什麼是好的資料指標體系

關於如何構建指標體系，已經資料類的賬號發過很多文章，幾乎每個資料從業者都能說出個OSM、UJM模型等，但如果在面試過程中，只是炫名詞，反而會讓面試官覺得過於刻意，而沒有真正理解指標體系的內涵。結合一些資料分析類的資料產品專案經驗，再分享一些個人對指標體系的理解。

一、指標體系的常見問題

在專案落地過程中，會發現企業在做指標體系建設時會存在以下問題。

1.只有指標沒有體系

這句話的意思是說，資料團隊或者業務團隊建設了很多的資料指標，但是對於用資料的人卻迷失在各種各樣的指標中，尤其側重業務而非資料分析的一線業務人員，看到Dashboard滿屏的指標，一臉懵，不知何從下手分析。究其原因，是構建這個指標體系或者看板的人只是做了指標和分析維度的堆疊，缺少對指標的優先順序、指標之間的關聯關係的抽象和沉澱，換言之，並沒有把利用資料分析和定位業務問題的分析流程沉澱到產品中，而只是把業務提的一個個指標需求做了堆砌。人的精力是有限的，過多的指標會導致資訊過載，需要圍繞企業不同發展階段的核心KPI指標，基於業務過程層層拆解，形成一個樹狀的指標結構，使用者每天首先看到的就是核心的123個指標，某一指標有問題之後，才會基於1或者2指標向下拆解。

2.缺少好壞評價標準

當下大家都比較注重健康，畢竟需要為祖國健康工作50年，拿到體檢報告後，如果只是給了你一堆血糖、血脂、尿酸、BMI等指標的數值，你啥也看不懂。而如果標註了某一指標高了或者低了的箭頭，你就知道這一項有問題了，需要找醫生解讀下這個白細胞數指標超標代表啥意思。

同樣，對於資料指標體系要想可以給到業務使用者提供指導建議，必不可少的就是指標好壞的評價標準。只告訴老闆昨天DAU 100W沒有任何意義，還需要他自己判斷100W業務到底正常還是出了問題。因此，資料指標體系必須包含不同指標的好壞的評價標準，一般來說常用的有：

和歷史比

• 同比：(本期-去年同期)/去年同期，適用於發展穩定的業務形態，今年和去年對比看下是否持續增長

• 環比：(本期-上期)/上期，適合分析近期的變化，可以從日環比，衍生出對比本週一對比上週一，本月1號對比上月1號的月環比，可以反應短週期內業務動作是否起到了正向作用，適合監控快速變化的業務場景

• 和歷史峰值比，是否完成自我超越，取得新的里程碑，用於做一些團隊激勵，如銷售管理場景

• 和歷史均值對比(近7天、近30天等)，考慮一些特殊日期、或者活動的影響，以均值作為參考線，拉齊異常點的影響

• 和目標比

• 目標完成度：指標實際值/目標值，一般來說企業經營管理都需要設定自上而下量化管理的KPI指標，年度、季度、月度等，1個億的小目標不是人人都可實現，但是腳踏實地影響獎金的的KPI還是要時刻緊盯的。

和同行比

不患寡而患不均，打績效分獎金的時候怎樣服眾，常用的就是你張三做的沒有李四好，所以李四是A，你是B。所以可以和平級對比，比如部門平均、中位數等，衍生出可以在更大範圍內的對比，比如行業內。

和預警值比

過去指標閾值設定以來業務經營為主，比如業務確定GMV同比波動超過50%算異常，隨著大模型應用的成熟，可以依賴演算法模型，充分考慮季節週期、營銷活動、天災人禍等各種因素，設定更加智慧化的參考標準。

二、什麼是好的指標體系

基於指標體系的常見問題，總結一下到底什麼是好的指標體系。

首先，指標體系要能全面量化業務表現，比如對於管理層，基於北極星指標，可以衍生出覆蓋業績、使用者、成本等各個方面的指標體系，不能報喜不報憂，一葉障目不見泰山;且指標之前需要有清晰的優先順序(層級)以及關聯關係

其次，要有清晰的好壞評價標準，不要只做資料工具人，把SQL取數或者excel郵件產品化，而是要能夠為沒有資料分析經驗的業務使用者提供明確的是非判斷標準，直截了當地告訴他們資料有沒有問題

此外，指標需要能夠指導落地執行地業務動作，比如發現了流量下降異常，可以逐層拆解定位到哪個渠道、哪個產品出了問題，誰負責，該如何改善。