編輯導語：提到挖掘業務分析指標，你會想到什么？很多人可能會直接的去羅列業務指標，這個方法雖然簡單粗暴，但是缺乏技巧性。這今天這篇文章中，本文作者為我們分享了一種新的模型建立方法，即從業務模型挖掘業務指標。

最近在處理敏捷開發產品模型的指標分析，其實這里最頭疼的一點就是——挖掘相應的業務分析指標。

通常在分析業務指標時，常用枚舉法直接羅列，跟業務貼合也比較直觀，但這種做法容易遺漏，所以自己一直在思考一種新的模型建立方法，以下拙見。

一、業務模型

業務模型指的是針對某個業務場景而定義的，用于解決場景化問題的一些模型的應用。

一個『組織』經過『流程』，處理相關『事』『物』，這三類最終形成這個業務場景，所以一個業務模型里通常包含四類：人、事、財、物。

• 人：主要是指這個業務模型里所涉及的各類業務的相關組織以及角色；
• 事：該模型所涉及的業務對象；
• 財：這些業務有無涉及成本和收益兩項，其中投入的人力也算成本；
• 物：投入的資源和產物。

可以根據這種方式將業務梳理為相應的腦圖：

二、業務指標

所謂的業務指標，是指此業務的數據記錄，經過統計設計與分析后被用作的了解業務的相關數據指標。

想要建立數據指標，就要先了解下數據分析里的一些基本概念，這里就贅述一下。

1. 統計對象

在統計學中，統計研究對象是指統計所要認識的客體。

而這里的統計對象就是指某個業務或某個分析的目標導向，例如：公司統計每位員工的加班時長，員工可說是統計對象，『員工的加班時長』也算是具體的統計對象。

2. 維度

維度是事物或現象的某種特征，如性別、地區、時間等都是維度。每個業務數據都相當于一個點，該業務的某個屬性都相當于一條線。

例如：一個評論業務的數據構成——“用戶”A在“時間”B創建的“內容”為C的評論，用戶、創建時間、內容這三個屬性就是評論數據的三條線，而這三個屬性也就形成了這個業務的三個維度。

3. 序列

序列是呈現在圖表上的特殊內容，一堆統計數據集合中的某一類分組，也可以理解為某一維度下的細分維度。

如下圖：圖中有兩個維度，分別是：產品類型、地區類別，而圖例中的蘋果汁、牛奶這些細分的產品類型就是序列。

4. 指標

指標是用于衡量事物發展程度的單位或方法，也稱為度量，指標大致分為兩類：

1. 絕對指標
2. 相對指標

指標陷阱

統計相對指標時，最好要體現絕對數，否則可能掉進相對數陷阱。例如：看相對指標發現礦泉水漲價50%，而實際是1元的礦泉水漲了5毛。

而在橫向對比絕對數時，也同樣注意絕對數陷阱。

例如：小明掙了1萬，小王掙了2萬，單看錢的絕對數以為小王掙錢能力強。但可能實際是小明是用1w本錢掙的，小王是10w本錢，所以應該是小明掙錢能力相對較高。

5. 統計口徑與范圍

一般來說，統計口徑分為財務口徑和業務口徑，不同的口徑計算指標和范圍也不同。統計口徑，通常為時間、地區、人員等。

6. 簡單示例

還是以上文中的評論業務的數據為例：

如下圖，在以【屬性B】為維度，數量為指標統計數量時，統計到的信息就是 b1為0，b2為2；而如果反過來【屬性A】為維度，數量為指標再次統計時，得到的是 a1為1，a2為1，a3為0。

當然也可以將【屬性A】和【屬性B】都體現出來，例如以【屬性B】為維度，【屬性A】為其中一個序列統計數量，數據的呈現方式就會如下所示：

一個業務的若干數據匯集起來就如同一個多維的立方體：

三、分析方法-梳理出可能指標

了解了業務模型的劃分和數據分析相關概念，就要動手理清該業務里有哪些業務指標了。

1. 模型到指標

常見分析方法：MECE、PEST、5W2H、時間管理、生命周期、邏輯樹、金字塔、SMART等。相關模型：OSM模型、AARRR、漏斗模型、杜邦分析、歸因、SWOT等。

在實際數據分析的過程中，可以參考一些模型理論，不過這些理論都是在高空中的指導思想，想要將其和實際工作結合，要搭建自己的”通天梯”。

當沒有業務模型時，我們應該按照業務梳理出對應的業務模型。有了業務模型時，接下來的工作就是要盡可能全和細地組織出相關指標，可以參考以下兩個步驟：

2. 表格組合

為了不遺漏相關業務指標，可以結合業務模型，將任意兩個角度進行組合（使用乘法方式），得出相應的絕對數指標，然后再剔除。

例如：根據上文業務模型，先以人為維度

3. 按業務過程拆解

有了上面的表格組合，已經把部分指標盡可能羅列出來了。

但是還是有些指標是維度組合不到的，這個時候就需要再查看一遍業務的流程圖，注意業務環節，分析業務目標（一般來說做某個業務都是為了達到某個目標）。

分析和拆解業務過程的時候，就是發現業務各個細小目標的過程，也是發現相對指標的過程。想一想用戶保存這條業務數據是為了記錄用戶的工作時長，還是為了整理相關客戶的某些屬性資料。

例如：做一個任務，目的是為了讓任務成員在指定時間范圍內（可能是某個截止日前）完成相應工作，結合業務情況就可以考慮【任務完成率】【不同狀態（完成、未完成、超期完成等）任務數】等指標。

如果對魚骨圖使用比較清晰的話，你也可以使用魚骨圖將其羅列出來。

并結合下文，指標挑選使用情況來梳理相關可能遺漏的指標。

四、挑選有用指標

數據分析是質量管理體系的基礎，篩選出有意義的指標能幫助我們更好地管控好業務質量。

所謂指標有意義，對人、對事所涉及的影響不同。

某項指標可能對于高層管理者來說意義不大，但是對于具體工作人來說卻可以指明工作量，所以在挑選指標時就要考慮其意義，不同角色通過這個指標能發現什么，能帶來什么效益。

在挑選指標時可以結合兩種情況考慮：

1. 按使用對象

指標羅列出來，就是為了讓人去觀察和使用的，而使用對象可大致分為兩類：

1. 管理者
2. 執行者

管理者就是業務的掌管角色，從管理時間上又可以拆分為：事中管理和事后管理（由于是通過數據分析管理，所以暫時去除了事前管理），管理最主要的任務就是從整體上協調資源。

而執行者則通過個人事務的管控來實現“個人把控質量”，所以執行者的一些絕對指標可以作為相應的KPI。

2. 從業務戰略出發

所謂從業務戰略出發，也就是從業務根本需求考慮。而在考慮這方面時可以從兩方面考量：

1）管過去

無論是管理者還是執行者，管過去都是為了復盤：

• 發生了什么
• 為什么發生

2）看未來

所謂的看未來，就是相通過歷史根據變化趨勢來研判。

• 將來會變成怎么樣
• 應對措施

通過這方面的考慮，可能就會發現有部分指標在組合時被遺漏掉了，我們就可以補上。

五、數據呈現方式

最后，講到數據的呈現方式，有了指標自然需要呈現出來，總體上呈現方式尊重兩個原則：

1. 以變化看趨勢
2. 以同口徑看對比

以變化看趨勢：常用的是時間的變化，通過時間的演變觀察歷史的變化規律，同時推演未來可能發生的情況。

以同口徑看對比：若是統計對象自身比較，分為 同比和環比。若是不同統計對象之間比較則是對比。正所謂“沒有對比就沒有傷害”。

至于具體的表現形式，可以參照下面這類廣為流轉的圖：

參考：

數據分析師重要技能
數據分析必須想清楚的兩個概念：指標和維度

本文由 @29號同學 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