麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素；人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。” 

因此很多企业都形成了“无数据不决策”的习惯，无论是运营对活动效果的分析，还是高层对商业走势的判断，没有成熟的分析看板，临时做需求是接不住的。

但在企业实际的业务中，不同部门重点关注的数据也是不一样的，例如市场推广重点关注渠道推广数据，运营部门重点关注业务增长数据；技术部门重点关注产品稳定性，性能数据；产品部门重点关注功能使用数据、用户画像数据；财务部门重点关注交易数据….

因此对企业来说，我们更需要系统化的看待数据，而数据看板的核心就是数据指标体系。今天小亿就来为大家说说什么是数据指标体系？为什么企业需要数据指标体系，以及如何搭建数据指标体系？

一、什么是数据指标体系？ 

1.数据指标

根据百度百科的定义，预期中打算达到的指数、规格、标准，一般用数据表示就是指标。

而数据指标有别于传统意义上的统计指标，它是通过对数据进行分析得到的一个汇总结果，是将业务单元精分和量化后的度量值，使得业务目标可描述、可度量、可拆解。但只有对业务有参考价值的可统计的数据才能叫做指标，因为它反映了用户做了哪些行为，给业务带来了怎样的结果指标。 

2.数据指标的分类

（1）结果型指标

用于衡量用户发生某个动作后所产生的结果，通常是延后知道的，很难进行干预。结果型指标更多的是监控数据异常，或者是监控某个场景下用户需求是否被满足。

（2）过程型指标

用户在做某个动作时候所产生的指标，可以通过某些运营策略来影响这个过程指标，从而影响最终的结果，过程型指标更加关注用户的需求为什么被满足或没被满足。

2.数据指标体系

数据指标体系是通过技术手段，从不同的“维度”梳理业务过程，将零散的、有关联性的指标，系统化的组织起来，通过数据看板或接口形式，提供给运营、算法等不同的业务方使用。

一个好的数据指标体系能帮助使用者准确快速的下结论，比如定义业务运作的好坏、能满足多场景的归因，即使出现异动，也能快速定位原因，最终提高发现问题、分析问题、解决问题的效率。

二、数据指标体系的价值 

数据指标体系的建设是企业实现自身“数据驱动”发展的重要途径，其价值主要体现在以下四个方面：

1.全面支持决策

数据指标极具参考价值，公司的管理层为了更准确进行战略决策，需要搭建完备的数据指标体系，一个相对全面的数据指标体系，可以让管理者对公司的发展从数据层面有一个比较客观的认知，这样在进行战略决策时，可以保持相对理性。 

对于新业务的洞察，也可以不断融入新的数据指标，丰富指标体系，灵活且全面地把握业务发展趋势，为未来的决策提供借鉴。

2.指导业务运营

数据指标体系可以反映业务客观事实，看清业务发展现状，通过指标对业务质量进行衡量，把控业务发展情况，针对发现的业务问题聚焦解决，促进业务有序增长。除此以外，还可以建立业务指标因果关系，主要明确结果型指标和过程型指标关系，通过结果字表回溯过程指标，找到解决问题的核心原因。

3.驱动用户增长

数据指标体系中的用户行为数据，可以让产品及运营人员对用户的行为路径和喜好模式有一个比较深入的理解。剖析用户的行为特征，助力用户价值的提升，让产品及运营更聚焦于产品细节的优化，更好地进行监测，提升用户留存及转化。

除此以外，在分析和挖掘用户行为的过程中，也许会发现不少新的用户增长点。体系化的指标结合了用户的场景，且多个不同的指标和维度可以串联起来进行全局分析，解决了非体系化指标无法串联的痛点。公司在深入进行数据分析后，可能会在原有业务中发现某个点潜藏着巨大商业价值，从而单独把这块业务重点推进，实现用户增长的二次腾飞。

4.统一统计口径

从技术角度来看，数据中台是为了汇总与融合企业内的全部数据，甚至外部数据，打破数据隔阂，解决数据标准与口径不一致的问题。数据指标体系化有个好处是可以实现指标统一管理，实现统一的统计口径，避免定义模糊和逻辑混乱，影响数据质量。同时，完备的数据指标体系也可减少重复统计的问题，从而避免日志上报产生的数据冗余和重复分析产生的服务器资源浪费。

三、如何搭建数据指标体系？

1.明确公司各业务线指标

常用的方法是指标分级方法，指标分级主要是指标内容纵向的思考，根据企业战略目标、组织及业务过程进行自上而下的指标分级，对指标进行层层剖析，主要分为三级T1、T2、T3。

（1）T1：公司战略层面指标

用于衡量公司整体目标达成情况的指标，主要是决策类指标，T1指标使用通常服务于公司战略决策层

（2）T2：业务策略层面指标

为达成T1指标的目标，公司会对目标拆解到业务线或事业群，并有针对性做出一系列运营策略，T2指标通常反映的是策略结果属于支持性指标同时也是业务线或事业群的核心指标。T2指标是T1指标的纵向的路径拆解，便于T1指标的问题定位，T2指标使用通常服务业务线或事业群

（3）T3：业务执行层面指标

T3指标是对T2指标的拆解，用于定位T2指标的问题。T3指标通常也是业务过程中最多的指标。根据各职能部门目标的不同，其关注的指标也各有差异。T3指标的使用通常可以指导一线运营或分析人员开展工作，内容偏过程性指标，可以快速引导一线人员做出相应的动作。

2.明确分析模型方案

（1）OSM模型

此模型是指标体系建设过程中辅助确定核心的重要方法，包含业务目标、业务策略、业务度量，是指标内容横向的思考。

O：用户使用产品的目标是什么？产品满足了用户的什么需求？主要从用户视角和业务视角确定目标，原则是切实可行、易理解、可干预、正向有益

S：为了达成上述目标我采取的策略是什么？

M：这些策略随之带来的数据指标变化有哪些？

（2）AARRR模型

AARRR海盗模型是用户分析的经典模型，它反映了增长是系统性地贯穿于用户生命周期各个阶段的：用户拉新(Acquisition)、用户激活(Activation)、用户留存(Retention)、商业变现(Revenue)、用户推荐(Referral)。

A拉新：通过各种推广渠道，以各种方式获取目标用户，并对各种营销渠道的效果评估，不断优化投入策略，降低获客成本。涉及关键指标例如新增注册用户数、激活率、注册转化率、新客留存率、下载量、安装量等；

A活跃：活跃用户指真正开始使用了产品提供的价值，我们需要掌握用户的行为数据，监控产品健康程度。这个模块主要反映用户进入产品的行为表现，是产品体验的核心所在。涉及关键指标例如DAU/MAU 、日均使用时长、启动APP时长、启动APP次数等；

R留存：衡量用户粘性和质量的指标。涉及关键指标例如留存率、流失率等；

R变现：主要用来衡量产品商业价值。涉及关键指标例如生命周期价值(LTV)、客单价、GMV等；

R推荐：衡量用户自传播程度和口碑情况。涉及关键指标例如邀请率、裂变系数等。

3.明确指标对应的埋点和存储逻辑

当确定好分析模型以后，就可以去收集相应的业务指标需求，共同沟通每个指标的合理性，能否反应业务实际的问题，确定每个指标的具体含义，完善指标体系框架，确定统计的维度和粒度。

之后就可以开始着手整理底层数据的存储逻辑，明确每个字段要从哪里获取，每张表应该涵盖哪些指标哪些字段维度。这个过程可能会出现很多问题，例如

（1）想做的的指标没有埋点所以无法获取；

（2）有埋点但是数据未传；

（3）数据缺失、错误严重。

我们需要整理出这些存在的问题并将问题归类，找到相应数据仓库、埋点研发负责的部门寻求配合，沟通存在的问题并商定问题的解决方案，明确协作的过程及责任划分，确认排期。这个过程中，建议每周将指标体系搭建项目做一次进度汇报，让相关部门及上级了解目前具体的项目进展，促进部门之间的配合，有利于项目正常进行。

4.梳理指标的准确性，取数校验

当底层数据准备好以后，就可以按照整理的逻辑，指标计算方式，正常进行指标计算，报表开发了。过程中切记数据准确性的校验，确保所有自己出口的数据都是相对准确的，标明数据口径，如有数据不完备的情况需标明原因及后续预计解决计划。

5.数据指标体系平台建设和迭代 

数据指标底层报表建好后，只是一些数值而已。让这些数据真正的被人用起来，才能发挥它的价值。这时候可以用公司的数据产品或者第三方数据产品来将这些指标进行数据可视化展示，以便于业务概览及异常数据监控，还可以根据一些业务实际问题，进行一些分析报告的产出。 

除此以外，随着业务的发展，不同时期产品的衡量指标会变化，我们关注的重点指标可能改变，会有一些新指标的增加及旧指标的淘汰，我们需要将指标体系持续的更新优化以满足业务的需要。

6.宣贯、存档、落地

（1）宣贯：就是在完成整个指标体系搭建后，要当面告知所有相关业务人员，最好开会并邮件。一方面为下一步工作做铺垫，另一方面是为了让所有相关人员知晓已完成； 

（2）存档：对指标口径也业务逻辑进行详细的描述存档，如xxx功能如渗透率=该功能的日点击人数/日活。只有完成这一步，之后的人在查阅时才能看懂是什么意思；

（3）落地：就是建立核心指标的相关报表，实际工作中，报表会在埋点前建好的，这样的话一旦版本上线就能立刻看到数据，而且也比较容易发现问题。

整个指标体系的搭建更多工作是由数据分析师来完成的，产品经理需要配合分析师选择并确认指标，这也是在建立之初最重要的一点。

四、注意事项

1.数据指标体系并没有一个“放之四海而皆准”的模板，就像管理体系没有具体的拆解图一样，不同的业务，对于指标需求是不同的，而这其中的差异，就像管理一样，需要日积月累的深刻洞察，才能做出匹配业务需要的体系； 

2.指标体系建立本质上是考验相关业务人员和分析师的逻辑性，不同业务阶段的指标体系不一样，并且在选择核心指标时一定要正确。在做核心指标的拆解时，通用模式就是先公式拆解，在按业务模块、路径来划分； 

3.当产品和业务快速更新迭代，数据口径也是需要更新换代的。这个都是指标口径定义和逻辑梳理的过程需要注意的，指标口径的维护，是需要一定的流程机制来保证的，毕竟数据的变化，除了业务动作，产研的变化也会产生影响；

4.数据提取逻辑是最简单的一环，非常容易达成一致。而难的是业务变化，业务场景不同会导致指标定义不同，所以数对的不是代码，是业务逻辑。

五、小结

数据指标体系的搭建是数据化运营的基础，基于对业务逻辑和商业模式的理解，通过层次化、结构化的指标定义和维度划分将复杂繁琐的业务数据清晰系统地展示出来，供企业人员在日常工作中借鉴和使用。 

对于业务人员来说，了解数据指标体系设计背后的逻辑和本质，对了解新业务、日常运营以及后续的业务分析都会起到事半功倍的作用。这里亿信华辰指标管理平台可以帮助你。不仅能快速高效整合管理指标，还有一套通用成熟的指标体系建设流程，帮助企业建立并不断完善企业的指标体系。 

亿信华辰指标管理平台内置BI工具，可面向业务人员进行猜想式、探索式的指标挖掘分析，具有快速定义、高交互，操作简单的特点。其内置丰富的统计图表和强大的组件库，以满足各类指标分析挖掘需求。