資料標籤與指標在金融行業的應用

　　 01 何為指標，何為標籤，兩者有何區別？

　　從內容上看：指標通常描述客觀事實，標籤往往存在人為劃分。　　

　　指標通常是描述客觀事實，並透過不同的統計口徑，疊加不同的計算維度與限定詞來展現客觀事實。指標多為數值型，最常見的資料指標為各類宏觀指標。比如 GDP、CPI，都是一個實實在在的數字，無人為判斷。在金融行業中也存在著海量的指標，比如各類經營指標、不良率等，同樣也是實實在在的數值。具有資料口徑的指標通常是抽象的概念，比如將資料計數、求和、比率等，與具體的實體無關。

　　但標籤通常是人為定義的概念，比如客群標籤可以分為長尾客戶、高淨值客戶；產品標籤有高風險和低風險。標籤並不是一個客觀的事實，而是由人為的定義和客觀事實結合得到的資料標籤。標籤通常會定位到具體的實體，其核心的目的是劃分不同的實體群組。比如長尾客戶，一定可以透過一些資料指標圈定出一部分人群，透過資料標籤可以進行更加精細化的使用者運營。

　　從二者之間的關係來說是可以相互轉化的。指標可以從標籤中轉化，比如高淨值客戶的遷移率（從長尾客戶轉化到高淨值客戶的比率），其中高淨值客戶和長尾客戶都是標籤，但在標籤的基礎上增加一個遷徙率，就由標籤轉化為了指標。同樣標籤也可以從指標轉化得來，比如說銀行中常用的資料標籤：私行客戶（AUM>=500萬），其中 AUM 就是資料指標，不同銀行的標籤設定可能是不同的。以上就是資料指標和標籤在內容上的區別。

　　從分類和場景上看，指標和標籤的分類原則不同，使用的場景也不同。　　

　　指標分類

　　一般來說指標常用的分類是相對固定的，會將指標分為原子指標、派生指標和衍生指標三類。原子指標指的是不需要疊加任何緯度的，通常是 SQL 直接統計的一些基礎指標，比如客戶數、交易量等。派生指標指的是由原子指標透過疊加一個或多個維度而得到的二級指標，如客戶數疊加了渠道的維度就變成了派生指標，比如手機銀行客戶數、長尾客群交易量等。除此之外還有一些常見的比率類指標是通衍生得來的。

　　標籤分類

　　標籤可分為事實標籤、規則標籤和模型標籤。同原子指標類似，事實標籤來自於底層的原始資料，事實標籤用於描述實體的客觀事實，例如性別標籤、車主標籤、持卡型別標籤等。規則標籤指的是基於事實的統計結果，結合一些人為判斷而生成的，比如按照年齡的不同區間就可以將使用者劃分為青年、中年和老年客戶。模型標籤則更加抽象、更加主觀，是透過事實標籤和規則標籤抽象而來的群體特徵，比如月光族、白領、消費達人等。

　　指標使用場景

　　指標通常拆解使用。比如一個較大的指標：客戶數，可以拆解到不同維度上，並且加以限定詞，比如手機銀行客戶數、七日內客戶數的增量等，主要是用來監測和評價業務的效果。

　　標籤使用場景

　　標籤通常歸納使用，用來刻畫某一個群體的特徵，可以是客戶也可以是產品，其核心是分類，給予不同類別不同的經營策略。　　

　　具體舉例說明：指標體系通常會首先定義一個或幾個北極星指標，比如招商銀行常年使用 AUM 作為北極星指標，將北極星指標拆解到現金/存款、投資理財或其他業務模組，同時使用者也可以拆解為活躍使用者和非活躍使用者等。以此基礎可以梳理出整體的指標框架，從而指導業務。

　　在標籤的使用場景上更多的偏向一線的營銷場景，包括客戶的經營、精準營銷和資格判斷等。透過不同客戶的標籤將其分成不同的類別，並進行不同的活動、資格或者產品的推送。也可以給產品打標籤，用來標識產品適合哪類人群，在平安銀行口袋 APP 這樣的平臺就做到了千人千面，每個人進去看到的具體內容是不一樣的，這就是透過標籤去篩選圈定的。

　　 02 如何建立指標體系？　　

　　指標體系的建設需要自上而下與自下而上相結合，建立指標體系要基於銀行整體發展戰略為基礎進行拆解。　　

　　比如零售今年提出了要發展高效的運營，如何理解具體包括哪些要素，如何佈局等都可以成為指標梳理的邏輯，並透過價值驅動因素梳理成為一級指標。這是自上而下，隨後會構建一個多維多層的框架以及對應的應用和管理體系。

　　除了自上而下將業務發展戰略價值分解形成指標外，同時也要自下而上進行梳理。因為自上而下的指標雖然符合企業戰略，但並不一定能夠被一線業務人員所理解，一線業務人員更加關注的是一些日常方便使用和理解的，關忽自身 KPI 的指標，所以需要收集業務人員實際使用的指標進行歸類整合，形成一個自下而上的指標體系，並與自上而下梳理的指標相結合，最後形成一個完整的指標體系。　　

　　指標自上而下演繹過程為：首先制定北極星指標，北極星指標不會太多。可能是三到五個核心的戰略目標和價值，根據我們的業務型別場景拆解成許多的關鍵因素，根據不同的關鍵因素和優先順序去實現。　　

　　比如提升客戶的留存活躍的宏觀指標，可以拆解為提升留存、提升產品銷售能力和提升審批效率等等。提升客戶留存，又可以分為增加客戶粘性和忠誠度，或是促進交易量，一步一步細分就可以得到一些具體的經營指標。這樣的好處是底層的指標一定能夠支撐大的目標。　　

　　梳理過程中首先要去做業務訪談從而將指標歸類。按照組織架構可以按部門劃分，分類不能一概而論，因為不同銀行中小微的業務有可能在小微部，有可能在個人部，也有可能在零售部等。

　　資料梳理的過程要做到不重不漏，首先是要互斥的，其次要覆蓋全部業務範圍。每一個場景根據不同的業務型別需要重新拆分形成不同的流程，不同的流程中也要將其拆分成不同的環節，從而得到業務的完整的全景鏈路，確保資料指標都能夠賦予在業務鏈路環節中，若發現資料指標並不能被歸納則說明業務環節梳理有缺失。　　

　　按體系化去梳理的好處是可以進行資料補充，可以看到每個環節有多少、哪個環節資料較少、是否需要補充、是否可以合併等。　　

　　指標的定義也是需要標準和規範的，與底層的資料規範、資料標準是一致的。需要有業務屬性、技術屬性和管理屬性。業務屬效能夠定位指標的唯一識別編號，指標的名稱、指標的含義以及業務口徑等等。技術屬性需明確指標在系統中的欄位名稱、數值型別以及指標的統計口徑等等。管理屬性最重要的是指標的分類及其屬主部門，也就是哪個部門需要對指標負責，當指標出現波動和出入時可以進行核驗。資料視覺化包括標準化的管理報表，以及自助式的資料看板，透過拖拉拽形成動態的資料包表。　　

　　 03 如何建立標籤體系？

　　標籤體系的核心是以整個業務經營為目標，因為標籤需要在實際一線營銷中應用，所以最好從業務的實際目標出發去梳理標籤的需求。同指標體系相同，有固定的形式和屬性，並且需要定義完整的標籤管理機制。同指標類似，例如名稱、含義和口徑等等都需要標準化的定義。

　　和指標的梳理過程一樣，需要清晰的知道標籤屬於業務價值體系中的哪一類，在此基礎上才能夠知道標籤是在哪個環節缺失並完成針對性的補充。　　

　　

　　 04 如何用好標籤與指標？　　

　　如何用好標籤

　　在使用標籤的過程中會遇到一些常見的問題。比如標籤實際匹配出的客戶數目與預期不同，在業務理解下的標籤圈定的實體數量是可估量的，若實際資料與估計值相差過多時，需要核實標籤的計算口徑。比如標籤是否重複加工，需要統計標籤的使用量，便於業務收集哪些標籤是熱門，哪些標籤是好用的，哪些標籤是可以被廢棄的。

　　如何用好指標

　　指標通常是拆解使用的，核心點在於如何將大的指標拆解為子指標，比如消費放款增速這個指標發生異動，可以將其分解成為外部因素和內部因素，並繼續拆分，拆分到原子指標就可以大概得知是放款稽核的原因還是外部的一些經濟政策原因等等。

　　總結：

　　本文首先區分了標籤和指標兩個概念的一些異同；第二部分介紹瞭如何建立指標和標籤體系，指標體系的梳理需要自上而下結合自下而上兩種方式，標籤要根據實際的應用場景出發，建立體系化的標籤；最後介紹瞭如何用好標籤和指標，需要在標籤、指標系統得出使用者的使用次數以及建立貫穿整個生命週期的運營管理體系。