數據產品系列:解讀數據指標

2 評論 8969 瀏覽 88 收藏 9 分鐘

數據產品實戰知識系列,由淺入深,會包括主要的數據產品知識體系和市面上主流的數據產品介紹。

我們所有的數據工作,包括處理、查詢、分析等,其針對的數據字段,本質上都是數據指標。所以數據指標已經是大家很熟悉的產品了。

指標既包括一些宏觀通用的指標,例如PV、UV。也有結合具體業務的特定指標,例如零售行業的動銷率、周轉天數,或者游戲行業的留存、ARPU等。對企業來說,一套科學嚴謹的指標體系,是了解和指導公司經營的關鍵。

01 指標體系

為什么要有指標體系?

如果沒有一套針對業務的指標體系,那么所有的分析都是只針對具體單點的,無法觀察到業務全貌,每次的分析過程也不具備復用性。

而企業經營過程中,其實可以梳理出大量的指標,分散在各個業務流程中,若不對指標定義優先級,建立聯系,則每次分析數據、定位問題時都會如大海撈針,存在大量的重復且無效的工作。

建立一套適合具體業務的指標體系,正是為了通過指標間有機的結合,能簡潔明了地反映業務經營狀況。個人認為指標體系的搭建,主要是2類方式:

1. 縱向構成

即對指標進行自上而下的拆解(也小有可能是自下而上的歸納)。典型例子便是第一關鍵指標法。了解增長黑客的同學,對北極星指標應該不會陌生,其本質也是要定義出在當前階段,企業要集中全部精力關注的一個指標。然后對該指標進行逐級拆解,最后形成的公式,這套指標體系,其實也就是該業務的增長模型。

例如某零售商,若以毛利作為第一關鍵指標,則可以構建如下的指標體系。

縱向指標拆解

2. 橫向推進

橫向推進用于分析業務流程,關注其中的過程指標。用戶轉化漏斗、用戶行為路徑都是常見的橫向推進的分析模型,每個步驟下的指標共同構成了一套體系。更宏觀且長效的案例,可以參考AARRR模型,也稱為海盜指標法,仍然是增長黑客的常用工具。AARRR模型將公司需要關注的指標歸結為5個階段,分別為Acquisition(獲?。?、Activation(激活)、Retention(留存)、Revenue(營收)和Referral(推薦),不同階段下可以再定義并拆解出具體的指標。對于該模型,如果以后有機會寫增長相關內容的話,再做展開。

通常來說縱向和橫向的指標體系是配合使用的,共同構建出公司當前階段經營情況的全貌。需要注意的是,隨著公司的發展,在不同階段所關注的指標和所需的指標體系也是不同的,需要適時調整。

指標體系的重點,一是指標,二是體系,缺一不可。更多時候我們遇到的情況并不是從0到1搭建指標體系,而是公司可能已經有了一系列的指標,但并沒有形成成熟的體系,這是在做數據治理時常碰到的情況。這種情況下,一般會經歷4個階段,我們也可以看看自己的公司目前處在哪個階段。

階段1

有指標,無體系。公司有關注的指標,但通常數據粒度較粗,深度較淺,數據有可能散落在各處。比如常見的GMV、訂單量等指標,電商公司都會關注,但每次關注都是獨立的取數和單一的數據觀察的過程。

階段2

有一定的分類和歸集標準,通過合適的維度進行了區分,對于數據的查詢處理要方便很多。例如下圖對指標按照商品、銷售等維度做了分類。

階段3

指標具備可量化的衡量標準,可以更容易暴露問題,方便分析解讀。類似我們去醫院體檢的報告,會告知各指標的參考區間,標注出異常情況。

圖片來源:百度圖片

階段4

形成體系,能梳理清指標間的關聯關系,可觀察出問題和解決問題的脈絡。

02 指標字典

當體系架構確定后,就需要維護起對應的指標字典。指標字典是數據標準化的前提,也是構建后續數據分析產品的基礎。通過指標字典可以對指標進行統一且唯一的管理。

規范的指標字典會對數據的維度、量綱等進行標準制定,并統一計算口徑。指標字典必須具備一義性,即一個指標一經錄入,其命名、量綱、所有下鉆維度的默認口徑等信息都須已確定。

字典中的指標可以分為描述型和計算型,描述型又可分為基礎指標和衍生指標。

1. 基礎指標

基于單一實體的屬性或行為統計得出,沒有更上游的指標,即該指標的父指標是其自身。例如訂單量、日活躍用戶數等都屬于基礎指標

2. 衍生指標

對單一父指標進行某些維度上的取值限定而定義出的新指標,其統計方式整體和基礎指標一致。例如按終端分別統計的PC端訂單量和移動端訂單量

3. 計算指標

對描述型指標進行計算、排序、累計等操作后定義的指標,例如客單價、ARPU值等。也包括了一些規則不適合公開的復合指標,例如反映商品熱度的商品指數,可能由商品訪問量、訂單量、加購量、評論量等多指標綜合計算得出

03 指標字典實例

一份指標字典,應該包含以下必填字段。

  1. 指標名稱:命名最好能包含維度、量度等信息
  2. 指標定義:需要詳細說明指標的含義、統計口徑和計算方式
  3. 指標類型:基礎指標/衍生指標/計算指標,或業務可能也有自己的分類方式

以及一些可選字段,例如在產品上可能有所屬的模塊、別名、限制條件、限制維度。其中時間維度由于其常用性,可以考慮單獨列出。例如下圖是某零售商的指標字典節選。

指標字典示例

數據指標就總結到這里。

參考文獻

  • 梁旭鵬. 《數據產品經理修煉手冊》. 2019.03.
  • 桑文鋒. 《數據驅動:從方法到實踐》. 2018.03.

 

作者:Rowan;公眾號:羅老師別這樣

本文由 @Rowan?原創發布于人人都是產品經理,未經許可,禁止轉載

題圖來自Unsplash,基于CC0協議

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 我正準備面試數據產品方面的崗位,看到你這篇文章,讓我能有更好的準備,感謝分享

    回復
  2. 大家期待已久的《數據產品經理實戰訓練營》終于在起點學院(人人都是產品經理旗下教育機構)上線啦!
    本課程非常適合新手數據產品經理,或者想要轉崗的產品經理、數據分析師、研發、產品運營等人群。
    課程會從基礎概念,到核心技能,再通過典型數據分析平臺的實戰,幫助大家構建完整的知識體系,掌握數據產品經理的基本功。
    學完后你會掌握怎么建指標體系、指標字典,如何設計數據埋點、保證數據質量,規劃大數據分析平臺等實際工作技能~
    現在就添加空空老師(微信id:anne012520),咨詢課程詳情并領取福利優惠吧!

    來自廣東 回復