在了解什么是數據指標之前，我們思考一下：為什么會出現指標？它是為了解決什么問題？人類及科學的發展是與時俱進的，早期為了使自然科學的實驗及結果更具統一性及方便標準化衡量，一些標準化的專業指標應運而生。隨著人類社會的發展，社會科學也越來越需要統計學來進行事物的衡量，一系列統計學指標也逐步產生了。隨著新信息技術的發展，數據指標逐步被大眾認可為衡量目標的方法。從社會科學角度看，指標是統計學的范疇，用于數據的描述性統計。指標是說明總體數量特征的概念及其數值的綜合，故又稱為綜合指標。在實際的統計工作和統計理論研究中，往往直接將說明總體數量特征的概念稱為指標。傳統的指標有國內生產總值（Gross Domestic Product，GDP）、國民生產總值（Gross National Product，GNP）、居民消費價格指數（Consumer Price Index，CPI）、滬深300指數等。

01 什么是數據指標？

數據指標有別于傳統意義上的統計指標，它是通過對數據進行分析得到的一個匯總結果，是將業務單元精分和量化后的度量值，使得業務目標可描述、可度量、可拆解。數據指標需要對業務需求進行進一步抽象，通過埋點進行數據采集，設計一套計算規則，并通過BI和數據可視化呈現，最終能夠解釋用戶行為變化及業務變化。常用的數據指標有PV、UV等。本文所述的指標是衡量目標的方法，指標由維度、匯總方式和量度組成，如下圖所示。

其中，維度是指從哪些角度衡量，是看待事物的視角與方向，決定了根據不同角度去衡量指標。匯總方式是指用哪些方法衡量，是統計匯總數據的方式。而量度主要是明確事物的具體目標是什么，是對一個物理量的測定，也用來明確數據的計量單位。比如，播放總時長是指用戶在一段時間內播放音頻的時長總和（單位：分鐘）。按照上述拆解，維度是指篩選的一段時間，匯總方式為計算了時間長度的總和，而量度就是統一的單位—分鐘數。這里，我們可以理解為指標是由這幾個方面構成，相當于英文的構詞法，前綴、后綴等共同形成了一個單詞。02 ?什么是指標體系？體系化的本質是將數據指標系統性地組織起來，具體會按照業務模型、按標準對指標不同的屬性分類及分層。當然，不同的業務階段、不同業務類型會有不同階段的劃分標準。數據指標體系含有十分豐富的統計量，從宏觀上看，它是一個相對全面的有機整體；從微觀上看，每個數據指標都有其特定含義，反映了某一細節的客觀事實。不同的數據指標定義不同，邏輯也不同，這些各種各樣的統計量共同構成了數據指標體系，使其產生不可磨滅的價值。在構建指標體系的過程中，首要動作就是明確指標的分類以及約束指標命名方式，使各個指標能夠做到見名知意、減少溝通成本，這里我們按照阿里對指標的劃分規范指標命名：

數據指標分為原子指標和派生指標。

原子指標是基于某一業務事件行為下的度量，是業務定義中不可再拆分的指標，是具有明確業務含義的名詞 ，體現明確的業務統計口徑和計算邏輯，例如支付金額。

原子指標=業務過程+度量

派生指標=時間周期+修飾詞+原子指標，派生指標可以理解為對原子指標業務統計范圍的圈定

下圖是各個基本概念之間的關系：

業務板塊：比數據域更高維度的業務劃分方法，適用于特別龐大的業務系統。

業務過程：指企業的業務活動事件，如下單、支付、退款都是業務過程，請注意，業務過程是一個不可拆分的行為事件，通俗的講，業務過程就是企業活動中的事件。

修飾類型：是對修飾詞的一種抽象劃分。修飾類型從屬于某個業務域，如日志域的訪問終端類型涵蓋無線端、PC端等修飾詞。

修飾詞：指出了統計維度以外指標的業務場景限定抽象，修飾詞隸屬于一種修飾類型，如果在日志域的訪問終端類型下，有修飾詞PC端、無線端等。

時間周期：用來明確數據統計的時間范圍或者時間點，如最近30天、自然周、截至當日等。

度量/原子指標：原子指標和度量含義相同，基于某一業務事件行為下的度量，是業務定義中不可再拆分的指標，具有明確業務含義的名詞，通常是業務過程+度量組合而成，如支付金額。

維度：維度是度量的環境，用來反映業務的一類屬性，這類屬性的集合構成一個維度，也可以成為實體對象。維度屬于一個數據域，如地理緯度、時間維度。例如， 在分析交易過程時，可以通過買家、賣家、商品和時間等維度描述交易發生的環境。

派生指標：派生指標=一個原子指標+多個修飾詞（可選）+時間周期。可以理解為對原子指標業務統計范圍的圈定。如原子指標：支付金額，最近一天海外買家支付金額則為派生指標（最近1天為時間周期，海外為修飾詞，買家作為維度，而不作為修飾詞）

03 ?如何設計指標體系？

下面詳細介紹企業級指標體系設計方法，包括設計思路、實施步驟、應用方法和管理機制。通過學習，可以建立一套完善的企業級指標體系，更好地進行數據分析和業務決策，推動業務發展。

企業指標體系設計過程中常見的5個問題：

權責錯誤或不清晰

指標口徑不統一

指標概念認知偏差

指標管理待完善

缺乏指標標準

構建企業級指標體系主要有以下5個步驟，：

業務分析與數據盤點 指標體系框架制定 業務指標發現 指標清單梳理 指標標準建設 指標體系應用

業務拆解：梳理業務流程及管理要求

數據盤點：盤點系統中的指標、維度

行業標桿研究

基于業務管理需求，自上而下逐層展開，設計指標體系框架，并參考行業模型。

如何基于業務系統，自下而上逐層篩選，梳理數據指標體系，并參考業務價值。

匹配指標體系框架、維度及指標，梳理指標內容，形成指標清單。

指標清單的典型成果示例，包括原子指標、統計周期、統計粒度、業務限定和派生指標等信息。

指標標準的內容，包括維度、規則和指標的定義要素。

以“產品均價”指標為例，指標標準的詳細內容包括指標編號、名稱、含義、計算公式、數據來源等。

并以采購流程為例，展示指標標準體系的示例。

基于 5W2H 分析法，設計指標應用邏輯，并舉例說明。

指標體系場景化應用的三種類型：

描述性場景 診斷性場景 預測性場景

指標與報表的關系，并說明報表設計的原則，例如全面性、底表思維和分析思維。

指標體系在不同層級的應用場景，包括戰略層、經營層和業務層，并列舉具體的指標和應用方法。

數據、組織和流程在指標體系建設中的重要性不言而喻，強調組織保障和流程機制的配套作用。

根據指標分類、指標管理模塊和部門職責，劃分各部門在指標體系中的權責，并構建組織管理魔方，形成指標體系管理長效管理機制。

最后總結指標體系建設的典型經驗，例如數據探查、指標設計原則、指標分級靈活化等。

04? 數據指標體系的價值

數據指標體系是業務數據標準化的基礎，其對指標進行了統一管理，體系化是為了方便統一修改、共享及維護。宏觀方面，數據指標體系建設是數據中臺建設的重要一環，不僅符合“創新驅動”的意識，更是企業實現自身“數據驅動”發展的重要途徑。隨著大數據和人工智能技術的發展，很多企業選擇借助信息技術實現轉型升級。在大數據時代早期，大部分數據并沒有被充分地挖掘分析和利用。雖然數據規模非常大，但是卻很難利用這些數據創造價值。而數據中臺的提出及數據指標體系的構建，使得數據產生了實際價值。有了數據指標，人們做決策時不再是按照經驗“拍腦袋”，而是看看數據是怎樣呈現的，能夠及時基于數據進行戰略調整及決策規劃。數據指標體系的價值主要體現在全面支持決策、指導業務運營、驅動用戶增長，同時統一統計口徑（見圖2）。其中，作為壓軸作用的統一統計口徑對于數據指標體系而言具有戰略意義。在一個整體中，如果不能統一口徑，那么一切分析及對比的參考價值就會顯得無意義，各方也會陷入公說公有理，婆說婆有理的尷尬局面。由此說明，對于衡量整個公司的業務價值而言，建立一套統一標準的數據指標體系的作用不言而喻。

數據指標體系的價值1. 全面支持決策數據指標極具參考價值，公司的管理層為了更準確地進行戰略決策，需要搭建完備的數據指標體系。一個相對全面的數據指標體系，可以讓管理者對公司的發展從數據層面有一個比較客觀的認知，而不是管中窺豹，這樣在進行戰略決策時，可以保持相對理性。而對于新業務的洞察，也可以不斷融入新的數據指標，豐富指標體系，靈活且全面地把握業務發展趨勢，為未來的決策提供借鑒。2. 指導業務運營不懂數據的產品不是好運營，為了便捷地了解產品現狀及業務效果，指標體系中會有很多拆解的細分指標，這些數據的變動反映的是用戶對于運營情況的最新反饋，為運營的業務決策提供了數據支持。用戶運營可以根據這些數據，了解用戶的喜好，決定下一步的運營策略和活動開展。例如，對于閱讀行業來說，內容編輯會基于自己對內容的認知，將一組有共性特征的書籍組成一個書單推送給用戶，那么指標體系中也會有相應的指標反映用戶對這個書單的偏好。內容編輯就可以通過這些指標，了解用戶的偏好，決定下一步是否要繼續嘗試這種類型的專題。3. 統一統計口徑從技術角度來看，數據中臺是為了匯總與融合企業內的全部數據，甚至外部數據，打破數據隔閡，解決數據標準與口徑不一致的問題。數據指標體系化有個好處是可以實現指標的統一管理，實現統一的統計口徑，避免定義模糊和邏輯混亂，影響數據質量。同時，完備的數據指標體系也可減少重復統計的問題，從而避免日志上報產生的數據冗余和重復分析產生的服務器資源浪費。