数据产品指北（二）— 数据指标

原创罗老师别这样罗老师别这样

“其实只是对自己的学习和经验做个总结，尽量言简意赅。指的不好，还请包涵。”

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。

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。