數據分析師如何搭建數據運營指標體系？
在搭建的過程中，有哪些建議？
匯總了一些我們公司分析師的經驗，從全局再到單點，來系統的回答一下這個問題。
一. 數據指標體系搭建不是單個部門能夠完成的
作為數據分析師，需要站在更高的角度，認識到數據指標體系搭建並不是單個部門能夠完成的，應當至少有業務團隊、數據團隊以及開發團隊三個團隊進行協作（業務部門包括但不限於市場、運營和產品團隊）。
上圖是我們總結及建議的，在企業內部搭建數據指標體系的最佳實踐流程。分為以下 6 大階段：
1. 需求收集階段：一般由業務團隊提出業務需求，數據團隊評估、歸納業務需求。
2. 方案規劃階段：需要業務團隊和數據團隊共同制定、梳理 OSM 和 UJM，並且歸納出每一個環節的場景，設計出一套指標體系。
3. 數據採集階段：指標體系在團隊內部達成一致之後，建議由數據團隊牽頭設計數據採集方案，規範指標命名。命名是非常一件重要的事情，可以說是互聯網行業兩大痛點之一，下篇文章會為大家分享。
4. 採集方案評估：數據方案採集方案設計完成後，需要聯合業務、數據、以及開發三大團隊一起進行採集方案的評估，評估實現成本以及實踐的優先順序。這裡就可以按照之前說到場景化模塊，根據成本和重要性，評估優先去落地實施哪一場景。
5. 數據採集與數據驗證上線階段：這個環節主要需要開發團隊來設計一些資料庫，按照前端、後端埋點等等數據採集方案進行數據採集；然後進入到一個非常重要的環節——數據校驗，這裡必須要保證我們的數據校驗與指標體系需要的數據口徑一致，這樣得到的數據才是業務方需要的數據，才能夠回答業務問題。
6. 效果評估階段：最後是一個非常有價值的階段，即效果評估。這個環節中，需要由數據團隊牽頭，將數據搭建出可視化看板，通過看板指導實現業務迭代效果。
業務迭代肯定會有很多的新功能、新業務線產生，這些新業務線同時也需要反哺指標體系。也就是說，指標體系的搭建不是一蹴而就的，而是要在原有的基礎上不斷地迭代的。
還有一個重要的環節，是在指標體系看板搭建完成之後，需要輸出一個數據字典。數據字典能夠協調全公司的一個步調，使大家都在同一個數據口徑看待數據，提高公司整體的協同效率。
數據分析師除了專業能力外，還需要有全局思維、協調能力等，才能將一套數據指標體系真正的在企業內部順利落地。
二，規劃數據指標體系的兩個模型
1. OSM 模型：業務目標下沉式實現數據驅動的最核心邏輯
? O（Objective）：是指我們的業務目標。在這個環節我們需要思考或者回答的問題是，我們的業務、產品，甚至是其中的一個小的功能，它存在的目的是什麼、能夠解決用戶什麼問題、滿足用戶的什麼需求？
? S（Strategy）：是指清楚業務目標之後，為了達成上述目標，我們應當採取的業務策略。
? M（Measurement）：是用來反映業務策略有效性、反映策略執行是否能達成業務目標的度量指標。
以上就是 OSM 的基本的框架。之後會給分享一個電商經典的 OSM 模型，來幫助大家更好的理解它。
2. UJM 作用：梳理用戶生命旅程，與業務目標耦合
UJM 就是我們在設計一款產品的過程中，必須要去梳理的用戶生命旅程。
為什麼我們會在搭建指標體系這個過程中引入用戶生命旅程的思路呢？
前面我們通過 OSM 的框架設計好了業務目標、策略和度量指標之後，需要回過頭來梳理整個產品的用戶生命旅程，以校準我們的業務目標，判斷它能否與用戶每個階段的旅程進行吻合。
也就是說，UJM 是用來與我們的業務目標不斷進行耦合的，兩者相互影響、相互作用，促使業務目標能夠更好地貼合用戶需求，業務策略能夠更好地回答業務問題。
為了方便大家更好的理解，這裡簡單介紹一下 UJM 的思路。
如上圖，一個簡化版的電商產品 UJM，它包括：拆解用戶所處的每一個旅程階段，了解每個階段中用戶的行為，明確每個階段中產品的目標，發現各階段中產品與用戶的接觸點，最終從接觸點裡找到產品的痛點和機會點。
也就是說，用戶使用一款電商產品，會經歷這六個階段：
從各個途徑了解該電商平台，並進入該產品 → 通過首頁、搜索功能乃至商品類目頁等其他各個入口「逛」平台 → 對商品產生興趣，進入到商品詳情頁 → 進入付費流程，完成一次重要的轉化 → 分享、復購階段。
在整個用戶旅程中，用戶會反覆發生各環節間互相的跳轉。
我們需要為每一個階段都設置對應的一個目標。在這一思路中設置出的目標就可以去反哺我們之前制定出來的 OSM 框架，判斷其是否有遺漏。
各階段目標確定後，我們需要尋找到產品中為了達到這一目標，與用戶產生的接觸點，例如首頁、搜索頁面、商品類目頁等就是用戶逛產品時的接觸點。
了解接觸點之後，我們緊接著就能夠找到每個環節的痛點，而痛點的反面就是我們的機會點。同時，這裡每一個機會點都可以反哺前面 OSM 框架中的 S，就是我們的策略，機會點是否與策略相互吻合。
所以 UJM 的價值就在於，這樣梳理了用戶旅程之後，將 UJM 和 OSM 進行關聯，就可以起到用戶旅程與業務目標相互耦合、相互影響的作用，使得我們的業務目標能夠滿足用戶需求，我們策略能夠回答業務問題。
3. OSM × UJM：關聯業務目標與用戶旅程
這裡仍然舉一個電商經典的案例。
首先 GrowingIO 將電商的一個戰略目標（O）——「提升 GMV」根據電商的經典公式進行了拆解，拆解成為三大目標，分別是提升用戶基數、提高轉化率以及提升客單價。
每個目標下面都會有對應的一個策略（S），而這裡的策略其實都來自於剛剛的 UJM 框架梳理出的用戶每一階段的機會點，每個策略也都會有對應的一個度量指標（M）。
也就是說，這裡的每一個目標對應的策略、度量指標都是與用戶旅程的每一環節對應。這樣就有了一個指標體系的大框架。
三，指標分級體系
1.適合分析師的指標分級體系
指標分級體系用到的技能會更高階一點，更適合 BI 或者分析師，能夠幫助公司搭建一套完整的數據指標體系，從而及時發現業績的升高或降低、以及產生的原因。
數據本身是分層的，我們在思考指標的時候，也應該有一個層級的概念，而不是現階段關心什麼，我們就放什麼；指標分級可以幫助我們更高效的去定位問題，去驗證我們的方法論，無需每次都要思考要去看哪些指標。
我們可以針對不同的指標，分不同的層級。不一定要拆得太細，否則層級會過深，基本上 3 個層級就能夠指導我們一線的業務人員去做一些動作。
1）一級指標
一級指標必須是全公司都認可的、衡量業績的核心指標。可以直接指引公司的戰略目標，衡量公司的業務達成情況，本質上需要管理層和下級員工的雙向理解、認同，且要易於溝通傳達，比如公司的銷售額，或者社交產品的活躍度。
以 GrowingIO 為例，在 GrowingIO 獲客的時候，一級指標就是新的註冊用戶數。當用戶創建看板的數量大於 5 個，GrowingIO 會認為這是活躍用戶。因為當用戶接入 SDK 並且搭建了這個圖表的時候，GrowingIO 才認為用戶深度體驗了產品功能和產品特性。
2）二級指標
二級指標是一級指標的路徑指標。一級指標發生變化的時候，我們通過查看二級指標，能夠快速定位問題的原因所在。
比如說，我們的一級指標是 GMV 和訂單數量上升，那怎樣去定二級指標呢？我們在歷史經驗的基礎上去拆解一級指標，而能夠影響到 GMV 和訂單數量上升的，就是我們的核心二級指標。比如說貨品的單價上升，或者最近做的一些活動。
3）三級指標
三級指標是對二級指標的路徑的分析。通過三級指標，可以高效定位二級指標波動的原因，這一步也會基於歷史經驗和拆解。
三級指標能夠直接執行一線運營的角色和作用。以一級指標 GMV 提升為例，我們拆解後發現是轉化率提升，那麼轉化率就是二級指標。接著分平台去拆解轉化率的時候，我們發現是 IOS 的客戶端轉化率有所提升。
那為什麼安卓沒有提升，是不是 iOS 最近做了一些迭代？是不是它的一個轉換路徑比其他端好？這些思考就能指導業務人員展開行動。
2. 指標體系分級的應用
那麼指標體系分級具體是如何應用的？
這裡同樣以 GrowingIO 為例，GrowingIO 是基於用戶行為數據的增長平台，國內領先的數據運營解決方案供應商。為產品、運營、市場、數據團隊及管理者提供客戶數據平台、獲客分析、產品分析、智能運營等產品和諮詢服務，幫助企業在數據化升級的路上，提升數據驅動能力，實現更好的增長。
GrowingIO 是如何搭建一套監控體系的呢？
我們設立了增長指標、活躍指標和變現指標，分別對應一級、二級和三級指標。
- 增長指標：新用戶的註冊量；
- 活躍指標：DAU ，也就是登陸用戶數。
- 變現指標：用戶從註冊到下單，所完成的訂單額或營業額。
如果看到一級指標（新的註冊用戶數）有增長，我們就要迅速去看一下，是不是有哪些二級指標做了波動，便能快速定位一級指標增長的原因。有了二級指標的增長，再通過三級指標拆解二級指標，以此類推，我們便能夠解決日常業務中遇到的 70% 的問題。
以上就是針對該問題的所有回答，希望能對大家有所幫助
知友福利：點擊領取 GrowingIO 數據指標體系搭建方案
數據指標體系搭建方案 | GrowingIO - 矽谷新一代無埋點用戶行為數據分析產品?datayi.cn
GrowingIO 數據指標體系搭建方案，提供「埋點+無埋點」雙模式高效採集數據，可視化數據看板指導業務增長。我們擁有國內外專業的商務數據分析師團隊，幫助客戶梳理數據指標體系，提出解決方案，切實找到可落地的數據增長點。
萬字長文！理論結合實踐！可以說是最全的數據運營指標體系搭建文章了
我們的業務增長負責人教你如何從0到1搭建數據運營體系
隨著精細化理念的不斷深入人心，「數據運營」 這一概念得到了大家越來越多的重視。但是什麼是正確的數據指標，如何正確地採集數據，如何用數據驅動業務增長？這些常見的數據迷思，困擾著大多數的產品、運營、市場甚至管理層。
今天這篇文章，就跟大家分享一下如何搭建一套正確、高效的數據運營體系。
一，數據規劃
數據規劃是整個數據運營體系的基礎，目的是搞清楚「要什麼」。只有先搞清楚目的是什麼、需要什麼樣的數據，接下來的數據採集和數據分析才能更有針對性。
數據規劃有兩個重要概念：指標和維度。
（一）指標
指標（index），也有稱度量（measure）。指標用來衡量具體的運營效果，比如 UV、DAU、銷售金額、轉化率等等。指標的選擇來源於具體的業務需求，從需求中歸納事件，從事件對應指標。
指標分為數量型指標和質量型指標，Web 的 pv、uv、訪問量，App 的 DAU、NDAU 等等，都是數量型指標；平均訪問時長、訪問深度、跳出率等等這些是質量型指標。
1.如何選擇核心指標
在這裡我們引入一個概念——OMTM，OMTM（One Metric That Matters） 唯一重要的指標，也稱為北極星指標。
選擇 OMTM 的四大標準：
- 和商業目標緊密結合；
- 反映客戶的價值需求；
- 指標簡單易懂；
- 能夠計算匯總 。
這裡我們可以引用一個案例，著名的視頻社交分享應用 Viddy，授權可以通過登錄 Facebook 來創建帳號和分享，就跟國內常見的各種 App 中微信、QQ 等第三方帳號一樣。
前期他們以「創建賬號的數量」來作為核心指標，我們可以看到在做了授權 Facebook 登錄後，2012 年上半年訪問量飆升，但是到了 2012 年下半年訪問量暴跌。這就是問題所在，Viddy 的員工認為賬號創建數量是一個正確的指標，所以他們拼盡全力去提升這個指標。實際上，他們並沒有發現業務的重點。
與之相對比的，谷歌+ 用自己的方法把用戶提升到 1.7 億，方法就是把有趣的內容放到郵件中和好友分享。谷歌+ 專註於「前往谷歌+ 並且每周至少分享 2 個更新信息」的用戶數量指標，他們專註於向用戶傳遞產品的價值，而不是僅僅提升某一個數字。
2.如何規劃核心指標
以我們 GrowingIO 做的電子書下載落地頁舉例。
指標的選擇來源於具體的業務需求，從需求中歸納事件，從事件對應指標。
從落地頁的業務需求開始，分析選擇指標的過程如下。
- 明確需求：對頁面進行數據分析，提高電子書下載量；
- 歸納事件：用戶下載電子書是系列事件的最終結果，包括點擊推廣鏈接、訪問下載頁、開始填寫信息、填寫信息完成下載；
- 對應指標：下載量 = 訪問流量 * CTA 點擊率 * 註冊轉化率。
通過上述分析，得出下載量是 OMTM（第一重要指標，One Metric That Metter）的結論。同時，整個指標體系包括訪問流量、CTA 點擊率、註冊轉化率三個可操作的指標，基於可操作的指標，才可以更好地優化核心指標。
（二）維度
1.什麼是維度？
維度是用來對指標進行細分的屬性，比如廣告來源、瀏覽器類型、訪問地區等等。
2.多維度分析
舉個例子，我們在每天觀察數據的時候，突然某天下午 5 點流量暴增，我們想查找出原因。
首先從訪問來源維度拆解，我們發現從 5 點開始，主要是微信的流量突然上漲。
然後我們從落地頁面維度拆解，就可以發現流量主要落地頁是 E 和 G 兩個頁面。
最後我們就可以得出結論：下午 5 點從微信突然湧進大量流量到 E 和 G 頁面，與內容的同學同步了一下，是他們在微信上推了一個落地到 E 和 G 頁面的活動。
從案例可以看出，多維度分析能夠讓我們更清晰的挖掘出數據表象背後的真實原因。
3.如何選擇分析維度？
選擇維度的原則是：記錄那些對指標可能產生影響的維度，以及盡量記錄全面的、多維度的數據。
磨刀不誤砍柴工。數據運營需要和業務部門（市場、銷售、運營、產品等等）不斷溝通，只有做好數據規劃，接下來的數據採集和數據分析才能更加高效。
二、數據採集
數據採集是數據分析的基礎，傳統的數據採集是一件非常花時間、精力、人力的事情，對於很多企業來說是一個巨大的門檻。過去數據分析整個流程經常是 80% 的時間在數據採集上，只有不到 20% 的時間是用於數據分析的。
（一）採集什麼數據
從流量為王的互聯網上半場，到流量越來越貴的互聯網下半場，獲取用戶的成本越來越高， 2013、2014 年左右，工具類 App 激活一個用戶的成本才幾毛錢，兩年不到，獲取一個下載的成本就到了幾塊錢。金融類 App 一個激活用戶的成本可以達到上百元。
所以企業開始從粗放式運營向精細化運營轉變，關注的數據也從單純的渠道流量數據，增加了更多對用戶行為數據的分析。
目前來看，對用戶行為數據的採集成為了數據運營較為看重的部分。
（二）如何採集數據
1.數據採集
目前有三種常見的數據採集方案，分別是埋點、可視化埋點和無埋點。
埋點，也稱打點，通過在產品（網頁、APP等）中手動添加統計代碼收集需要的數據。打點又可以細化出前端打點與伺服器打點。假如要收集用戶註冊數，就需要在註冊按鈕處載入相應的統計代碼。Google Analytics（谷歌統計）、百度統計等工具採用的就是這一方法。
但因為埋點的工程量大、周期長，而且容易發生漏埋、錯埋的情況，所以成為了數據從業者的一大痛點。
可視化埋點是埋點的延伸，通過可視化交互的方式來代替手動埋點。這種方式降低了用戶使用的門檻，提升了效率。
但無論是埋點還是可視化埋點，數據運營都需要起到承前啟後的作用：收集業務部門數據需求，撰寫需求文檔，向工程部門提交埋點需求，本質上還是一種埋點方案。
無埋點顛覆了傳統的「先定義再採集」的流程，只需要載入一個 SDK 就可以採集全量的用戶行為數據，然後可以靈活自定義分析所有行為數據。我們的用戶行為數據分析產品採取的就是無埋點的技術方案。前段時間，國外的 Mixpanel 也推出了無埋點解決方案。
相比於埋點，無埋點成本低、速度快，不會發生錯埋、漏埋情況。無埋點正在成為市場的新寵，越來越多的企業採用了無埋點方案。在無埋點情景下，數據運營可以擺脫埋點需求的桎梏，將更多時間放在業務分析上。
比如使用 GrowingIO 的圈選工具，需要哪裡的數據，圈選一下就可以立即獲取，省去了手動埋點等待發版的漫長流程，同時不會發生錯埋、漏埋的情況。
2.數據可視化
數據經過收集處理後，下一步就需要可視化，數據可視化在運營應用中的主要形式包括：圖表、圖形、數據看板，
搭建數據看板（ Dashboard ）是除了數據報表之後又一項工作，是指將關鍵業務指標（KPI）和相關數據指標顯示在一個面板中，以可視化圖形的方式展現出來。數據看板往往和企業的 BI 系統連在一起，屬於數據可視化的部分。
三、數據分析
數據分析是數據運營的重點工作，前面的數據規劃和數據採集都是為數據分析服務的。最終目的是通過數據分析的方法定位問題，提出解決方案，促進業務增長。
所以這也是為什麼我們要推薦無埋點的原因，因為我們希望改變以前「80% 的時間用於採集和清洗數據，不到 20% 的時間用於數據分析」的情況，變成「80% 的時間用於數據分析」，把時間花在更有價值的事情上。
選擇什麼樣的數據分析方法要和業務場景相結合，上面這個表格匯總了目前常見的運營數據分析方法及運用場景，比如我們投放廣告、追蹤渠道用的 utm，分析轉化的漏斗等等。
不同於數據分析師，數據運營崗位弱化了對編程統計的要求，更加強調在現有工具基礎上靈活使用分析方法。下面我們列舉一下常見的數據分析方法。
（一）數據分析方法
1、維度細分
孤零零的一個數據指標，是很難發現問題的。我們需要從多個維度出發，比如地區、平台、瀏覽器、訪問來源等等，拆解指標，定位問題。
2、漏斗分析
用戶在使用產品的過程中，天然存在著系列轉化路徑，例如註冊、下單、下載等等。運營需要各個路徑的轉化率，包括總轉化率及每一步的轉化率。
轉化漏斗工具以可視化的方式將轉化路徑的每一個步驟都展示出來。運營人員可以重點關注流失最大的環節，因為這往往是優化工作 ROI 最高的地方。
除了橫向拆解每一步的轉化率，我們還可以從時間維度觀察每一步轉化率的變化趨勢。
比如，通過上圖不難發現，某日註冊環節第一步轉化率大幅度下降，從而影響到整體的轉化率。
3、熱圖
熱圖是很常見的一種數據分析圖表，也稱熱力圖，是以特殊高亮的形式顯示用戶頁面點擊位置或用戶所在頁面位置的圖示。藉助熱圖，可以直觀地觀察到用戶的總體訪問情況和點擊偏好。
目前常見的熱圖有 3 種：基於滑鼠點擊位置的熱圖、基於滑鼠移動軌跡的熱圖和基於內容點擊的熱圖，三種熱圖的原理、外觀、適用的場景各有不同。
上圖是基於內容點擊的熱圖，如數據分析產品 GrowingIO 熱圖，記錄用戶在網頁內容上的點擊，自動過濾掉頁面空白處（沒有內容和鏈接）的點擊。基於內容點擊的熱圖，追蹤內容變化而變化，記錄相對時間內用戶對內容的點擊偏好。
從熱圖中，我們會很容易看到哪些位置流量高，用戶的注意力高等等。
（二）數據驅動流程
很多明星公司都在數據驅動中發明了很棒的技巧，但是任何技巧都有自己的生命周期。往往當你發現一種技巧的時候，它已經淪為行業標配了，而且也不一定和你的業務相匹配。所以與其依賴技巧，不如依賴流程，這樣團隊才可以像機器一樣高效運作。
在數據分析中，最重要的一點，就是要建立數據驅動的流程。完善的流程可以幫助你快速定位問題、解決問題。從設立增長指標開始，找到小的聚焦領域，分析數據、提出假設、排優先順序、開展實驗、分析優化，不斷循環，直到找到問題所在，並且推動指標改善。
- 明確目標；
- 根據目標去分析目前的情況以及存在的問題；
- 提出可能解決目前問題或者實現目標的想法；
- 排列一個想法測試的優先順序；
- 開始測試，通過試驗來驗證或者推翻想法。
然後開始新一輪的分析、假設、排優、測試，在不斷優化中實現增長。
四、案例分析
下面通過一個實際的案例，來分析在實際業務中，「如何搭建一套正確、高效的數據驅動運營體系」。
我們在內容運營中，做了內容專題落地頁，希望能夠追蹤落地頁的效果，並且優化頁面。
左邊是落地頁的全貌，包含落地頁必備的三大部分：英雄出擊（Hero Shot），用戶益處（Benfits） 和用戶號召（Call to Action）；右邊是落地頁首屏。
（一）數據規劃
整個內容落地頁，最終是希望更多的用戶完成下載行為，所以「電子書下載量」是我們的 OMTM，通過對這個指標進行拆解，我們得到了下面這個公式：
下載量 = 訪問用戶量 * CTR * 註冊轉化率
落地頁的兩種類型：點擊落地頁和線索產生落地頁。這個落地頁屬於點擊落地頁，它是起流量分發的目的，為線索產生落地頁提供流量。
結合我們做內容專題的目的，【下載電子書】點擊率，也就是公式中的 CTR。
（二）數據採集
通過無埋點的圈選採集數據，根據指標建立整個落地頁的看板。
（三）數據分析
數據分析分為定量分析和定性分析。
1.定量分析
定量分析在增長中很重要，起指導方向的作用。它會告訴你什麼地方有機會增長，什麼地方可以做測試。其次是衡量結果，幫助你調整方向。
比如我們用熱圖工具查看整個落地頁的點擊情況，可以得出數據：
- a.落地頁跳出率 0.36
- b.【下載電子書】點擊率 0.48
我們做增長很多時候是想影響和改變用戶行為，但要記住一點，一個用戶永遠是一個人，不只是一個數據。有時候需要通過一些數據觀察結果，但有時候定性分析也非常重要。
2.定性分析
我們基於定性分析，通過訪談、使用調研，可以得出幾個結論：
- a.頁面主色調不夠鮮艷，文字和背景對比不突出；
- b.文字信息排版太稀疏，一個頁面看完需要多次下拉。
3.提出假設
基於以上的定性分析和定量分析，我們提出以下假設：
- a.更換落地頁背景色，有助於降低跳出率；
- b.增加更多【下載電子書】按鈕，有助於提升點擊率；
- c.將電子書圖片添加鏈接，有助於提升轉化率；
- d.減少頁面空白，增加信息密度，有助於提升轉化率。
4.排優先順序
如何評估我們的想法是否可行？以及哪個想法應該優先測試？
增長黑客之父 Sean Ellis 總結了一套評估方法–––ICE，分別從 Impact （影響力)、Confidence（自信心）、Ease （難易度）三個角度去打分。
首先是影響力（Impact），這個想法對我們業務增長的作用有多大；如果影響力非常大的話我打10分，如果影響力微弱的話打2-3分。
其次是自信心（Confidence），是否確定這個想法能夠有效。同樣是從1-10打分，10分表明你有足夠自信說明這個想法是有效的。
最後是實施的難易程度（Ease）。
綜合以上三個角度，我們可以排出比較合理的優先順序。於是我們把「將落地頁背景顏色換成主頁色調」和「新增2個【下載電子書】的banner」這兩條作為高優先順序，開始實驗。
5.開始實驗
1）實驗 1- 落地頁更換背景色
改版後的數據情況驗證了我們的想法，跳出率從 0.36 降低到 0.12，「下載電子書」轉化率從 0.48 提升到 0.61。
2）實驗 2 - 新增 2 個【下載電子書】的 banner
改版前我們是 2 個 CTA Banner，我們增加到 4 個，保證每一屏瀏覽後有個 CTA，實驗後的數據跳出率從 0.12 到 0.13，這是正常的數據波動，轉化率從 0.61 提升到 0.83 。
把兩次實驗的數據進行分析優化，然後實驗驗證其他假設，經過其他假設一一反覆多次實驗，整體轉化率提升了 124% 。
由此，我們得出實驗和增長的正相關關係。下面也可以舉兩個國外的例子說明。
Twitter 曾經也獲得了非常快的增長，但是中間停滯了。2010年，Twitter 成立了一個新的團隊。來了一個新的產品VP，他覺得 Twitter 測試的量不夠。『我們幾個月了才做幾次測試，這太少了，我們必須每周做至少十次測試！』加快測試的頻率後，Twitter 的增長就恢復了。
http://GrowthHackers.com 也有類似的經歷，在增長的瓶頸期，創始人發現測試的數量太少。於是 Sean Ellis 告訴團隊必須保證每周至少三次測試。做了這個改變之後，他們就容易更快地發現問題、解決問題，增長的速度也更快了。
最後，給所有未來的數據分析大咖們，送上我們GrowingIO 所有產品的 15 天使用特權
知乎發現更大的世界打開
Chrome繼續
猴子?中國科學院大學 電子與通信工程碩士
很多數據分析招聘的要求里會寫「構建指標體系」，所以建立指標體系是數據分析人員的一項基本技能。下面從4個問題出發，系統介紹指標體系：
（1）什麼是指標體系？
（2）指標體系有什麼用？
（3）如何建立指標體系？
（4）建立指標體系有哪些注意事項？
1.什麼是指標體系？
實際工作中，想要準確說清楚一件事是不容易的。例如，你在金融公司工作，工作中可能會聽到這樣的對話：「大概有1萬多人申請貸款吧」「有很多人都沒有申請通過」「感覺咱們的審核太嚴了」。
同事之間這樣閑聊說話沒什麼問題，但是如果是向領導彙報或者是數據分析師在回答業務部門問題的時候就不能這麼說了，一定要用準確的數據和指標來描述清楚。例如上邊的對話可以改成：
5月4日新申請貸款用戶10450人，超目標達成1450人；
5月4日當日申請貸款用戶10450人，當日通過2468人；截至5月6日，5月4日申請貸款的10450名用戶中有3690人通過申請，申請通過率35.31%。
上面通過一個指標「申請通過率」說清楚了申請貸款用戶的情況。但是實際工作中，往往一個指標沒辦法解決複雜的業務問題，這就需要使用多個指標從不同維度來評估業務，也就是使用指標體系。
指標體系是從不同維度梳理業務，把指標有系統地組織起來。簡而言之，指標體系=指標+體系，所以一個指標不能叫指標體系，幾個毫無關係的指標也不能叫指標體系。
2.指標體系有什麼用？
我們在討論一個人是否健康的時候，常常會說出一些名詞：體溫、血壓、體脂率等。當把這些指標綜合起來考量，大概就能了解一個人的健康狀況。
同樣，對於一家公司的業務是否正常（健康），可以通過指標體系對業務進行監控。當業務出現異常時，就能以最快的速度發現問題，開始分析，然後解決這些問題，最大化地減少損失。
指標體系的作用包括：
● 監控業務情況；
● 通過拆解指標尋找當前業務問題；
● 評估業務可改進的地方，找出下一步工作的方向。
3.如何建立指標體系？
可以用下面的方法建立指標體系。
（1）明確部門KPI，找到合適的一級指標
一級指標是用來評價公司或部門運營情況最核心的指標。例如，某旅遊公司在會員積分方面的開銷較大， 業務部門關心成本，定的的KPI是合理利用積分抵扣金額，節省成本，所以該部門一級指標定為積分抵扣金額。
一級指標並非只能是一個指標，有可能需要多個一級指標來做綜合評價。例如，某網貸公司產品部門的主要職能是開發出符合市場需求的貸款產品，在提升業務量（放款量）的同時，也需要監控業務質量（放款逾期率）。
根據市場和業務運營情況及時調整產品政策，所以該部門的KPI有兩個：貸款產品放款金額、貸款產品的壞賬率。
貸款產品賣的好光看「放款金額」還不夠，還要關注毛利潤，這才是真正賺到的錢。同時也需要看用戶數，因為用戶數直接和獲客成本掛鉤，要防止營銷成本太高、實際沒利潤這樣不可持續情況的發生。
所以該部門確定了三個一級指標：放款金額、毛利潤、用戶數。
（2）了解業務運營情況，找到二級指標
有了一級指標以後，可以進一步將一級指標拆解為二級指標。具體如何拆解，要看業務是如何運營的。比如銷售部門一般按地區運營，就可以從地區維度拆解。市場部門一般按用戶運營，就可以從用戶維度拆解。
例如前面的案例中一級指標是積分抵扣金額，從訂單維度拆解為積分抵扣金額 = 積分抵扣的訂單數 * 平均訂單抵扣金額，從會員維度拆解為積分抵扣金額 = 積分抵扣的會員數 * 人均抵扣金額。一級指標、二級指標指標的結構如下圖。
（3）梳理業務流程，找到三級指標
一級指標往往是業務流程最終的結果，例如積分抵扣金額，是業務流程（會員-&>購買旅遊產品-&>使用積分抵扣-&>支付金額） 最後的一個結果。
光看一個最後結果是無法監督、改進業務流程的，這就需要更細緻一些的指標，也就是添加三級指標。例如，在業務流程中不同會員等級可以抵扣的金額不一樣。不同旅遊產品線可以抵扣的金額比例也不一樣。所以，需要把二級指標按照業務流程拆解為更細的三級指標。
在會員業務節點可以拆解為LV1級會員數、LV2級會員數、LV3級會員數、LV4級會員數。在購買旅遊產品業務節點可以拆解為酒店訂單數、機票訂單數、跟團游訂單數、自由行訂單數。最後，確定的指標如下圖，因為一級指標、二級指標、三級指標的結構像金字塔，所以下圖也叫做指標體系金字塔。
每個指標從3個方面確定統計口徑：
- 指標含義：這個指標在業務上表示什麼？
- 指標定義：這個指標是怎麼定義的？
- 數據來源：從什麼地方收集的原始數據？數據統計的時間範圍是什麼？
（4）通過報表監控指標，不斷更新指標體系
前面步驟找到了一級指標、二級指標和三級指標，到這一步可以把這些指標製作到報表中，通過報表監控指標，不斷更新指標體系。
4.指標體系有哪些注意事項？
建立指標體系需要注意以下4個問題。
（1）沒有一級指標，抓不住重點
工作里最常見的情況是你獲得的報表是從離職同事那裡交接過來的，或者是領導給你的指標，你只是負責定時更新報表。但是為什麼這樣做報表？做完了報表給誰看？其實你是不清楚的。
弄清楚這些，需要知道一級指標是什麼。如果不能圍繞一級指標來做事會鬧出笑話來。例如，某銀行為了激勵員工，根據KPI給分行經理制定的獎勵規則如下：
投訴率最低的五個分行經理各獎勵2000元現金；
分行客服月通話時長平均≥3.5小時，獎勵3000元。
某個分行經理帶領團隊只放出貸款20萬元，在150家分行中排名最後一名，但因為上面KPI達成的好，其收入反而比某些全額達成放款目標的分行經理高。這種不以一級指標（放款金額）為前提的激勵方案就是無效的方案。
（2）指標之間沒有邏輯關係
如果不按照業務流程來建立指標體系，雖然指標很多，但是指標之間沒有邏輯關係。以至於出現問題的時候，找不到對應的業務節點是哪個，沒辦法解決問題。
（3）拆解的指標沒有業務意義
有的報表上的指標很豐富，但是卻沒有實際的業務意義，導致報表就是一堆「沒有用」的數字。
例如：在銷售部門，最關注的是銷售目標有沒有達成，現在達成了多少，接下來的每天應該達成多少，哪些些區域達成最高，哪些區域達成最低。如果不圍繞這個業務目標拆解指標，而是隨意把指標拆解為用戶年齡、性別，這就與業務沒有任何關係，只是為了拆解而拆解。
（4）一個人就完成了指標體系和報表，也不和業務溝通
建立指標體系不是1個人能夠完成的，需要業務部門（市場、運營、產品等部門統稱為業務部門）、數據部門（這裡把數據分析師所在的部門統稱為數據部門）、開發部門相互之間進行協作。
業務部門會不斷提出新的業務需求。如果業務部門認可數據部門做出的分析報告，並希望以後可以隨時查詢到相關的數據，那麼數據部門會把數據產品化，也就是協助開發部門把數據產品做進公司後台系統，一般形式就是報表。
日常工作中，業務部門、數據部門、開發部門部門是像下圖這樣緊密協作的。
建立指標體系需要各部門緊密溝通，還需要對公司業務和各部門職能的深刻理解，也就是這本書後面章節的業務知識，在此基礎上再根據建立指標體系的方法，不斷進行嘗試就能夠搭建出合適的指標體系。
參考資料：
(本文內容選自書《數據分析思維》，作者：猴子 ? 數據分析學院）
電子書數據分析思維：分析方法和業務知識作者 春面 等會員專享￥ 69.30去查看?什麼是指標？
猴子的視頻 · 7696 播放如何製作一張好看的報表？?www.zhihu.com
很多數據分析招聘的要求里會寫「構建指標體系」，所以建立指標體系是數據分析人員的一項基本技能。下面從4個問題出發，系統介紹指標體系：
（1）什麼是指標體系？
（2）指標體系有什麼用？
（3）如何建立指標體系？
（4）建立指標體系有哪些注意事項？
1.什麼是指標體系？
實際工作中，想要準確說清楚一件事是不容易的。例如，你在金融公司工作，工作中可能會聽到這樣的對話：「大概有1萬多人申請貸款吧」「有很多人都沒有申請通過」「感覺咱們的審核太嚴了」。
同事之間這樣閑聊說話沒什麼問題，但是如果是向領導彙報或者是數據分析師在回答業務部門問題的時候就不能這麼說了，一定要用準確的數據和指標來描述清楚。例如上邊的對話可以改成：
5月4日新申請貸款用戶10450人，超目標達成1450人；
5月4日當日申請貸款用戶10450人，當日通過2468人；截至5月6日，5月4日申請貸款的10450名用戶中有3690人通過申請，申請通過率35.31%。
上面通過一個指標「申請通過率」說清楚了申請貸款用戶的情況。但是實際工作中，往往一個指標沒辦法解決複雜的業務問題，這就需要使用多個指標從不同維度來評估業務，也就是使用指標體系。
指標體系是從不同維度梳理業務，把指標有系統地組織起來。簡而言之，指標體系=指標+體系，所以一個指標不能叫指標體系，幾個毫無關係的指標也不能叫指標體系。
2.指標體系有什麼用？
我們在討論一個人是否健康的時候，常常會說出一些名詞：體溫、血壓、體脂率等。當把這些指標綜合起來考量，大概就能了解一個人的健康狀況。
同樣，對於一家公司的業務是否正常（健康），可以通過指標體系對業務進行監控。當業務出現異常時，就能以最快的速度發現問題，開始分析，然後解決這些問題，最大化地減少損失。
指標體系的作用包括：
● 監控業務情況；
● 通過拆解指標尋找當前業務問題；
● 評估業務可改進的地方，找出下一步工作的方向。
3.如何建立指標體系？
可以用下面的方法建立指標體系。
（1）明確部門KPI，找到合適的一級指標
一級指標是用來評價公司或部門運營情況最核心的指標。例如，某旅遊公司在會員積分方面的開銷較大， 業務部門關心成本，定的的KPI是合理利用積分抵扣金額，節省成本，所以該部門一級指標定為積分抵扣金額。
一級指標並非只能是一個指標，有可能需要多個一級指標來做綜合評價。例如，某網貸公司產品部門的主要職能是開發出符合市場需求的貸款產品，在提升業務量（放款量）的同時，也需要監控業務質量（放款逾期率）。
根據市場和業務運營情況及時調整產品政策，所以該部門的KPI有兩個：貸款產品放款金額、貸款產品的壞賬率。
貸款產品賣的好光看「放款金額」還不夠，還要關注毛利潤，這才是真正賺到的錢。同時也需要看用戶數，因為用戶數直接和獲客成本掛鉤，要防止營銷成本太高、實際沒利潤這樣不可持續情況的發生。
所以該部門確定了三個一級指標：放款金額、毛利潤、用戶數。
（2）了解業務運營情況，找到二級指標
有了一級指標以後，可以進一步將一級指標拆解為二級指標。具體如何拆解，要看業務是如何運營的。比如銷售部門一般按地區運營，就可以從地區維度拆解。市場部門一般按用戶運營，就可以從用戶維度拆解。
例如前面的案例中一級指標是積分抵扣金額，從訂單維度拆解為積分抵扣金額 = 積分抵扣的訂單數 * 平均訂單抵扣金額，從會員維度拆解為積分抵扣金額 = 積分抵扣的會員數 * 人均抵扣金額。一級指標、二級指標指標的結構如下圖。
（3）梳理業務流程，找到三級指標
一級指標往往是業務流程最終的結果，例如積分抵扣金額，是業務流程（會員-&>購買旅遊產品-&>使用積分抵扣-&>支付金額） 最後的一個結果。
光看一個最後結果是無法監督、改進業務流程的，這就需要更細緻一些的指標，也就是添加三級指標。例如，在業務流程中不同會員等級可以抵扣的金額不一樣。不同旅遊產品線可以抵扣的金額比例也不一樣。所以，需要把二級指標按照業務流程拆解為更細的三級指標。
在會員業務節點可以拆解為LV1級會員數、LV2級會員數、LV3級會員數、LV4級會員數。在購買旅遊產品業務節點可以拆解為酒店訂單數、機票訂單數、跟團游訂單數、自由行訂單數。最後，確定的指標如下圖，因為一級指標、二級指標、三級指標的結構像金字塔，所以下圖也叫做指標體系金字塔。
每個指標從3個方面確定統計口徑：
- 指標含義：這個指標在業務上表示什麼？
- 指標定義：這個指標是怎麼定義的？
- 數據來源：從什麼地方收集的原始數據？數據統計的時間範圍是什麼？
（4）通過報表監控指標，不斷更新指標體系
前面步驟找到了一級指標、二級指標和三級指標，到這一步可以把這些指標製作到報表中，通過報表監控指標，不斷更新指標體系。
4.指標體系有哪些注意事項？
建立指標體系需要注意以下4個問題。
（1）沒有一級指標，抓不住重點
工作里最常見的情況是你獲得的報表是從離職同事那裡交接過來的，或者是領導給你的指標，你只是負責定時更新報表。但是為什麼這樣做報表？做完了報表給誰看？其實你是不清楚的。
弄清楚這些，需要知道一級指標是什麼。如果不能圍繞一級指標來做事會鬧出笑話來。例如，某銀行為了激勵員工，根據KPI給分行經理制定的獎勵規則如下：
投訴率最低的五個分行經理各獎勵2000元現金；
分行客服月通話時長平均≥3.5小時，獎勵3000元。
某個分行經理帶領團隊只放出貸款20萬元，在150家分行中排名最後一名，但因為上面KPI達成的好，其收入反而比某些全額達成放款目標的分行經理高。這種不以一級指標（放款金額）為前提的激勵方案就是無效的方案。
（2）指標之間沒有邏輯關係
如果不按照業務流程來建立指標體系，雖然指標很多，但是指標之間沒有邏輯關係。以至於出現問題的時候，找不到對應的業務節點是哪個，沒辦法解決問題。
（3）拆解的指標沒有業務意義
有的報表上的指標很豐富，但是卻沒有實際的業務意義，導致報表就是一堆「沒有用」的數字。
例如：在銷售部門，最關注的是銷售目標有沒有達成，現在達成了多少，接下來的每天應該達成多少，哪些些區域達成最高，哪些區域達成最低。如果不圍繞這個業務目標拆解指標，而是隨意把指標拆解為用戶年齡、性別，這就與業務沒有任何關係，只是為了拆解而拆解。
（4）一個人就完成了指標體系和報表，也不和業務溝通
建立指標體系不是1個人能夠完成的，需要業務部門（市場、運營、產品等部門統稱為業務部門）、數據部門（這裡把數據分析師所在的部門統稱為數據部門）、開發部門相互之間進行協作。
業務部門會不斷提出新的業務需求。如果業務部門認可數據部門做出的分析報告，並希望以後可以隨時查詢到相關的數據，那麼數據部門會把數據產品化，也就是協助開發部門把數據產品做進公司後台系統，一般形式就是報表。
日常工作中，業務部門、數據部門、開發部門部門是像下圖這樣緊密協作的。
建立指標體系需要各部門緊密溝通，還需要對公司業務和各部門職能的深刻理解，也就是這本書後面章節的業務知識，在此基礎上再根據建立指標體系的方法，不斷進行嘗試就能夠搭建出合適的指標體系。
參考資料：
(本文內容選自書《數據分析思維》，作者：猴子 ? 數據分析學院）
電子書數據分析思維：分析方法和業務知識作者 春面 等會員專享￥ 69.30去查看?什麼是指標？猴子的視頻 · 7696 播放如何製作一張好看的報表？?www.zhihu.com
我結合發展的視角來談談我對數據分析師如何搭建數據運營指標體系的看法
一．指標體系的起源及實踐
1.宏觀經濟學GDP統計體系
2.財務報表體系
二．搭建數據指標體系的目的
三．如何搭建符合業務發展的數據指標體系
一、指標體系的起源及實踐
提起指標體系，首先不可避免的要去看GDP的統計體系，經過80多年的發展，已逐步成熟，但100年前既缺少對宏觀經濟的認識，也沒有衡量不同國家經濟實力的比較，只到西蒙·史密斯·庫茲涅茨發布其專著《國民收入及其構成》，宏觀經濟學的統計體系才開始逐步搭建起來
最早對於GNP的構成，庫茲涅茨將其分為農業部門、工業部門和服務部門（也就是後來我們聽到的第一產業、第二產業和第三產業），按照其生產的增加值進行統計，首創了GNP統計的生產法，對於支出法主要來源於凱恩斯對於經濟增長的三駕馬車的觀點（消費、投資、凈出口），收入法是怎麼出來的暫時沒有找到出處，猜測跟財務報表體系有所關聯（歡迎對此有過研究的同學提出）
GDP很好的說明了指標體系搭建的過程
1、隨著業務發展的不同階段確認不同的指標，從早期的GNP到GDP，在到當下的綠色GDP（雖然還未啟用），對於業務同樣，發展初期會以新增用戶數、活躍用戶數DAU等作為指標，成熟期後會逐步轉化為交易額或者訂單量，後期會轉化為收入利潤作為衡量業務的關鍵指標
2、根據業務的邏輯按照不同的維度來劃分，如支出法、收入法、生產法，同樣實際業務中也會根據業務的策略打法來進行維度的下鑽
3、北極星指標是關鍵，GDP作為衡量國家實力最關鍵的指標，同樣業務也是一樣，找到衡量決定業務發展好壞的關鍵指標。
補充下，財務報表 同樣是指標體系的鼻祖，其中是如何設計的，歡迎感興趣的同學自己去思考
二．搭建數據指標體系的目的
搭建數據指標體系的目的主要有三點：
1、通過北極星指標幫助企業看清業務：北極星指標應能夠最為精準地抓住企業為客戶創造的核心價值；在公司層面設立一個指導全局的核心指標的同時，每一個團隊也會有各自的北極星指標；能夠通過指標體系展現現有的業務發展現狀
2、指標能夠將決策層的注意力引導到需要監督的事情上來。舉例來說，只有你關注到訂單量，你才可能會著手提高訂單增長。雖然指標能夠引導我們的管理，但我們必須要小心過猶不及。
3、解釋數據波動，快速定位問題：建立了系統指標體系，有了過程與結果指標，有了指標的前後關聯關係，就可以通過回溯與下鑽，快速找到關鍵指標波動的原因
4、提高分析效率：數據分析師可以少干點臨時提數的活，指標體系建立後應該能覆蓋大部分臨時數據分析需求
三、如何搭建符合業務發展的數據指標體系
1、指標的類型
A、先行指標、同步指標與滯後指標：類似於宏觀經濟和股票市場，企業的指標體系中也有類似的指標數據，如我們關注財務報表的凈利潤，先行指標是用戶數（留存用戶+新增用戶）、付費率、留存率；同步指標是收入、交易額、抽佣比例等；滯後指標是凈利潤等。
先行指標（leading indicator)：具備預測未來可能發生某種行為的指標，先行指標可以指導我們在情況未發生時防微杜漸，提前做出改進措施。
- 我國宏觀經濟中常用的先行指標有：輕工業總產值、一次能源生產總量、鋼產量、鐵礦石產量、10種有色金屬產量、國內工業品純購進、國內鋼材庫存、國內水泥庫存、新開工項目數、基建貸款、海關出口額、經貿部出口成交額、狹義貨幣M1、工業貸款、工資和對個人其他支出、農產品採購支出、現金支出、商品銷售收入等共18項。領先指標的目的是預測企業周期中的轉折點和估計經濟活動升降的幅度
- 股票市場常用的先行指標：RSI指標、DMI指標、ARBR指標、BIAS指標、CCI指標、CR指標、KD指標、OBV指標、DMA指標。
- 互聯網企業常見先行指標：如透過「銷售漏斗」中現有的潛在客戶數，你能大致預測將來所能獲得的新客戶數。如果目前潛在客戶很少，那麼將來也不會增加多少新客戶。眼前，你可以努力增加潛在客戶，這樣將來就能得到更多的新增客戶。
同步指標：又稱為趨勢指標，能夠同步判斷未來發展趨勢的指標，研究同步指標的變化情況可以確定預測對象的發展狀況。
- 我國常採用如下指標作為一致同步指標：工業總產值、全民工業總產值、預算內工業企業銷售收入、社會商品零售額、國內商品純購進、國內商品純銷售、海關進口額、貨幣流通量、廣義貨幣M2、銀行現金收入等共10項。
滯後指標：能夠剔除掉假信號，被驗證後的數據指標，它的用途在於預測未來的發展趨勢，滯後指標有助於驗證領先指標所表示的趨向是否真實
- 我國主要有：全民固定資產投資、商業貸款、財政收支、零售物價總指數、消費品價格指數、集市貿易價格指數等共６項。滯後指標有助於驗證領先指標所表示的經濟趨向是否真實。
- 股票市場常見滯後指標：KDJ指標、MACD指標、TRIX指標、VR指標、ASI指標、WR指標、SAR指標、ROC指標、PSY指標。
- 互聯網企業常見滯後指標：如用戶流失（即某一時間段內離開某產品或服務的客戶量），等到你有機會收集數據，找出問題，往往為時已晚。已流失的用戶不會再回頭。但是，這並不意味著你就只能眼睜睜地看著後見性指標而無可作為（比如，你可以嘗試降低用戶流失率，再測試是否見效），只不過這有點像亡羊補牢：你不會再丟新的羊，但已丟失的找不回來了。
B、虛榮指標與可付諸行動的指標
這是埃里克·萊斯在《精益數據分析》中提到的概念，如果數據指標不能知道決策並帶來業績的改善，那就是虛榮指標，如總註冊用戶數、UV、PV、網站停留時間（time on site）/瀏覽頁數（number ofpages）等
雖然沒有給出明確的定義，但數據分析師搭建指標提供了指引，如果一項指標不能帶來相關的管理動作，能夠改變企業的行為，那麼數據驅動決策只是空談。
2、搭建指標體系的步驟
明確目標：根據當前業務發展的階段，明確未來周期內主要的目標，形成北極星指標或北極星指標組；一般來說業務發展初期關注用戶規模、新增用戶數等指標，中期關注交易額或留存復購，後期關注收入或交叉營銷ARPU；也可以落到單個業務策略和目標
建立指標體系：圍繞北極星指標，按照OSM建立指標體系；通過業務流程、公式拆解等方法找出影響北極星指標的相關變數，以及影響相關變數的業務動作；所有與北極星指標相關的關鍵因素都在這個等式中有所體現，而這些因素相加共同驅動公司的增長；明確總覽圖，並且在總覽圖中將指標數據與既定目標進行比較
維度拆解：有了基礎的指標體系後，為了能夠下鑽、切片等多維度分析，需要進行指標體系的維度拆解；維度拆解需要結合業務動作來進行，跟業務管理密切相關；一個好的指標體系能夠直接看到業務動作—業務指標---結果指標的三級轉化鏈路
測試驗證：有了指標體系和看板後，運營同學可以通過反覆實驗測試，驗證指標體系的有效性
3、搭建數據指標體系的方法：公式法、漏鬥法、多維分析法
最近有同學面試的時候被問到，如何搭建數據分析指標體系?那今天就和大家來聊聊這個事情
閱讀路線:
- 為什麼要搭建數據分析指標體系？
- 如何來搭建一個數據分析指標體系？
- 如何使用數據分析指標體系？
- 數據指標體系搭建中存在的問題
一、為什麼要搭建數據分析指標體系？
大家可以先考慮一個問題，為什麼我們叫數據分析師，其實顧名思義就是希望我們能夠用數據說明、衡量、預測業務的發展狀況;比如說衡量一個淘寶店的業務發展，我們可以用一個核心指標--上月收入500萬元，這個猛然一聽感覺這個淘寶店的發展還是不錯的，但是加個上上個月收入1000萬元這個指標呢，營業額直接是下降了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完全不一樣了，其實我們加入更多的指標，一起看淘寶店的業務應該還會有更多的認識。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。
二、如何來搭建一個數據分析指標體系？
1.數據指標
我們在搭建一個數據指標體系的時候，需要先了解下數據指標。一個合格的指標要求定義清楚完整，要說清楚計算規則也能講地明白具體地業務含義，也即是要滿足下面三個規則
a.指標意義:怎麼用大白話說出來這個指標，它的目的是什麼b.統計時間:指標具有時間性，需要明確是什麼時間段的數據c.計算規則：是比例還是總數，是誰比誰還是誰加誰比如我們月銷售額這個正是滿足的
2.搭建指標體系的兩個方法
- 根據組成成分建立
使用組成成分方法的時候，首先要確定下核心指標，比如我們知道零售中的銷售額指標是核心指標，這時候我們就可以進行拆分的
銷售額 = 購買人數 * 客單價，購買人數 = 用戶數 * 付費率
拆分出來的一個個小指標就可以構建成一個指標體系，如下面的
- 根據過程進行建立
例如付費用戶數量指標，產品通過網站、公眾號、簡書知乎來的，那就先有產品曝光量，然後帶來的是註冊用戶轉化率，再是付費用戶轉化率。
3.使用分類和判斷標準強化數據分析體系
- 增加分類維度
有可能一件事是很多人、在很長時間內完成的。想知道總銷售金額是怎麼構成的，每個地區、每個團隊分別完成多少，可以增加分類維度。通過分類維度，把主指標切成若干塊，這樣能避免平均數陷阱，把整體和局部一起看清楚。
- 增加判斷標準
對於一些指標，我們會增加一些判斷的標準，這樣會是我們建立的體系更加飽滿，常見的判斷標準:
a.目標達成:核心KPI都有一個目標，達成和沒達成就是最終判斷的標準b.歷史同期對比:假設產品每年的走勢都是差不多，那隻要比去年同期表現好就算達標c.競品分析對比:以競爭對手為參考指標，比競品好或者比行業平均表現好就是達標下面我們看一個增加維度和判斷標準的數據分析體系
三、如何使用數據分析指標體系？
根據上面的要素建立起數據指標體系後，診斷業務中的問題來也會非常輕鬆。
1.先看主指標+判斷標準，比如主指標是：銷售金額，先看本月是否達標了，沒達標差多少達標。再看年累計達標沒有，有多少虧空/盈餘。這樣很容易看清楚：知道問題是什麼，有多大。
2.再看分類維度，哪些區域沒有做好，哪些區域做的好，是勉強完成還是持續上漲。誰有能力，誰是拖後腿的一目了然。
3.再看子指標/過程指標，哪個環節沒做好，是推廣太少了，還是成本太高了，是用戶太少了還是付費率太低了。
四、數據指標體系搭建中存在的問題
1.指標選取沒有實際指導意義
新媒體都追求微信公眾號閱讀數，如果靠閱讀數做廣告，那麼閱讀數有意義，如果是靠圖文賣商品，那麼更應該關注轉化率和商品銷量，畢竟一個誇張的標題就能帶來很高的閱讀量，此時的閱讀量是虛榮指標。
虛榮指標是沒有意義的指標，往往它會很好看，能夠粉飾運營和產品的工作績效，但我們要避免使用。
2.沒有判斷標準
指標體系不是堆積指標，是需要通過指標來分析產品的好壞。一個指標不是只要漲了就是好，跌了就是壞，是需要有判定的標準的
推薦閱讀：
