随着数据正式成为继土地、劳动力、资本、技术后的第五大生产要素，其在当今社会扮演的角色地位不言而喻。对于企业来说，在日常经营的过程中，各个环节、各个流程、各个部门都在产生着各种各样的数据。

数据已经成为企业在进行运营策略、产品规划、品牌战略等几乎所有经营活动时，不可或缺的信息来源和参考依据。

几乎所有的数据分析工作都会提到一个词——“建立数据指标体系”，虽然这个词对于大家来说并不陌生，但是数据指标到底是什么以及如何具体的搭建，很多人还是一头雾水的。

今天就来展开讲讲~

老板：这次宣传活动总共带来了多少流量？
你：大概有一万多人吧......
老板：这次活动反响怎么样？
你：有很多顾客都不满意......
老板：最近生意怎么样？
你：感觉我们门店都没什么顾客了......

当老板问到相关问题时，大多数人都是这样随口一说的。这种说法在日常生活中是没有任何问题的，毕竟谁也不会揪着非要问出个123。但是放在企业经营中，这是“大忌”。

老板：这次宣传活动带来了多少流量
你：本次活动3天，共计带来新注册用户12000人，其中1月22日新增注册用户6000人，超目标2000人。
老板：这次活动反响怎么样？
你：1月22日客户共计退货130件，活动期间3天内退货率为10.3%。
老板：最近生意怎么样？
你：1月24日到店用户共计560人，到店率20%，低于期望值34%。

然后再配上一张可视化分析图表，就是一次完美的“数据式”汇报了！

数据是我随手捏的，但数据背后的逻辑就是这4个字：“数据指标”

01 数据指标概述

在了解什么是数据指标之前，我们思考一下：为什么会出现指标？它是为了解决什么问题？

人类科学的发展是与时俱进的，早期为了使自然科学的实验及结果更具统一性及方便标准化衡量，一些标准化的专业指标应运而生。随着人类社会的发展，社会科学也越来越需要统计学来进行事物的衡量，一系列统计学指标也逐步产生了。随着新信息技术的发展，数据指标逐步被大众认可成为衡量目标的方法。

从社会科学角度看，指标是统计学的范畴，用于数据的描述性统计。指标是说明总体数量特征的概念及其数值的综合，故又称为综合指标。在实际的统计工作和统计理论研究中，往往直接将说明总体数量特征的概念称为指标。

传统的指标有国内生产总值（Gross Domestic Product，GDP）、国民生产总值（Gross National Product，GNP）、居民消费价格指数（Consumer Price Index，CPI）、沪深300指数等。

1、什么是数据指标？

数据指标有别于传统意义上的统计指标，它是通过对数据进行分析得到的一个汇总结果，是将业务单元进行精分和量化后的度量值，使得业务目标可描述、可度量、可拆解。数据指标需要对业务需求进行进一步抽象，通过埋点进行数据采集，设计一套计算规则，并通过BI和数据可视化呈现，最终能够解释用户行为变化及业务变化。常用的数据指标有PV、UV等。

本文所述的指标是衡量目标的方法，指标由维度、汇总方式和量度组成，如下图所示。

其中，维度是指从哪些角度衡量，是看待事物的视角与方向，决定了根据不同角度去衡量指标。汇总方式是指用哪些方法衡量，是统计汇总数据的方式。而量度主要是明确事物的具体目标是什么，是对一个物理量的测定，也用来明确数据的计量单位。

比如，播放总时长是指用户在一段时间内播放音频的时长总和（单位：分钟）。按照上述拆解，维度是指筛选的一段时间，汇总方式为计算了时间长度的总和，而量度就是统一的单位—分钟数。

这里，我们可以理解为指标是由这几个方面构成，相当于英文的构词法，前缀、后缀等共同形成了一个单词。

2、什么是指标体系？

体系化的本质是将数据指标系统性地组织起来，具体会按照业务模型、按标准对指标不同的属性分类及分层。当然，不同的业务阶段、不同的业务类型会有不同阶段的划分标准。

数据指标体系含有十分丰富的统计量，从宏观上看，它是一个相对全面的有机整体；从微观上看，每个数据指标都有其特定含义，反映了某一细节的客观事实。不同的数据指标定义不同，逻辑也不同，这些各种各样的统计量共同构成了数据指标体系，使其产生不可磨灭的价值。

总的来说，数据指标体系是对业务指标体系化的汇总，用来明确指标的口径、维度、指标取数逻辑等信息，并能快速获取到指标的相关信息。

3、搭建指标体系的价值

搭建指标体系有什么用？数据分析为什么要搭建指标体系？有什么用？可能大部分人都说不清楚。在我看来，搭建指标体系的价值主要有3点：

（1）建立业务量化衡量的标准

指标体系可以建立业务量化衡量的标准，数据分析的目的就是说明、衡量、预测业务的发展。

比方：衡量一个门店经营的状况，一个门店月净利润20万元，光看这个指标感觉这个店盈利不少，发展应该不错，但是再一看前两个月的净利润，发现前两个月的净利润都是40万以上，增加了这一个指标，我们就发现了这个店的经营状况可能存在问题了。

在衡量业务经营状况的过程中，单一数据指标衡量很可能片面化，需要通过补充其他的指标来使我们的判断更加准确。

因此，搭建系统的指标体系，才能全面衡量业务发展情况，促进业务有序增长。

（2）减少重复工作，提高分析效率

有了指标体系，数据分析师就可以少干点临时提数的活，指标体系建立后应该能覆盖大部分临时数据分析需求，如果指标体系搭建完了，还是有很多临时的分析需求涌现，那证明这个指标体系是有问题的。

（3）帮助快速定位问题

建立了系统指标体系，有了过程与结果指标，有了指标的前后关联关系，就可以通过回溯与下钻，快速找到关键指标波动的原因，老板让你分析原因，再也不用愁眉苦脸了。

不过这些价值发挥的前提是建立合理、有效的指标体系，且数据质量有保证，数据质量都不能保证，指标体系搭得再好，分析出来的结果也没什么意义。

4、怎么判断指标体系有效与否？

怎么判断我建立的指标体系是否合理有效呢？有人总结了4个标准：

①完备性：能完整解释业务现状，不重复、不遗漏。

②系统性：能够准确反映业务问题的，帮助问题定位与目标制定。

③可执行：定义清晰明确，这套指标体系建立后，能指导数据开发同学制定合理的数据底层结构，为大家节约时间。

④可解释：过程指标与结果指标做好清晰分类，通俗易懂大家有共识。

02 搭建数据指标体系“三步论”

“目的驱动业务”，首先你要弄清楚一个问题：“我到底为什么要搭建数据指标体系？”

在日常工作中，我们经常会脱口而出：“我们的产品今年卖得挺好的！”。但如果真较起真来的话，对方分分钟给你堵得死死的。

上面这张图就能充分说明“为什么要搭建数据指标体系”这个问题了。

一项业务是涉及到很多方面的，只用一个指标不能充分说明问题。往往需要一组有逻辑的数据指标来描述，这就是“数据指标体系”。

“兵马未动，粮草先行”，在搭建数据指标体系之前，首先要清楚数据指标体系的“五大要素”。即：

核心指标（也叫主指标或一级指标）
次要指标（服务于核心指标）
过程指标（完成核心指标的过程拆解）
区域指标（次要指标的分类维度之一）
判断标准（各指标的辅助决策）

具体过程如下：

什么是核心指标？

比如说：“如何评判产品卖的好不好？”，最直接的指标就是“销售金额”。其中销售金额就是核心指标，也称作“主指标”或“一级指标”。

注意：主指标不是唯一的，实际应用中有可能需要多个主指标来做综合评价。
比如产品卖得好，光看金额还不够，可能还要关注毛利和销售数量、库存等等。这样就至少有了三个主指标：销售金额、销售件数、销售毛利。

次要指标是服务于主要指标的，二者之间的关系通常是用公式的形式来展现的，比如：

销售金额=用户数 * 付费率* 客单价

也就是说，如果销售金额没达标，我们需要分析以下几个原因：

是不是用户数变少了？
是不是顾客购买意愿下降了？
是不是卖得太便宜了？

这个时候就需要拆解主目标，具体拆解方式如下图（图片来自：接地气的陈老师《数据指标是什么？5+5+5》）

过程指标是服务于主指标的，并且对于主指标的结果起着重要作用，比如：

销售额是销售线索、售前跟进、需求确认、产品体验、价格谈判、签约这一系列业务流程的结果展现。所以想要更精确地管理销售金额，就得管理好这些过程指标

还是以toB业务来说，结合上图的销售漏斗，最后总的销售额可以拆分四个指标，以此模板为例：客户管理crm

• 线索量：销售的起点，直接和宣传推广的效果挂钩。

• 赢单量：签单数量，已经是销售漏斗中的最后一步了

• 成单时间：从线索入池到签约成单，反映了线索跟进的效率

• 成单率：成单量/线索量，反映销售质量

这一维度主要用来切分主指标，如果大家熟悉销售业务，就会知道产品的销售团队是分为战区的，比如华南战区、华东战区等等。

想知道总销售金额是怎么构成的，每个战区、每个团队分别完成多少，就可以增加分类维度。

即使有了以上四个点，我们还是不能说：A产品卖的好。因为好是个形容词，是和差相对的。因此就需要一个对比的参照物。

比如说和上一季度的销售额相比，同比增长了多少；比如说和市面上同类产品相比，销售额的表现如何......等等。

有了上述的五个数据指标要素，应用起来就很方便了：

比如主指标是销售金额，先看本月是否达标了？，如果达标了是否有盈余？，如果没达标亏空了多少？这样有助于我们知道问题是什么，有多大。

哪个环节没做好，是线索太少了，得加大推广力度；还是跟进成功率低，得提升销售能力；还是报价有问题，得增加一些折扣。怎么处理问题一目了然。

哪些区域没有做好，是不是一贯做不好；哪些区域做得好，是勉强完成还是持续上涨。各战区完成度跟地域之间的联系是什么？哪个战区做得好哪个战区做得不好一目了然。

以上。觉得有用的话记得点赞+关注@简道云