数据指标体系建设的7个思考点

      为了对现状进行监测和预警，我们常常会建立起一套数据指标体系，同时搭建和完善体系也应该是数据分析师的一项基本功，结合实际工作中经验，总结了这个搭建过程的7个思考点：

1. 目标

      目标，不仅要求我们梳理好业务流程（例如常见的转化率漏斗、AARRR模块），也要求我们明确好目标受众对象，建立面向管理层的核心指标，面向业务部门的二级指标，面向个人KPI的三级指标，尽可能与KPI挂钩

2. 数据维度

      数据维度，是数据分析的一些思考角度，常见的有：渠道来源、地域等，不同业务也会有不同的角度，一般业务部门对这块会更加熟悉一些，所以要多向业务同学取取经

3. 数据指标

      数据指标，将业务问题量化为数字的变量。常见的有：数量、占比、比率等，一个好的指标通常是一个比率，因为这个比率通常可以连接分子、分母，而不是割裂来看

4. 时间维度

      时间维度，指标体系不同时间段的数据现状，常见的时间周期：日/周/月/年，或者累计到当前。当然也没必要一一俱全，例如比较低频的业务行为，可能按月周期即可满足需求

5. 标准 & 预警

      标准的建立是为了让数据更有立体感，更容易识别出数据的波动，提前做好预警。例如每日的指标，可以与过去30天的中位数做对比；周、月可以加入周环比、月环比，甚至可以加入目标作为标准

6. 数据字典

      数据字典也是数据指标体系的一部分，可包括内容：指标名称、类型、统计周期、业务逻辑、数据源、数据逻辑等内容

7. 反馈闭环

      数据指标体系的搭建不是一蹴而就的，需要结合业务部门的实际需求不断完善。例如之前加入截至当前的平均日活，虽然建议业务部门使用月活，但业务部门就是以月平均日活作为考核目标

      在实际工作中，还是需要多提炼出共性的需求，与业务部门一起建立一套可以及时反映数据现状，洞察数据变化的指标体系，尽可能的减少人为的跑数。当然数据指标体系也不可能十全十美，当需要深入分析时，还是需要结合多个维度具体分析。

      如需转载，请联系授权，谢谢合作。