編輯導語：指標建設對于企業的業務發展十分關鍵，是衡量業務效果的主要依據，本篇文章作者結合自身經驗分享了指標的設計與加工過程，詳細地講述了其基礎概念和設計加工方法，以及設計加工過程中的注意點，一起來學習一下吧，希望對你有幫助。

一、指標建設的必要性

1. 什么是指標

指標是可客觀描述某個事物某個特征的可量化的數字度量，如用戶最近30天購買次數，某商品最近30天銷售額等。

指標常從多個維度來描述，如某地區的新增用戶數、線上線下的新增用戶數，維度讓指標更加具象與豐滿。

2. 建設背景

大數據時代數字化轉型背景下，企業所需要的往往不單單是數據，而是數據背后映射的業務洞察，相比較數據我們更加關心的是其體現的業務價值以及覆蓋的業務場景。

龐大的數據只有和業務相結合轉化為信息，經過處理呈現才能真正體現他們的價值。

指標作為數據計算的結果，是直接反映衡量業務效果的依據，應用在企業的方方面面，如數據報表、分析平臺及日常取數等。

1）數據報表

它最直接的指標結果查看的載體，作為業務部門的人，可能每月或者每周甚至每天都要輸出業務報表，不管是傳統的紙質文檔，線上的excel還是后來的報表工具，最終目的都是一樣，我們希望通過報表實現數據驅動業務精益增長的目的。

2）分析平臺

作為數據計算結果多樣化展示的平臺，不管是可視化大屏、還是其他一些BI系統，都通過數據計算結果的呈現更好地輔助業務了解行業現狀。

3）日常取數

有數據在哪里，便要去哪里拿，取數的過程，往往是基于不同的業務場景，滿足不同的業務需求，對數據進行加工計算獲取，當然在這過程中，數據計算結果往往需要保證較高的準確性和一致性。

3. 建設過程中遇到的問題

數據指標作為數據計算的結果，是企業數據價值的直觀體現，在業務擴張、指標計算需求的暴增背景下，隨之而來的指標管理問題也越來越多：

1. 指標管理不統一：管理機制不統一、分散管理、重復建設、成本高、費時費力；
2. 指標口徑不一致：同名不同義、同義不同名、計算邏輯復雜多變、開發技術門檻高，過程不可視；
3. 指標流程不規范：沒有統一的流程控制，開發和使用人員分離，溝通成本高、周期長，結果可信度不高。

4. 解決方案

要解決以上問題，幫助企業建立指標體系，我們需要從以下三個方面入手：

1）指標平臺

建立統一的指標管理平臺，集中管理數據指標，沉淀指標資產

2）指標體系

有一套標準規范的指標搭建方法論，搭建企業級數據指標體系

3）流程管理

搭載統一的流程控制機制，全面把控數據指標的生命周期

如果是平臺、流程是基礎，那指標內容的搭建便是關鍵。指標體系的搭建作為整個指標管理的核心，為指標管理提供最堅實的基礎支撐。

二、指標建設五步法

總結以下五個步驟，從0到1搭建指標體系：

1. 明確目標

搭建指標體系的第一步就是明確搭建目標，大部分企業由于目標不清晰造成指標管理混亂，通過指標體系的搭建，我們要實現“一個指標、一個口徑、一次加工、多次使用”，做到統一指標口徑，減少重復工作，結果統一輸出。

1）統一關鍵指標

創建公司級統一的關鍵指標，幫助企業通過統一的指標框架來助力業務業務擴張。

2）減少重復工作

為每一個成員提供統一的平臺來協同，了解企業整體數據業務情況，減少數據團隊重復性工作和時間花費

3）結果統一輸出

針對指標結果，提供一套能將指標和上層應用結合起來的輸出方式，發揮數據指標最大的價值

2. 需求分析

明確目標之后，我們開始著手去構建指標體系，在設計指標之前，我們首先要進行需求分析。

同一個企業，不同的業務線、不同的部門，甚至是同一部門的不同人員，提出來的指標計算需求都會有所不同。所以在需求分析的階段，我們要做到基于不同行業的業務情況，分析數據指標需求，合理劃分主題，更好地為后續指標設計提供業務支撐。

1）需求調研

（1）主導人

數據分析師，數倉架構師；

（2）調研方式

列好提綱，面對面訪談；

（3）調研內容

• 指標應用場景調研：指標應用在哪些業務場景中，應用方式有哪些（BI使用、業務人員自行取數、數據門戶展現等）
• 指標來源調研：指標加工的源數據來源于哪些系統，數據是否都采集上來，分為哪些業務域、業務過程。
• 指標現有情況調研：現在有哪些指標，缺少多少，能滿足百分之多少的業務場景。指標建設現在遇到的問題是什么。之前的指標加工是否規范，是否需要調整。
• 指標需求調研：了解客戶需要完成的指標加工范圍。

（4）產出

訪談匯總結果與需求收集表。

2）需求分析

（1）目標

梳理需要加工的指標，指標業務口徑，指標更新頻率；

（2）主導人

數據分析師；

（3）產出

指標需求表；

數據分析師基于業務部門、科技部門的業務場景和需求，挖掘和提煉具體的指標、業務定義、優先級、實現難易程度、大概的實現方式。

并根據指標數量、難易程度、數據依賴關系，劃分初步的階段性計劃，一期完成哪些指標、給哪些業務場景用，二期完成哪些指標，給哪些業務場景用。

3. 指標設計

1）指標拆解

（1）主導人

數據分析師；

根據上述的業務需求分析，按照從上往下的方式對指標進行分級拆解，看需要的指標需要由哪些指標加工出來，各個指標的關系，，明確各指標之間的關系，可層層溯源，一般分為3層：

1. 一級指標：公司戰略層面的指標，全公司認可的衡量公司業務目標的核心指標，如某大業務線產品收入、累計用戶數、新增用戶數、付費用戶數等，面向管理層。
2. 二級指標：業務策略層面的指標，如產品收入拆解到各個產品線，累計用戶數拆解到各個渠道，面向不同業務線。
3. 三級指標：業務執行層面的指標，對二級指標進行路徑拆解，如產品收入需要拆解到付費用戶數、客單價上面。付費用戶數又可以拆解為新增付費用戶數、復購用戶數，根據這些指標可以不斷優化運營或銷售策略，面向業務部門。

2）指標建模

（1）主導人

數倉架構師；

根據對業務需求的理解、數據情況的探查，劃分對應的業務域、業務過程、維度、度量、統計周期等，搭建指標建設的框架。

（2）數據來源

數據指標遵循ODS-DWD-DWS-ADS的數倉設計架構，主要基于DWS輕度匯總表來加工；

數據架構師根據指標需求，看企業數倉設計的完善性，是否需要增加底層的明細表或匯總表，將基礎表梳理加工好之后，開始指標的加工。

（3）指標定義

我們先了解下指標的的組成：

指標= 統計周期+維度+過濾條件+度量

• 維度：描述性數據，指標統計的環境，如地區、個人賬戶、產品名稱、產品類型、銷售渠道；
• 度量：數字性數據，銷售金額、貸款金額、銷售數量、如賬戶余額、國債余額、基金余額；
• 統計周期：計算指標的時間范圍，如近30天、當年、當月、近7天、上月、上周、去年；
• 過濾條件：計算指標的條件限制，如正常狀態、有效狀態、全國范圍內，西湖區的、工作日的。

統計周期、維度、度量是組成的必要條件，過濾條件根據業務場景而定。

（4）維度與度量

在指標加工前，需要先定義數據模型，數據模型中定義“維度”與“度量”，因為這兩個是組成模型的基礎必要條件。

數據模型按照數倉的業務主題來創建，如存款業務、貸款業務，可遵循星型模型或雪花模型，建立事實表與維表的關聯關系，其可以是多張表的關聯關系，也可以是單張表。表確定好之后，選擇“維度”與“度量”，作為后續指標加工的基礎。

我們以一個銀行“存款業務模型”的模型來看，其是圍繞賬戶存款余額明細數據建立的存款業務主題數據模型。

數據模型建好之后，選取維度與度量，作為后續指標加工的基礎。

4.1 維度

選取數據模型中，作為環境描述的字段作為統計的維度。

4.2 度量

選取數據模型中，后續要加計算的數值型字段作為度量。

（5）統計周期

統計周期也是指標必不可少的條件，描述一個指標應該指定其時間周期，比如累計交易次數、最近30天交易次數、最近90天交易次數等。一般系統會內置常用的統計周期，也會支持用戶自定義統計周期，統計周期需要特別注意的便是日期格式了，比如yyyyMMdd，還是yyyy-MM-dd。

根據以上內容，已準備好數據模型，和指標的三要素：維度、度量、統計周期。

3）指標分類

袋鼠云指標管理產品按照指標加工類型，分為原子指標、派生指標、復合指標、SQL指標。

• 原子指標：某一業務行為事件的度量，統計數據來源，如交易筆數、交易金額、交易用戶數、賬戶余額。
• 派生指標：基于原子指標進行維度、統計周期的派生。派生指標=統計周期+派生維度+過濾條件+原子指標，如近7天賬戶消費金額，去年賬戶余額總和、昨天產品銷售金額等。
• 復合指標：多個指標的加減乘除運算，如平均交易額、資產負債率等。
• SQL指標：通過自定義SQL生成的指標，適應復雜的指標配置邏輯，滿足開發人員不同的指標開發場景。

4）指標內容

（1）主導人

數據分析師、數倉架構師；

基于指標需求、指標建模、指標分類確定指標的具體內容，作為指標開發的指導。

• 指標名稱：指標中文名稱；
• 指標編碼：指標英文名稱，也是存表的字段；
• 指標目錄：指標所屬類目的分類；
• 指標分類：屬于原子、派生、復合、SQL指標的哪種；
• 業務口徑：指標的業務口徑，如最近30天付費用戶數指最近30天發生過一筆及以上購買交易的用戶數量之和；
• 技術口徑：由哪個指標、哪些維度加工而來；
• 指標責任人：該指標的負責人，可作為該指標的維護人與告警接收人；
• 更新頻率：日更新、周更新、月更新等；
• 描述信息：對指標的額外描述信息。

5）指標評審

（1）主導人

數據分析師、數倉架構師；

指標模型設計完成、指標內容設計完成后，數據分析師與數倉架構師召開指標評審會議，面向數據開發、業務人員進行評審。

• 說明每個指標的定義、業務口徑、技術口徑、更新周期等
• 說明各個數據指標的類型，以及派生指標由數倉的哪些數據模型加工，其派生維度是什么，統計周期是什么。復合指標的派生維度，由哪些指標加工而成。

評審后進行補充完善，之后進入指標開發階段。

4. 指標開發

1）指標加工

我們來看下各類指標如何加工。

（1）原子指標

原子指標來源于數據模型，是從上述“數據模型”中直接讀到的度量，是數據模型表中的一個字段，如上述的“存款業務模型”中，可以把“存款利率”、“存款匯率”、“賬戶余額”、“固定余額”、“分成比例”等度量作原子指標。

選好度量后，同時需要選取描述該度量的維度，這些維度用于描述度量。如將“賬戶編號”、“機構編號”、“客戶經理編號”、“客戶編號”、“賬戶狀態”等作為維度，則可以表示各個賬戶的存款賬戶余額、各個客戶的存款賬戶余額、各個分行/支行的存款賬戶余額，各個客戶經理管理賬戶的存款賬戶余額等。

所以原子指標是數據模型中維度和度量的組合映射，非一個有真實含義的指標，因為它表示的“客戶”的“賬戶余額”，還沒有加上統計周期與計算邏輯，比如客戶當日賬戶余額、客戶最近一年平均賬戶余額等。但原子指標是后續派生、復合指標加工的基礎，不可缺少。

（2）派生指標

派生指標是基于原子指標進行維度與統計周期的派生，并設置計算邏輯。

如“當日存款賬戶余額”，可基于原子指標“賬戶余額”來進行派生，維度選取“賬戶編號”、“機構編號”、“客戶經理編號”、“客戶編號”，計算邏輯選取“求和”，統計周期選取“當日”，表示各個賬戶的當日存款賬戶余額、各個客戶的當日存款賬戶余額、各個分行/支行的當日存款賬戶余額，各個客戶經理管理賬戶的當日存款賬戶余額等。

派生指標中內置的計算邏輯有：求和、均值、計數、去重計數、最大值、最小值等，也可以自定義函數。

內置的統計周期有：當日、當月、當年、去年、最近7天、最近30天、歷史截止當前，也支持自定義。

（3）復合指標

復合指標是基于原子指標或派生指標進行的加減乘除運算。

如“當日基金賬戶利潤”復合指標，可基于復合指標“當日基金賬戶利潤率”、派生指標“當日基金賬戶余額”加工而來。

在“當日基金賬戶利潤率”>1時，

當日基金賬戶利潤=當日基金賬戶利潤率 * 當日基金賬戶余額

在“當日基金賬戶利潤率”=1時，

當日基金賬戶利潤=（當日基金賬戶利潤率+ 0.05）* 當日基金賬戶余額

復合指標的維度，需為加工公式中用到指標的公共維度，可以計算這些維度的該復合指標。如“當日基金賬戶利潤率”指標的維度有“機構編號”，“當日基金賬戶余額”指標的維度有“賬戶編號”、“客戶編號”、“機構編號”、“客戶經理編號”，則基于這2個指標加工的復合指標“當日基金賬戶利率”只能有其公共維度“機構編號”，可查看各個機構的當日基金賬戶利率。

高級設置：公式中用的來源指標可設置指標數據的過濾條件，加工后的復合指標可取聚合函數，根據實際情況使用即可。

以上便是復合指標的加工。

（4）SQL指標

當存在以上通過內置函數、內置運算符加工不出來的邏輯較為復雜的指標時，可采用自定義SQL指標實現。只要遵循正確的語法結構，便可以靈活加工。

指標加工完后，后續可在指標血緣關系中查看指標間的上下游關系。

2）指標落庫

指標邏輯配置成功后，每個指標可配置其更新周期，調度策略配置完成后，進行指標發布。發布后便按照設定周期周期性加工。同時，也支持手動立即更新。

指標更新后，會將每個指標和其維度存儲在Hive表中，每個指標和其維度存儲一張單獨的表。

3）指標運維

指標上線后，運維同學便需要進行指標的日常運維，觀察指標運行情況，及時處理報錯情況，保證指標的正常加工和線上業務可用。

5. 指標應用

指標常應用在數據門戶、BI數據分析、可視化大屏展示，業務人員數據分析中。那產生的指標怎么與上層應用對接呢？

1）指標API

通過API服務將指標平臺加工好的指標，提供給上層的展示、分析系統。

在創建API時定義需要查詢出去的指標，多個指標的公共維度作為該API的入參。通過API接口，查詢對接的指標結果。

外部系統調用API的url，用API-TOKEN認證便可以進行數據的查詢。

2）自助取數

在自助取數平臺中，可直接查詢指標平臺定義好的維度、指標，業務人員靈活拖拉拽，實現在線取數。并且取數邏輯可沉淀成固定的報表模板，報表可周期性自動生成數據，業務人員屆時拿結果數據即可。

本文由 @木研 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。