傅一平評語：

標簽和指標都是數據加工的結果，是對數據的一種描述和解讀，往往大量出現在寬表中，區分清楚這兩個概念的區別有助于更好的理解數據模型，這篇文章對兩者的區別做了很好的詮釋，值得看一看，我的理解是這樣：

指標是對各種客觀事物的數值描述，標簽是對各種客觀事物的特征標識，前者回答“是多少”問題，一般具有統計性質，比如到達用戶數，后者回答“是什么”問題，一般具有形容性質，比如高端用戶。

正文開始

最近在工作中也經常和標簽、指標打交道，但是似乎很少有人能完全說明白這兩者的明確定義、區別和聯系，今天嘗試來聊聊這個問題。

本來應該先從定義開始，但是數據玩家找了很多定義，總感覺很晦澀，需要一定的深入思考和實踐經歷才能完全理解，于是我們先暫時不看定義，從兩者的特征開始比較，第一個特征是兩者的內容。

常見的指標，宏觀層面比如GDP、CPI、PPI，金融機構常用的存貸比、不良率、AUM，產品運營的MAU、DAU、LTV等等，都是對一個客觀事實的描述，通常以可量化的數值形態呈現，或為數值，或為比率。

一個指標通常包含三個部分：口徑/邏輯、維度、限定詞。

口徑和邏輯，也就是這個指標具體的含義，首先得有一個業務口徑，然后由技術把他落地成為一個技術的加工邏輯，從哪幾個表取，count、sum、max、min或者是avg。

維度指的是我們從什么角度去看這個指標，是時間維度（年/月/日）、機構維度（不同分支機構）還是客群或產品維度，在SQL語句里就是group by。

限定詞就是在這個維度下，我們選取哪一個具體的枚舉值，對應SQL語句就是where條件。

舉個栗子，AUM的業務口徑是客戶名下所有資產，包括存款、理財、代銷基金、保險等…… 技術的加工邏輯會有一長串SQL，關鍵的點是所有金額做sum。

如果只看全行的AUM，是不需要維度的，如果要看具體某一個維度，就需要group by了，指標就變成了按機構維度看AUM，即group by org。

限定詞就是要看某個具體分行，比如上海分行所有客戶的AUM，SQL語句里就需要加上 where org = '021'。

不論怎么定義，大家可以發現，每一個環節都是陳述事實，實際的數值是多少就是多少，指標只是按不同的方式展示這個值，這也帶來指標的另一個特征：指標基本都是數值型。

當然，不排除有些定性指標，比如在KPI中，有的考核指標描述為：某項工作是否完成，不過絕大多數核心指標，都應該是量化的。

與指標不同，標簽是存在人為劃分的。

比如AUM>=100萬在某些銀行就是私行客戶了，但是在大行估計就是個高凈值客戶。

標簽通常是描述某些具體實體的，比如AUM>=100萬，你一定可以挑出一些客戶滿足這個特征，但是指標陳述的通常是抽象概念，比如AUM本身，你沒法對應到一個或者一群具體客戶身上。

有些標簽看上去人為定義的成分比較少，也是基于事實進行定義的，比如性別標簽，車輛品牌標簽，車主客戶標簽，代發客戶標簽……

所以我在標題里加了“往往”，遇到這類標簽的時候，我們的直覺也會告訴我們，這是標簽，而不是指標，原因參考指標的另一個特征。

對，指標基本都是數值型，而標簽基本都不是數值型。

哪怕是基于數值型的標簽，一定也要有個人為劃分的定義。

比如上面提到的，基于AUM構建客戶等級標簽，AUM是個數值型的指標，標簽定義為AUM等于、大于或小于某一個值，人為劃分了客戶的等級。

因此標簽可以基于指標來定義，那么指標可不可以基于標簽來定義呢？

當然可以，比如“私行客戶轉化數量”，這里用到了一個標簽“私行客戶”，私行客戶本身又依賴于AUM等指標。

所以標簽和指標可以相互轉化。

指標的分類相對還是比較統一的，通常劃分為原子指標、派生指標、衍生指標。

原子指標不疊加任何維度，僅是對業務事實的最基本描述，通常是一些整體指標，通過SQL直接統計出來的，比如客戶數、留存率、交易量……

但是實際業務使用中，更關心某一特定維度的指標，比如手機銀行客戶數、7日留存率、長尾客群交易量……

因此我們有了派生指標。派生指標就是原子指標疊加一個或多個維度。

手機銀行客戶數是客戶數疊加產品或渠道維度；7日留存率是留存率疊加時間維度；長尾客群交易量是交易量疊加客群維度（這里客群是一個標簽）。

僅僅疊加維度還不夠，有時候我們還需要不同指標之間互相計算，最常見的就是求人均和比率，比如客群AUM、存貸比……

這就是衍生指標，即通過原子指標或派生指標互相加工而來。

標簽由于其人為劃分的特性，分類就沒那么統一，比較常見的一種劃分為事實標簽、規則/統計標簽、模型標簽。

事實標簽也是描述實體的客觀事實，比如上文提到的性別、車主等等，描述一些具體實體的特征。

規則/統計標簽是基于事實的統計結果結合一些人為判斷生成的，比如青年客戶（年齡在18到35之間）、中年客戶（年齡在36到55之間）、老年客戶（年齡55+）等等。

模型標簽就比較主觀了，是通過事實標簽和規則/統計標簽，抽象出來的群體特征，其劃分的群體通常比上兩類標簽更細。比如“月光一族”，“消費達人”等。

現在大家已經對標簽和指標有了相對明確的概念，我們來看看兩者的應用場景有何差別。

通常拆解使用

指標的使用場景，一般都是一個大指標，拆解到某個或多個維度，附加一個或多個限定詞

用于經營分析、監測、評價、建模

在經營分析中，用于監測和評價業務效果、考核情況等，所有的KPI都是指標用于評價和監測業務效果。

需要不斷歸納和抽象

標簽是基于底層數據的歸納和抽象，希望刻畫某一群實體的特征，通過標簽，一定可以定位一群具體的實體，可能是客戶，也可能是產品。

用于標注、分類、刻畫群體特征

標簽的核心其實是分類，針對每一個分類，希望能夠給予不同的營銷策略、產品策略、觸達策略等。

不過，由于標簽和指標可以互相轉化，因此在實際運用中，也不用過多糾結兩者的區別，因為兩者通常是結合起來使用的。

總結一下，指標描述客觀事實，通常是抽象的概念，以量化指標為主，拆解到不同維度，用于經營分析、監測、評價和建模；

標簽人為劃分，描述特定群體的實體特征，可以定位到具體實體，難以量化，歸納和抽象形成，用于標注、分類、刻畫群體特征。