，今年同时间走势比去年同时间走势。
③第三步，指标拆解
- 根据业务管理方式，拆解合适子指标；
- 根据业务流程、业务路径，找合适的过程指标；
- 有意义的、能执行的维度，能说清楚业务现状的维度进行拆分。维度太多会影响阅读，获取信息不直观。
④第四步，指标宣贯、存档、落地
- 宣贯：统一口径；
- 存档：对指标口径和业务逻辑进行详细描述存档（名称、计算方式、业务含义、常见问题现象）；
- 落地：没做埋点的，做埋点。有了数据建立相关报表。
文章收藏：
接地气的陈老师：手摸手教学之：梳理数据指标体系
加薪加油呀：数据分析思维——指标体系搭建
