【資料質量】--認知指標的層次
資料質量的第二篇,我們闡述了將資料流拆分為評價流和分析流;而在上一篇詳述了指標命名的規範方式。為了讓讀者們對指標理解得更深刻,本篇將樹立一種認知:指標其實有不同層次,不同層次對應不同的應用方式。
如上圖,最寬泛的角度,我們可以將指標分為“核心指標群”和“業務指標群”兩類,兩類之間會有互相轉換的關係。
核心指標群,可理解為“評價流”中所對應的指標。他們是從戰略出發,為決策服務而形成的對業務關鍵環節的量化。核心指標群一般來源於穩定的業務含義和指標體系。如財務指標、客戶生命週期、庫存管理指標、年度&季度KPI、OKR等等。一般會不斷新增,但極少改變原有某個指標的定義。
在核心指標群中,分為巨集觀評價指標和細分評價指標是何含義呢?細分即是在某些維度的細分,或者指標的拆解。比如,GMV是公司的核心巨集觀指標,那麼構成GMV的客單價和單量,便是一類細分評價指標;比如,購買轉化率是核心指標,那麼來自SEM流量的購買轉化率,便是按流量渠道細分的評價指標。
細分評價指標,要從指標和維度兩方面來應用,往往能對巨集觀評價指標形成“分析”作用,具備較強的下鑽分析,定位問題的能力。
業務指標群,特點是靈活多變,這與核心巨集觀指標長期穩定形成對比。
以業務結果指標來說,既然稱之為“結果”,說明他也帶有一定的評價屬性。但這類指標的存在時間往往比較短,如月度目標或者周度目標;另外,業務結果指標往往對應的是從長期來看的關鍵過程的體現,比如某款產品的開發進度、某專案的完成進度等。
在某些業務鏈條長,管理層級多的公司,也會存在大量的業務結果指標,如對於渠道商的考核指標,對員工或者部門的考核指標等。這些指標往往由核心指標演化而來,但會高頻變化。
業務追蹤指標或者分析過程指標,其實不難理解了,就是具體問題具體應用時,需要作出定義的各種量化方式。只要能達到目的,每個人的定義都可以不同。
做完了兩部分指標的闡述,如何應用這兩部分指標?答案比較清晰,可闡述為兩句話:
決策層,以核心指標群作為分析和判斷的主要依據(即評價流),另外可借鑑業務指標群所透傳的資訊(即分析流);重要的是腦中能區別對待,認清結果和過程,而不是產生混淆。
執行層,應用業務指標群,來達到業務目的,但用核心指標群,來認知結果。不要拿著業務指標甚至是過程指標,來衡量工作成果。
需要補充提醒一點:
根據觀察,發現很多公司或者部門存在巨集觀評價指標按部門或區域直接下拆,成為業務結果指標的情況。舉個例子,銷售額是公司的核心評價指標,而到各大區,各省,各城市,銷售額依然是員工的月度甚至周度考核指標。這種情況未必不對,但是值得警覺的。這樣的KPI下拆方式,說明管理中層沒有按實際情況進行業務分析,而只是機械地上傳下達,有時會使得一線執行動作迷茫甚至畸形。
END
版權宣告:本號內容部分來自網際網路,轉載請註明原文連結和作者,如有侵權或出處有誤請和我們聯絡。
關聯閱讀:
原創系列文章:
資料運營 關聯文章閱讀:
資料分析、資料產品 關聯文章閱讀:
相關文章
- OC指標的本質指標
- 反映資料質量的八個指標指標
- 聊聊C語言和指標的本質C語言指標
- 【C進階】26、指標的本質分析指標
- 資料改變認知——不知怎麼選,用RFM模型看舔狗質量!模型
- 軟體開發質量管理層次模型(二)(轉)模型
- 資料治理--資料質量
- 讀資料質量管理:資料可靠性與資料質量問題解決之道01資料質量
- 詳解c++指標的指標和指標的引用C++指標
- 指向指標的指標指標
- 指標的理解指標
- 指標的用法指標
- 資料質量管理模型模型
- SICP 2.2: 層次性資料和閉包性質(Python實現)Python
- 資料探勘-層次聚類聚類
- 資料治理:資料質量管理策略!
- 資料治理之資料質量管理
- 型別的本質:對變數、型別、指標的理解型別變數指標
- 空指標的救星指標
- 由sizeof()引出的對陣列名和指標的新認識陣列指標
- 一文讀懂遊戲資料分析指標的應用遊戲指標
- 如何理解指向指標的指標?指標
- 資料質量管理方法
- 什麼是資料質量?
- 談談資料質量管理
- 資料治理的資料質量知多少
- 資料質量管理--資料抽取和清洗
- 資料探勘之 層次聚類聚類
- C語言void指標的運算操作[小知識]C語言指標
- 指標問題的一點體會(區別 [指向指標的指標] 與 [指標的指標] .) (轉)指標
- 全面認識資料指標體系指標
- 【C++】函式返回資料指標的多種定義方式C++函式指標
- 字串指標的輸出字串指標
- 空指標的傳說指標
- const指標的引用指標
- 智慧指標的那些事指標
- C/C++指向指標的指標C++指標
- 讀資料質量管理:資料可靠性與資料質量問題解決之道02資料湖倉