数说（之三）· 数据指标体系建立和应用步骤探讨
There are a thousand Hamlets in a thousand people's eyes. ——（英）莎士比亚 |
一数据分析常遇到挑战
问题出在哪里？
当一个决策分析类项目（如商务智能、数据仓库、大数据分析等）开始筹划的时候，往往面临着如何选择分析场景的问题。有一些业务人员非常有想法，目标明确，直接请实施厂商来做就行；然而还有些业务人员对分析系统能做什么、如何做没有太多经验，于是他们也找来了实施厂商，但结果却是……
客户尽管知道大数据分析对于经营管理的意义所在，但事实上国内绝大多数企业的大数据能力成熟度仍停留在使用统计报表的层面。他们寄期望于实施厂商，希望他们能帮助自己提升业务分析能力。
然而，决策分析类系统不同于业务系统的特点之一就是其不确定性，正如莎翁所说的“一千个人眼中有一千个哈姆雷特”：同样一个分析场景，有的人习惯看表格、有的喜欢看图表；有的喜欢用同比环比，有的喜欢做预警分析。总之，一千个客户心中期望得到的分析报表就有一千张。
如何知道该分析什么？
既然每个人的想法不同，那么实施项目的时候是不是要把所有用户全部访谈一遍，针对每个用户做专门的分析报表吗？当然不是。一是没有必要；二是时间和经费上也不允许。
那么有什么好的办法解决这一问题呢？
先来看一段数据分析的需求——
甲：我想了解这个月那种产品卖的数量最多？ 乙：我想了解这个月那个客户买的数量最多？ 丙：我想了解这个月的收入、成本和利润分别是多少？ 丁：我想了解这个月的收入和利润比去年同期多多少？成本比去年同期降低了多少？ |
我们很容易发现，甲和乙、丙和丁虽然关心的问题不同，但是他们的分析对象基本是一致的：甲和乙需要分析数量、丙和丁需要分析金额。所以，当我们在梳理用户分析需求，重点应该放在分析对象上，而不是展现形式上。
这里所谓的分析对象，就是决策分析类系统中常常提到的指标。我们接下来的主题就是探讨如何在需求调研过程中获取指标，以及如何管理指标，为后续进行详细的分析场景设计规划提供依据。
指标怎么找？
数据指标一般来说比较分散，例如信息系统里面有指标、电子表格里有指标、总结报告还有指标……那么如何将企业内的指标一网打尽呢？
二指标体系建立和应用步骤
经过多年实践经验，总结的指标体系建立和应用步骤包括“找指标”、“理指标”、“管指标”、“用指标”四个阶段。
指标的工作主要采用“自上而下”和“自下而上”相结合的梳理方式。其中指标分类应从业务管理需求出发，自上而下逐层展开；而具体指标以业务系统为导向，则自下而上逐层筛选。
图1 数据指标梳理方法
下面是一个梳理过程的示例——
“自上而下”：从业务域我们一般可以分为财务、人力资源、销售等等，然后在进行二级业务域划分，如销售可以分为市场营销、客户管理、订单管理等等（是否需要三级分类视业务复杂程度决定），这样我们就得到了一个指标分类的初步框架。
“自下而上”：我们从业务系统出发，从系统中识别其功能模块，例如ERP、CRM、SRM等，CRM系统中又有客户管理、订单管理等功能模块，我们从这些模块中包含的业务单据中就可以找到相应的数值字段，然后挑选出可以作为指标展示的。如果这些系统中有单独的统计报表功能，那么我们的工作相对简单，只需要从报表中找到相应的指标即可。
图2 找指标方法
找到了指标，其实只有指标名称而已，我们还需要找到指标的各项属性定义。指标的属性分为“业务属性”和“技术属性”两类，业务属性包含业务人员通常认识的指标分类、名称、计算公式、展现方式和查询权限等；技术属性包含技术运维人员所关心的系统来源、取数字段、取数频率、加工规则等。
图3 指标的定义
将找到的指标及其属性，形成一张总表，即指标字典。具体字段的选取工作最好能让业务人员和技术人员共同参与制定。
图4 指标字段表
2理指标通过找指标，我们获得了企业中的指标列表，但是这些指标并不能称之为体系，因为没有进行分类，指标没有业务含义，指标和指标之间也没有任何逻辑。我们需要结合企业战略和岗位职责，设定全面的衡量指标，并分解到具体业务过程。
图5 指标常见分类
我们将企业中的各业务职能域进行划分（如果是集团企业，还应该进行行业板块的划分）。
图6 企业业务域划分
上面只是对业务域进行了大的划分，接下来需要对业务域的业务流程中的管控目标进行细化，和指标一起形成功能矩阵，标注出指标的产生、引用关系，从而我们会发现指标字典中有重复、不同口径统计等各种情况，进行处理后，将形成含有分类和业务目标的指标字典。
图7 指标字典
指标字典可能会非常庞大，有时可以通过指标树的方式进行表示，每棵树表示一个业务域的指标关系，通过链接跳转到相应的详细指标定义信息。以下是财务域的局部指标举例：
图8 指标树示意图
3管指标管指标数据的工作和其它数据管理工作并无太大差别，即通过推动数据治理体系建设，制定主数据、业务数据、统计数据的标准和规范，提升数据质量。
图9 指标管控体系
通过指标管控制度和流程，我们将明确指标认责人、指标用户、指标管控团队在各项管控活动中应遵循的管理要求和工作流程。在今后信息系统（尤其是数据中心、统计报表等分析类应用）的建设中需要遵从公司在指标管控领域提出细化要求。
图10 指标管控制度
4用指标企业仅仅制定指标体系，并不能起到规范数据的作用，只有将指标体系落实在信息系统中，才能发挥其管理作用，因此构建指标体系往往和应用系统建设同步进行。指标体系包含但不限于以下使用场景：
图11 指标成果主要应用场景
通过指标数据体系的应用，我们将规范企业内指标使用的规范性，提高数据的准确性、一致性和可追溯性。
图12 指标体系
以上，我们简要介绍了一下如何通过企业内的数据资源找到业务分析需要的指标，如何一步一步建立起指标标准、规范和管理体系。仅供参考。
希望对各位同学有所帮助。
今天就讲到这里，下课！
三某能源化工企业数据治理案例分析
石油化工高绩效运营指标模型是由企业集团的核心功能与行业板块依据石油化行业的价值链组合而成，涵盖了中国石化总部业务分析应用需求。篇幅有限，无法详细展开，有类似需求的企业欢迎来人、来函、电话、微信、QQ……
一级业务域
图13 指标一级主题框架图
二级主题
图14 指标二级主题框架图
在数据治理平台内管控指标
图15 指标在数据治理平台示意图
指标体系在数据分析应用落地
图16 指标体系在数据分析落地示意
汪晋，石化盈科数据业务部项目总监，曾先后在联想集团、神华集团工作，长期从事数据仓库、智能分析和大数据项目的建设，熟悉能源行业（煤炭、电力、化工）和制造行业。
END
热门文章
邮箱：ccjiu@163.com
QQ：174856958
我们的使命：发展数据治理行业、普及数据治理知识、改变企业数据管理现状、提高企业数据质量、推动企业走进大数据时代。
我们的愿景：打造数据治理专家、数据治理平台、数据治理生态圈。
我们的价值观：凝聚行业力量、打造数据治理全链条平台、改变数据治理生态圈。
了解更多精彩内容
长按，识别二维码，加关注
数据工匠俱乐部
微信号 : zgsjgjjlb
专注数据治理，推动大数据发展。