01?數據指標概述
在我們知道什麽是數據指標之前，我們先思考壹下:為什麽會出現指標？是為了解決什麽問題？
人類和科學的發展與時俱進。早期，為了使自然科學的實驗和結果更加統壹，便於標準化測量，壹些標準化的專業指標應運而生。隨著人類社會的發展，社會科學越來越需要統計來衡量事物，壹系列統計指標也逐漸出現。隨著新信息技術的發展，數據指標作為壹種衡量目標的方法逐漸被大眾認可。
從社會科學的角度來看，指標屬於統計學的範疇，用於數據的描述性統計。指數是解釋總體數量特征的概念，是其數值的綜合，所以也叫綜合指數。在實際統計工作和統計理論研究中，描述總體數量特征的概念往往被直接稱為指數。
傳統指標包括國內生產總值(GDP)、國民生產總值(GNP)、居民消費價格指數(CPI)、滬深300指數等。
1.什麽是數據指標？
數據指標不同於傳統的統計指標。它們是通過分析數據得出的匯總結果，是對業務單元進行精細劃分和量化後的測量值，使業務目標具有描述性、可測量性和可分離性。數據指標需要進壹步抽象業務需求，通過埋點收集數據，設計壹套計算規則，通過BI和數據直觀呈現，最終可以解釋用戶行為變化和業務變化。常用的數據指標有PV、UV等。
本文所描述的指標是壹種衡量目標的方法，由維度、匯總方法和措施組成，如下圖所示。
其中，維度是指衡量的角度，是看事物的角度和方向，決定了從不同角度衡量的指標。匯總法是指用哪些方法來衡量，是統計匯總數據的方式。計量主要是明確事物的具體目標是什麽，計量壹個物理量，也是明確數據的計量單位。
例如，總播放時長是指用戶在壹段時間內播放音頻的總時長(單位:分鐘)。根據上面的拆解，量綱是指選定的壹段時間，匯總的方法是計算時間長度的總和，計量是統壹的單位——分鐘。
在這裏，我們可以理解為指標是由這些方面組成的，相當於英語的構詞法。前綴、後綴等。* * *壹起組成壹個單詞。
2.什麽是指標體系？
系統化的本質是將數據指標進行系統化組織，按照業務模式和標準對指標的不同屬性進行分類和分層。當然，不同的業務階段，不同的業務類型，會有不同的階段劃分標準。
數據指標體系包含非常豐富的統計數據，從宏觀角度看是壹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的含義，反映了某個細節的客觀事實。不同的數據指標有不同的定義和不同的邏輯。這些各種各樣的統計數據同構形成壹個數據指標體系，具有不可磨滅的價值。
總的來說，數據指標體系是對業務指標的系統總結，用於明確指標的口徑、維度、指標檢索邏輯等信息，可以快速獲取指標的相關信息。
02?數據指標體系構建的原則
1，構建指標體系要有重點。
不能只列出指標。這是很多數據分析師都會犯的通病。壹上來就先列出壹大堆指標，不說明輕重緩急。根本看不懂業務。
2、構建指標體系要有目標。
很多人習慣了羅列指標，對拆分指標有自己的壹套套路。無論我們要解決的商業問題是什麽，都是按照時間、渠道、地域等緯度進行拆分的，並沒有具體的劃分標準。最後，我們不得不糾結有多少指標發生了變化。
3.指標體系並不是越完整越好，與業務最相關的才是最好的。
在之前這篇關於指標體系的文章中，反復強調了為了引起註意，文章的標題將是XXX行業指標體系。雖然指標體系盡可能多的概括了業務場景，指標列的很詳細，但是不同的公司業務復雜程度不同。沒有壹個指標體系可以放之四海而皆準，只有最合適的才是最好的。
03 ?指標體系如何設計和落地？
指標體系的構建分為設計指標體系和落地指標體系兩大步驟，又可以分解為幾個小步驟。我們先來看壹個指標體系從設計到落地的整體步驟圖，然後根據這個圖分解每個步驟是如何落地的。
1.指標體系如何設計？
1)需求來源
主要需求來源隨著產品生命周期的變化而變化。建立數據指標初中以後根據數據狀況可以分為三個階段。首先要明確，有數據指標之前要有目標計劃，而不是憑空捏造壹些指標體系，然後放到產品上。
數據指數建設初期，優先考慮產品戰略目標，優先考慮北極星指數的全方位指數監測；中期以業務驅動為主，建立指標衡量現有業務。業務驅動直接得到的指標壹般是二級指標，需要整合到指標模型中；後期，數據指標已經搭建的差不多了。是時候根據模型查漏補缺，構建產品的指標閉環，通過數據反向推動產品的叠代優化。
2)確定壹級指標
壹級指標實際上反映了產品在所有重要方面的運行情況。以用戶的運營為流水線，可以圍繞用戶的生命周期挖掘壹些重要的壹級指標，自然形成閉環。
在眾多的指數模型中，AARRR模型可以很好地概括用戶的生命周期，但美中不足的是它遺漏了用戶流失的環節。個人認為AARRR可以完整概括用戶的生命周期，即獲取(收購)、激活(留存)、收益(營收)、推薦(自傳播)、召回。
圍繞這六個方面，可以展開以下壹級指標(只是舉壹些通用指標的例子，具體壹級指標可以根據具體業務來定義):
3)獲取二級索引。
二級指標來源於壹級指標。為了實現壹級指標，企業會采取壹些策略，二級指標通常與這些策略有關。可以簡單理解為壹級索引的實現，用來代替壹級索引的定位問題。
二級指標的作用是將壹級指標的升降落實到具體的業務部門或負責人。我們可以通過成分分解從壹級指標中得到相應的二級指標。比如收入這個壹級指標，通過成分分解可以分為廣告收入和內購收入。
4)獲得三級指標。
通過二級指標的分析，可以找到相應問題的責任方，三級指標的作用是引導責任方定位具體問題，然後修復。
三級指標可以通過拆解二級指標的路徑得到，壹線人員可以通過三級指標的具體表現快速做出相應的動作，所以三級指標的要求就是盡可能的覆蓋每個關鍵路徑上的關鍵動作。
這裏繼續以內購收益這個指標為例。通過路徑拆解，最終導致內購的關鍵行為路徑是:瀏覽商品、加入購物車、提交訂單、支付成功。
按照上述流程，不斷查漏補缺，確定壹級指標，逐級分解，構建有效的數據指標體系。
2.指標體系如何落實？
終於，要開始工作了。有了目標之後，接下來就是埋下計劃指標了。
落地指標不要像設計指標那樣把重點放在壹級指標上，而要先放在二級指標上，因為壹級指標是由二級指標組成的，二級指標埋下後自然可以算出壹級指標。
埋點不是壹個人的事，需要各部門共同努力。下圖是從設計到落地的全過程:
不知道看完這張圖有沒有疑問。責任方為什麽要理解熟悉的需求？需求方沒給指標嗎？照著埋就行了。如果妳這麽想，妳註定是壹個工具人。
首先，每個指標都與具體的業務邏輯設計密切相關。如果不熟悉業務，就無法對指標進行多維度的嵌點設計，最後設計出來的嵌點方案肯定漏洞百出。
而且需求方給出的指標也不壹定全面，需求方往往數據感較弱，無法理解當前業務的很多細節是可分析的。
所以這就需要數據產品經理熟悉業務，了解產品，了解用戶，這樣才能壹針見血，設計出壹套具有指導性的嵌入方案，而不是僅僅根據這幅畫來畫壹些冷冰冰的數據。記住每壹個嵌入點都是有意義的，數據是有靈魂的。
明確了嵌入點的工作流程，接下來就要決定是選擇自主開發的數據門戶還是使用第三方工具，如廁神、成長IO、諸葛IO等兩者之間主要有以下區別:
自研工作量大，建設周期長。第三方提供現成的模型，建設周期短。
自研比埋點實施者上報的數據更加靈活、友好，沒有太多不必要的邏輯記錄，在後期的指標計算方法上可以任意。比如壹些耗時點只要打好，自研可以通過兩個事件的時間差計算耗時，但是有些第三方不支持。
總之，自研前期痛，後期爽，第三方前期痛。從實現難度來說，自研所需的人力物力遠大於第三方服務，大部分中小公司都會選擇第三方服務。
下面埋點介紹說明基於第三方服務的方式。
像往常壹樣，在解釋之前，我們先來看壹個總體流程圖:
1)埋點規範文件
如前所述，指標體系的建立需要各部門的通力合作。壹個埋點規範的文檔，不僅可以規範工作流程提高效率，還可以明確需求，降低溝通成本，避免誤解。埋點規範文檔包括工作流規範、命名規範、需求文檔規範等。，這應該在指標體系的開頭規定。
當然，由於開始時經驗不足，後續工作中會暴露出壹些問題，規範文檔的第壹版可能沒有那麽詳細，但總體框架還是需要的，後面會補充壹些細節。
2)獲得需求原型
它是產品功能原型或活動原型。
3)定義頁面和元素名稱
拿到需求原型後，先提前定義好原型中的頁面和頁面中元素的名稱，以便以後統壹使用，避免不同指標間頁面名稱不壹致。
如果是頁面，建議全部命名。頁面中可能會有更多的元素。可以選擇關鍵路徑上的壹些重要元素進行命名，其他元素會根據後續工作的需要進行埋沒(當然有精力的話最好全部命名以便監控。畢竟數據越多越好，避免以後需要用數據找不到埋點的情況)。
4)定義事件名稱
為什麽要標準化事件名稱？我直接舉個例子吧。有壹天，妳想查看用戶的使用路徑。當妳使用用戶路徑分析時，妳會發現有大量的顯示事件穿插著用戶行為事件。這個時候妳煩嗎？
如果事件在嵌入前以規範的方式命名，只需在過濾條件中過濾出事件名稱以display為前綴的事件，就可以輕松過濾出所有與用戶行為無關的事件。
除了以上好處，事件規範的命名還有壹個好處就是方便需求者使用。用戶可以通過事件名稱輕松知道該事件的具體含義，提高了使用效率。事件命名可以由以下部分組成:行為、對象、結果和類型。
行為:事件的具體行為主要有四種類型:
單擊–按鈕或元素被單擊的事件。
進入–進入頁面或功能的事件。
展示–展示頁面或元素的事件。
退出–退出頁面或功能的事件。
事件行為必須填寫，其他行為可以根據實際情況添加。
對象:事件行為對應的具體對象可以是頁面，也可以是函數，必須填寫事件對象。
結果:這個對象的行為的最終結果可以分為三類:
成功–對該對象執行操作的結果是成功。
失敗–對該對象執行操作的結果是失敗。
結果–針對對象的操作的結果是成功還是失敗。此時，具體結果存儲在事件的維度中，必須填寫事件結果。
類型:該參數是壹個擴展參數。例如，顯示事件可以顯示頁面或彈出窗口。這時候在事件後面加上壹個頁面後綴或者彈出後綴，可以在後面使用，方便區分事件的具體類型。事件類型是壹個可選參數，具體取決於具體情況。
以上是事件的命名標準，從中可以做出以下名稱:註冊_指標_成功、入口_充值頁面_成功等。
5)整理指標維度
這時候就有必要引入指標體系構建流程圖中提到的新的4W1H分析方法。為什麽叫新4W1H？因為傳統的4W1H被賦予了新的解釋，而我在實際工作中的經驗可以更合理的加入到新的解釋中。
按照埋點的通常總結，事件維度主要由主題和事件因果幾大維度構成。主體是用戶、設備和應用，因果是這個事件的來源和結果。通過增加因果維度，我們可以很容易地看到壹個事件的來源和目的地。
讓我們用壹張圖來了解壹下新的4W1H分析方法是如何定義維度的:
誰:觸發事件的主體，這是區分用戶的唯壹標誌。如果用戶登錄，將使用用戶ID(需要記錄設備ID)，如果沒有登錄，將使用設備ID。
當:當事件發生時，只需使用UNIX時間戳。
內容:描述觸發此事件的參與者的具體信息。通常有三個參與者，即用戶、應用程序和設備。如果我們使用第三方服務，除了用戶信息，所有的第三方SDK都會自動收集用戶信息，所以這部分參數不是我們工作的重點。
其中:事件的物理位置，可以通過GPS、LBS、IP來判斷，具體取決於用戶的授權。位置信息的第三方SDK也會自動采集。
如何:事件的具體描述是我們工作的重點。沒有經驗，往往會遺漏壹些重要的維度，導致後續分析的失敗。根據個人總結的因果分析法，事件的描述可分為來源描述和結果描述。事件的來源和目的只有兩種:多個行為導致相同的結果，壹個行為導致不同的結果。
比如:進入充值頁面可能來自不同的入口；點擊充值按鈕，充值可能成功也可能失敗。
事件的結果是對事件具體信息的描述。從通過因果分析進入充值頁面到充值成功，我們可以做以下事件(以下事件維度僅列出因果分析的相關維度，其他參數可根據具體業務自由增加)。
通過這個嵌入點，我們可以清楚的知道充值頁面各個入口的分布，也可以知道點擊充值按鈕後充值成功和失敗的分布。
6)明確的報告機會
報告事件的時間由事件的定義決定。有三個主要類別:
呈現:在呈現時，需要明確重復呈現是否重復。比如壹個自動輪播的banner，不需要重復呈現和重復報告，因為這樣的重復報告是沒有意義的，用戶反復滑動導致的重復呈現是可以重復的。
點擊:點擊即舉報，這是最簡單的舉報時間，壹般不會有爭議；
接口:這涉及到和後端的接口交互，比如上面提到的purchase _ gold coin _ result事件，上報時間是充值成功或者失敗的時候，也就是客戶端得到後端返回的具體結果的時候。
7)輸出數據需求文件。
當上述工作完成後，您可以輸出需求文檔，需求文檔主要包含以下信息:
8)輸入索引字典。
內嵌指標上線後，為了方便業務方的使用，每個指標可以根據業務分成不同的主題，方便用戶快速找到需要的指標，具體包括以下信息:
04?數據索引系統的構建方法和經驗
那麽如何才能建立有效的指標體系呢？筆者與大家分享以下經驗:
1，掌握基本思維模式，全面了解業務。
數據分析離不開業務。了解業務是我們構建指標體系的前提。掌握壹些基本的思維模式可以幫助我們快速全面地洞察商業。
1)5W2H型號
經典數據分析思維模式。用五個W開頭的英語單詞和兩個H開頭的英語單詞提問，從答案中尋找解決問題的線索，即為什麽、什麽、誰、何時、何地、如何、多少。
5w2h可以幫助我們培養嚴謹全面的思維模式，讓分析過程更加全面有條理，不會產生混亂和遺漏。當妳認為妳的指標體系很完善的時候，妳可以用這個模型來幫妳找到思維中的漏洞。
2)邏輯樹方法和MECE原理
邏輯樹法可以幫助我們將復雜的業務問題分解成多個簡單的問題，從而幫助我們分解更精細的數據指標。
Mece原則就是“相互獨立，完全窮盡”，我們構建指標體系的壹個重要標準就是不重復，不遺漏。運用Mece原理可以幫助我們把握核心指標，提高指標體系的有效性。
3)商用帆布
Business Canvas是壹個分析企業價值的工具。通過標準化商業模型中的元素，我們可以引導我們的思維，並將商業知識材料存檔。在了解業務的過程中，可以根據下圖完善填寫，多角度全面洞察業務。
除了上述思維模式，了解業務的最佳方式是與業務各方溝通，了解當前業務的關鍵問題。畢竟建立和完善系統的指標體系需要很長的時間。最好從壹些關鍵點入手，先解決問題。
2.指標體系構建的方法論。
業務場景對應的指標體系也有相應的方法論，比如AARRR、基於用戶生命周期的客戶滿意度指標體系等等。我簡單跟大家分享幾個:
1)第壹個關鍵指標
這個概念是我在精益數據分析裏看到的，指的是現階段最重要的第壹個指標，也指出了在創業階段任何時候都要只關註壹個重要指標。這個概念在我們建立數據分析的指標體系時也是有指導意義的。
先抓住公司現階段的“第壹關鍵指標”，然後把這個指標分解到各個部門，形成各個部門的“第壹關鍵指標”，也就是我們所說的OKR或KPI，再根據各個部門的業務，基於這個第壹關鍵指標去思考應該關註哪些明細指標。
2)基於用戶生命周期的指標體系:AARRR。
3)顧客滿意度指標體系:評分者指數模型。
總之，指標體系的構建可以先模仿再優化，重點是解決業務問題。我整理的壹些具體業務場景的指標體系，可以先模仿應用，再根據業務形態進行調整。如果快的話，2個小時就可以建成壹個索引系統。
05數據指標體系的價值點
數據分析應該建立什麽指標體系？有什麽用？可能大部分人說不清楚。在我看來，構建指標體系的價值主要有三點:
1.建立定量衡量業務的標準。
指標體系可以建立定量衡量業務的標準，數據分析的目的是解釋、衡量和預測業務的發展。
比如衡量壹家店的經營，壹家店的月凈利潤是20萬元。光看這個指標，感覺這家店盈利不少，發展應該不錯。
但是如果我們看前兩個月的凈利潤，發現前兩個月的凈利潤是40多萬。加上這個指標，我們發現這家店的經營可能存在問題。
在衡量企業經營的過程中，單壹的數據指標很可能是片面的，我們需要補充其他指標，使我們的判斷更加準確。因此，構建系統的指標體系可以全面衡量業務發展狀況，促進業務有序增長。
2.減少重復性工作，提高分析效率。
有了索引系統，數據分析師可以做更少的臨時性工作。指標體系建立後，應能覆蓋大部分臨時性的數據分析需求。如果指標體系完成了，還有很多臨時的分析需求，證明這個指標體系是有問題的。
3.幫助快速定位問題
建立了系統的指標體系。有了過程和結果指標，有了指標的相關性，妳可以通過回溯和鉆取，快速找到關鍵指標波動的原因。老板讓妳分析原因，妳就不用再愁眉苦臉了。
但這些數值的前提是建立合理有效的指標體系，數據質量才有保證，數據質量得不到保證。指標體系設置得再好，分析結果也是沒有意義的。
參考資料:
7000字解釋數據指標體系如何從設計到落地/S/13 boa 0 loq YY ff 7 knsb _ RRQ。