起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識從0開始建立數據指標體系
互聯網人在工作中和數據打交道的場景非常多，然而普通的數據工作與形成體系的數據工作有什么不同呢？怎樣讓數據分析工作形成體系，大大提高數據分析的效率？一起來看看這篇文章，作者從數據指標體系講起，希望能給你的數據分析工作帶來啟發。
最近求職課的很多同學都找到了滿意的工作，進入大廠。為了提升同學們的職場競爭力，陳老師特別推出一個系列文章。從數據分析的基礎方法到具體問題處理，系統講解一下。第一期，當然得從數據指標體系講起。因為幾乎所有數據分析工作都會提“建立數據指標體系”。
同學們現實的困惑是：你說報表我就見過，我天天都在更新?？蛇@玩意怎么就體系了呢？做了體系又怎么樣呢？為啥我不覺得我做的是體系？今天系統解答一下。要講，就從數據指標講起。
一、為啥需要數據指標
以下話是不是經常聽到：
“大概有1萬多人吧”
“有很多顧客都不滿意”
“感覺我們門店都沒人了”
不確定、不具體、不準確。
我們平時過日子都是這么說話的。沒毛病，因為具體的消息是有很大成本的，大部分時候我們就是隨口說說而已。但是企業經營要是都靠這個那就死翹翹了，花多少錢賺多少錢都不清楚，老板非氣得翹辮子。
數據指標就是對抗這種不確定的。
如果我們把上邊的表述改成：
4月1日新注冊用戶9800人，超目標1000人
4月1日當日A產品退貨100件，累計30天退貨率2.5%
4月1日全國到店用戶30萬人，到店率30%，低于32%的期望值
是不是爽快多了。這就是數據指標的直觀用途。
二、為啥需要數據指標體系
實際工作中，想要準確說清楚一件事是挺麻煩的，比如我們想說：“2月份A產品賣得非常棒！”如果對方想較真的話，可以挑一堆刺出來（如下圖）
一個問題，往往有很多方面，只用一個指標不能充分說明問題。這就需要一組有邏輯的數據指標來描述，這就是數據指標體系。
三、數據指標體系五大件
1. 第一要素：主指標（一級指標）
用來評價這個事到底咋樣的最核心的指標。比如說：“產品賣得好”。直觀地想到是“銷售金額”這個指標，因為這是我們賣貨直接收到手里的錢，錢多了當然好。
每個指標得有以下要素：
- 業務含義：在業務上它的意義是……
- 數據來源：哪個系統采集原始數據
- 統計時間：在XX時間內產生的該數據
- 計算公式：如果有比例、比率，得說清楚誰除誰；如果是匯總，得說清楚誰加誰。
注意：有可能需要多個主指標，來做綜合評價。比如產品賣得好，光看金額還不夠，可能還要關注毛利，這才是真正賺到的錢。可能還得看銷售數量，因為銷售數量和庫存直接掛鉤，得防止積壓太多。這樣就至少有了三個主指標：銷售金額、銷售件數、銷售毛利。
2. 第二要素：子指標（二級/三級指標）
主指標可能由幾個子部分構成。比如：
銷售金額=用戶數 * 付費率* 客單價
如果銷售金額沒達標，我們會很好奇：到底是購買的客戶少了，還是賣的人不夠多，還是賣得太便宜了，了解細節有利于我們找到真正的問題，這時候就得拆解子指標。
3. 第三要素：過程指標
主指標往往是最終的結果，比如B2B行業的銷售金額，是銷售線索-售前跟進-需求確認-產品體驗-價格談判-競標-簽約這一系列過程最后的一個結果。光看一個最后結果是無法監督、改進過程的。如果想更進一步管理，就得看得更細一些，從而添加子指標（如下圖）
4. 第四要素：分類維度
有可能一件事是很多人、在很長時間內完成的。想知道總銷售金額是怎么構成的，每個地區、每個團隊分別完成多少，可以增加分類維度。
通過分類維度，把主指標切成若干塊，這樣能避免平均數陷阱，把整體和局部一起看清楚（如下圖）
5. 第五要素：判斷標準
即使有了以上四個點，我們還是不能說：A產品賣得好。因為好是個形容詞，是和差相對的。因此就需要一個對比的參照物。參照物的選擇，本身是個復雜的分析過程，需要做深入的分析。
在構造指標體系的時候，往往這些判斷標準是和當前數據一起呈現的。這樣在看數據的時候，可以直觀地做出判斷，使用起來就很方便了。
四、數據指標體系如何發揮作用
小結一下，構成指標體系五部分是：
- 主指標
- 子指標
- 過程指標
- 分類維度
- 判斷標準
有了這五部分，診斷起問題來非常輕松。
先看主指標+判斷標準，比如主指標是：銷售金額，先看本月是否達標了，沒達標差多少達標。再看年累計達標沒有，有多少虧空/盈余。這樣很容易看清楚：問題是什么，有多大。
再看分類維度。哪些區域沒有做好，是不是一貫做不好；哪些區域做得好，是勉強完成還是持續上漲。這樣誰有能力兜底，誰是拖后腿的一目了然。
再看子指標/過程指標。哪個環節沒做好，是線索太少了，得加大推廣力度；還是跟進成功率低，得提升銷售能力；還是報價總miss，得增加一些折扣。怎么處理問題一目了然。
可以說，做好了數據指標體系，基本上能干60%數據分析師的活。好的數據指標體系，就能讓業務人員看一眼就知道該在哪里干，該往什么方向干，非常好用。
注意：基于指標體系的診斷，只解決戰術問題，不解決戰斗層面的細節問題。
比如這些問題：
- 我沒有思路，該怎么設計方法？
- 我有三種方法，哪種更適合當前問題？
- 我想用方法一，成功幾率有多大？
這些用專題分析的方法更容易解決。畢竟報表報表，只是報告狀況的表，至于未來怎么干，得有更針對性的分析才行。
五、如何構造數據指標體系
1. 第一步：明確工作目標，清晰主指標
這是最重要的第一步，先整明白：我做這一堆指標為的是什么。把主指標樹清楚，后邊判斷標準才知道圍繞誰做，子指標才知道對應哪些流程。只要是在企業上班的部門，都有各自KPI，因此主指標是肯定能找到的。
2. 第二步：清晰判斷標準
這一步也非常重要，涉及到這是“一個有用的報表”還是“一堆花花綠綠的數字”。什么算“好”是一個非常關鍵的問題。
既然已經找到了主指標，就得為它建立配套的判斷標準。這樣才能解讀數據含義，才知道怎么看分類維度。常見的有四類標準（如下圖）。
當然，立標準本身是個很復雜的分析，也可以做得很復雜。但最后，哪些算好，哪些算不好，得區分得很清晰。
3. 第三步：了解業務管理方式，找合適的子指標
有了主指標和主指標的判斷標準以后，可以進一步梳理子指標。子指標和業務管理方式有直接關系。
比如銷售金額，既能以分公司為單位進行指標拆解，也能以用戶為單位進行。具體怎么看，要看業務能怎么管這件事。比如銷售一般按區域管理，那就按分公司拆。市場一般按用戶管，就按用戶拆?？傊瑯I務方便最重要。
4. 第四步：梳理業務流程，設定過程指標
過程指標理論上越多越好，越多過程指標，可以越細地追蹤流程，發現問題。但在業務上，不見得每個動作都做了數據采集，因此要結合具體業務流程來，在關鍵節點加以控制。
5. 第五步：添加分類維度
有很多維度都能當分類維度，選用哪些，完全看業務上能從什么角度管理問題。把對管理有意義的維度加進來。（如下圖）
這樣就搞掂了一個數據指標體系，過程一點不復雜。大部分時候，實際問題是：沒做過數據采集，沒有數據記錄可以做指標。這才是最頭疼的。然而問題是：為啥看起來簡單的過程，做出來卻沒那個體系化的感覺呢？
六、為什么我做的不是指標體系
常見問題一：沒有主指標，不知道在干啥。
這是最常見的問題。很多同學的報表是從離職同事那里交接來的。為什么做？做了給誰看？看了又怎樣？一問三不知。反正每天照貓花虎，定時更新就好了。
有些同學試圖搞清楚，但是業務方自己是糊涂蛋。你問他：你們目標是什么?。克穑禾嵘鼼MV啊~~親，GMV這么宏觀的東西，他到底管哪一塊？提升的話從多少提升到多少？提升到多少算滿意？丫自己做方案也是照貓畫虎，稀里糊涂，更不要說和數據分析師講清楚了。
常見問題二：沒有判斷標準，不知道說了啥。
這個是另一個常見，且致命的問題。很多同學都是盲目更新報表，數據列了一大堆，到底什么算“好”什么算“不好”，不知道?；蛘咧皇翘煺娴卣J為：漲就是好，跌就是不好。結果引出特別多笑話（如下圖）
常見問題三：沒有拆解子指標，對著主指標發呆。
這個問題往往是部門分工問題的后遺癥。
常見問題四：沒有按業務流程構造子指標，單純堆砌數據。
很多同學構建數據指標體系，喜歡堆砌數據。放一堆指標以顯得豐富?？蓪嶋H上如果不按業務流程找子指標，指標之間邏輯性就很差，看起來經常莫名其妙。更不要說，很容易弄出來類似“你幸福嗎”這種稀奇古怪的玩意。
常見問題五：沒有根據業務選分類維度，胡亂拆解。
把用戶性別、年齡、地域、VIP等級、來源渠道、終端型號等等維度一通丟，顯得報表很豐富，實際上業務意義不清楚。
你問他為什么拿男女分類，他答：分出來差異大……至于差異大了還能咋樣，業務上有沒有能力針對性別做事情，又不知道了。
以上種種問題，本質上都是沒有站在對業務有用的角度進行思考。單純地為了搞指標而搞指標。
這和工作習慣有直接關系。很多同學不是試圖自己去理解業務流程，了解業務目標，而是去找一個“權威”“正式”“完美”“通用”版的指標體系。結果就是只會到處抄抄抄，看似做了很多，結果連看數據的人都沒幾個。
想改變，當然得從基礎抓起，不要覺得我有個“數據XX的頭銜”，就得看各種高深的算法理論才算有用。搞理論是科學家的事，在企業上班就得干點實際有用的東西。想助力業務，當然得從一線業務認真研究起。
專欄作家
接地氣的陳老師，微信公眾號：接地氣的陳老師，人人都是產品經理專欄作家。資深咨詢顧問，在互聯網，金融，快消，零售，耐用，美容等15個行業有豐富數據相關經驗。
本文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。
該文觀點僅代表作者本人，人人都是產品經理平臺僅提供信息存儲空間服務。
陳老師真的很棒，看了您很多篇文章，對我的分析方法論總結起到了很大的幫助，灰常感謝！
常見問題提煉的到位，非常有切身感受
感謝提供思路