数据产品实战知识系列，由浅入深，会包括主要的数据产品知识体系和市面上主流的数据产品介绍。
我们所有的数据工作，包括处理、查询、分析等，其针对的数据字段，本质上都是数据指标。所以数据指标已经是大家很熟悉的产品了。
指标既包括一些宏观通用的指标，例如PV、UV。也有结合具体业务的特定指标，例如零售行业的动销率、周转天数，或者游戏行业的留存、ARPU等。对企业来说，一套科学严谨的指标体系，是了解和指导公司经营的关键。
01 指标体系为什么要有指标体系？
如果没有一套针对业务的指标体系，那么所有的分析都是只针对具体单点的，无法观察到业务全貌，每次的分析过程也不具备复用性。
而企业经营过程中，其实可以梳理出大量的指标，分散在各个业务流程中，若不对指标定义优先级，建立联系，则每次分析数据、定位问题时都会如大海捞针，存在大量的重复且无效的工作。
建立一套适合具体业务的指标体系，正是为了通过指标间有机的结合，能简洁明了地反映业务经营状况。个人认为指标体系的搭建，主要是2类方式：
1. 纵向构成
即对指标进行自上而下的拆解（也小有可能是自下而上的归纳）。典型例子便是第一关键指标法。了解增长黑客的同学，对北极星指标应该不会陌生，其本质也是要定义出在当前阶段，企业要集中全部精力关注的一个指标。然后对该指标进行逐级拆解，最后形成的公式，这套指标体系，其实也就是该业务的增长模型。
例如某零售商，若以毛利作为第一关键指标，则可以构建如下的指标体系。
纵向指标拆解
2. 横向推进
横向推进用于分析业务流程，关注其中的过程指标。用户转化漏斗、用户行为路径都是常见的横向推进的分析模型，每个步骤下的指标共同构成了一套体系。更宏观且长效的案例，可以参考AARRR模型，也称为海盗指标法，仍然是增长黑客的常用工具。AARRR模型将公司需要关注的指标归结为5个阶段，分别为Acquisition（获取）、Activation（激活）、Retention（留存）、Revenue（营收）和Referral（推荐），不同阶段下可以再定义并拆解出具体的指标。对于该模型，如果以后有机会写增长相关内容的话，再做展开。
通常来说纵向和横向的指标体系是配合使用的，共同构建出公司当前阶段经营情况的全貌。需要注意的是，随着公司的发展，在不同阶段所关注的指标和所需的指标体系也是不同的，需要适时调整。
指标体系的重点，一是指标，二是体系，缺一不可。更多时候我们遇到的情况并不是从0到1搭建指标体系，而是公司可能已经有了一系列的指标，但并没有形成成熟的体系，这是在做数据治理时常碰到的情况。这种情况下，一般会经历4个阶段，我们也可以看看自己的公司目前处在哪个阶段。
阶段1
有指标，无体系。公司有关注的指标，但通常数据粒度较粗，深度较浅，数据有可能散落在各处。比如常见的GMV、订单量等指标，电商公司都会关注，但每次关注都是独立的取数和单一的数据观察的过程。
阶段2
有一定的分类和归集标准，通过合适的维度进行了区分，对于数据的查询处理要方便很多。例如下图对指标按照商品、销售等维度做了分类。
阶段3
指标具备可量化的衡量标准，可以更容易暴露问题，方便分析解读。类似我们去医院体检的报告，会告知各指标的参考区间，标注出异常情况。
图片来源：百度图片
阶段4
形成体系，能梳理清指标间的关联关系，可观察出问题和解决问题的脉络。
02 指标字典当体系架构确定后，就需要维护起对应的指标字典。指标字典是数据标准化的前提，也是构建后续数据分析产品的基础。通过指标字典可以对指标进行统一且唯一的管理。
规范的指标字典会对数据的维度、量纲等进行标准制定，并统一计算口径。指标字典必须具备一义性，即一个指标一经录入，其命名、量纲、所有下钻维度的默认口径等信息都须已确定。
字典中的指标可以分为描述型和计算型，描述型又可分为基础指标和衍生指标。
1. 基础指标
基于单一实体的属性或行为统计得出，没有更上游的指标，即该指标的父指标是其自身。例如订单量、日活跃用户数等都属于基础指标
2. 衍生指标
对单一父指标进行某些维度上的取值限定而定义出的新指标，其统计方式整体和基础指标一致。例如按终端分别统计的PC端订单量和移动端订单量
3. 计算指标
对描述型指标进行计算、排序、累计等操作后定义的指标，例如客单价、ARPU值等。也包括了一些规则不适合公开的复合指标，例如反映商品热度的商品指数，可能由商品访问量、订单量、加购量、评论量等多指标综合计算得出
03 指标字典实例一份指标字典，应该包含以下必填字段。
- 指标名称：命名最好能包含维度、量度等信息
- 指标定义：需要详细说明指标的含义、统计口径和计算方式
- 指标类型：基础指标/衍生指标/计算指标，或业务可能也有自己的分类方式
以及一些可选字段，例如在产品上可能有所属的模块、别名、限制条件、限制维度。其中时间维度由于其常用性，可以考虑单独列出。例如下图是某零售商的指标字典节选。
指标字典示例
数据指标就总结到这里。
参考文献
- 梁旭鹏. 《数据产品经理修炼手册》. 2019.03.
- 桑文锋. 《数据驱动：从方法到实践》. 2018.03.
作者：Rowan；公众号：罗老师别这样
本文由 @Rowan 原创发布于人人都是产品经理，未经许可，禁止转载
题图来自Unsplash，基于CC0协议
,
