数据治理平台

指标体系建模

指标

指标，实际上就是一种度量。大到用于监控和评估商业进程的状态，小到衡量某个功能模块的情况，或者是自己的活动效果。指标体系的构建，是为了让业务目标可度量、可描述、可拆解，所以我们的指标是基于业务目标抽取和评估的数据维度，这些数据为度可以用来帮助达到业务目标。从而进行业务情况的监控、找到当前业务问题、评估业务可改进的地方，找出下一步工作的方向。

指标体系

指标体系是产品前进的方向，极大程度影响着产品的未来。

指标体系的建设种常出现的问题包括：

  • 过程性数据忽略、前期数据不全后期反复

  • 监控分析数据时缺少治理

  • 指标没有重点、没有思路，构建完成后也只是一组数据，各有用处，合起来却起不到作用

  • 与部门目标规划缺少对齐

  • 指标空洞，粗看有模型又有分类，细看流程中却没有几个具体的指标，无法落地

  • 指标缺乏数据，导致业务上线了又开始添加指标、增加维度，最后报表变得臃肿，数据参差不齐，影响工作推进

一个好的数据指标体系可以助力业务快速的解构业务、理解业务、发现业务问题，快速定位原因，并且找到最合适的解决方案。因此学习搭建一个好的数据指标体系是数据助力业务决策的灵魂。

指标体系建设模型

1. OSM 模型

Object——业务目标，产品的功能目的或需要满足的需求；

Strategy——业务策略，为了实现目标所采取的方法；

Measure——业务度量，衡量策略对目标的实现程度。简单来说，就是以目标为导向，基于采取的策略形成具体的衡量指标。

在实际应用中，目标的选择一般要满足DUMB原则，即Doable可行性，Understandable易于理解，Manageable可管理，Beneficial有益的。

业务策略必须能够支撑目标，满足需求；业务度量反应的是目标的达成情况，相当于KPI，所以应该具备确保有效性和代表性。以外卖平台搜索下单模块为例：

OSM

在业务目标上，用户想要通过搜索更高效地找到自己想要的外卖；平台想要提高客户搜索下单转化；基于以上业务目标；可以提出三个策略：一是搜索匹配度提升；二是感兴趣排序在前；三结果不满足时有效推荐；那么基于以上策略，可以定出以下业务衡量指标：一是搜索到详情页的转化率；二是详情页到下单的转化率。

2. UJM 模型

UJM，即User-Journey-Map，用户旅程地图模型。

简单来说，就是通过拆分用户使用产品的阶段性行为，从中挖掘用户的需求，从而在每个阶段确定能够提升的指标。

以用户在外卖平台选外卖为例：如图可知，用户在外卖下单流程中，一般包括：搜索-浏览有兴趣的商品-付费-复购；在每个环节中，我们可以基于用户在产品的接触点，挖掘用户在每个环节产生的痛点，从而识别出产品提升的方向。

ujm

在以上两个模型的讲解中，我们可以发现OSM和UJM是两个可以相互验证的模型。OSM能够促使我们去思考产品的重要目标，UJM能够然我们去站在用户角度思考产品UJM所挖掘的痛点和机会点，也可以反哺OSM中的目标和策略。所以将两个模型结合，就可以帮助我们以更加全面的角度去思考，进一步帮助我们更加系统的构建指标体系。

指标体系分级

指标体系本身具备分级的概念，一个目标会被不断拆解，变成多级，指标分级可以帮助我们更高效地去定位问题，不需要发现问题时再临时拆解。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。

T1指标：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

T2指标：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

T3指标：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。

以下以一电商平台指标体系为例：

指标体系分级

如图GMV被逐级拆解，变成更细粒度的指标，如果发现一级指标GMV有增长，可以迅速看一下哪个二级指标有所波动，再继续定位到三级指标；如此，我们就可以迅速定位到业务问题，便于做出反应。

指标体系评价

指标体系评价

从技术层面来看，一个好的指标，统一具备四个特点：容易收集快速衡量；准确度高；可被多维度分解；单一数据源。就像我们经常使用的衡量APP产品启动人数，使用UUID或者是COOKIE往往比使用IP更加准确。

但很多时候，因为技术或者是业务自身的原因，我们往往很难找到很完美的指标。那么这个时候我们最重要的就是统一口径进行分析，更多地观察数据的波动情况。

我们可以从下面几个方面去评价指标体系的好坏，其实主要还是分为两大类，一是真实贴合业务，可以反映业务；二是可以快速定位问题，提供解决方案。

系统性

能够发现局部与整体的关系及问题定位，当数据发生异动时，通过指标体系的逻辑拆解，能迅速定位到大致的异动模块及原因

全面性

能满足不同数据使用方的日常需求，对产品经营及发展情况有整体了解；

认知统一

指标体系服务于不同角色群体，简单科学可解释，符合大众认知，大家都共同认可。

真实性

指标体系要能反映产品真实情况，杜绝华而不实的虚荣指标；

据指标是为了让公司，业务，或者项目的成员围绕着一个可量化的目标展开一系列的工作的。如果数据指标没有贴合业务核心目标的话，那么给公司，业务或者项目带来的会是巨大的损失。

可迭代

指标体系随不同生命周期阶段而改变，指标体系要在发展中保持迭代

可操作

如果能从时间纵向对比、或者从其他维度比如用户群体、产品、地域等不同角度进行横向比较，可以更好地观察业务的发展趋势，定位问题，找到原因，以及改善业务中需要改善的环节。