终于有人把数据指标体系讲明白了

“数据岗的核心职能，在于产出数据资产，提升信息的价值密度。”而指标体系就是一个组织最为重要的数据资产。

那么：

（1）为什么指标体系这么重要？（2）什么是指标体系？（3）指标体系的衡量标准是什么？（4）如何去搭建一套好的指标体系？

只要弄清楚了这4个问题，指标体系的搭建工作就迅速地开展、快速地落地，精准地产生业务价值。

以上是对于数据同学而言的工作。此外，对于指标体系的使用者而，例如业务方、管理者等，还有一个重要的问题：

（5） 指标体系应该怎么用？

首先，回答第一个问题。

指标体系为什么这么重要？

要搞清楚指标体系为什么重要，很自然的想到的就是：为什么要有指标体系？要回答这个问题，我们就要回答一个更根本的问题：为什么要有指标？

我们需要指标是因为：如果没有指标，我们能够知道的信息就会变得很少，亦或是获取信息的成本会变得很高。

那么是不是有了指标就够了呢？实则不然，如果只有指标，而没有体系，我们能够知道的信息就会变得很窄，亦或是获取的信息就会变得很乱。

图1：指标与指标体系的异同

进而，体系的缺位会导致组织的“数据指南针”失效。越是在大型组织当中，指标体系越为重要，因为决策者离一线业务较远；公司的业务虚拟属性越强，指标体系越为重要，因为公司与客户的距离较远。

简而言之，建立指标体系的目的就在于获取全局性的、有体系性的信息；进而通过这些信息去驱动业务的发展，达成组织目标，这就是指标体系之所以重要的原因。

回答完“Why”的问题，我们接着回答“What”的问题。

什么是指标体系？

我们刚刚说没有体系的指标，所传递的信息是零散的、杂乱的。那么是什么使得指标成体系了呢？

是指标之间的关系，以及指标的使用方法。

图2：指标体系的构成

所以，指标体系由三部分构成：指标库、关联关系，以及指标体系的使用指南。

快问快答：以最基本的“利润 = 收入 - 成本”为例。请问，有了这三个指标，以及这个等式（他们之间的关系），是否构成一个指标体系？

不构成，因为还缺失在具体场景下的使用方法。

假设我们用“利润、收入、成本”去衡量某公司的经营情况。五月份的收入是8000万，成本是6000万，利润是2000万。请问这个公司的经营状况如何？

● 不知道—— 因为没有参照标准。
● 非常棒，利润同比增长100% —— 和自己比，趋势向好。
● 还可以，至少是盈利的。—— 和目标比，表现比盈亏平衡好。
● 非常糟糕，经营效率低下。—— 和市场比，同业竞对以同样的成本可以创造4000万的利润。

所以说：
【√】使用方法对于指标体系而言是不可或缺的。
【×】指标体系不是指标的罗列。
【★】“和自己比、和目标比、和市场比”的三板斧是非常基础、非常有效、非常落地的比较方法。

如果我们把指标体系视作为一个产品，指标库就是这个产品的硬件，指标间的关联关系就是这个产品的软件，而使用指南就是这个产品的说明书。既然是一个产品，用户体验就有优劣之分。那么评价一套指标体系的用户体验的标准是什么呢？

怎么评价一套指标体系的好坏？

标准源自目标，目标源自问题。数据分析通常要解决的4类问题，分别是：描述现状、分析原因、预测未来、改善未来。

根据对问题的解答程度，我们可以将指标体系分为四个层次：

① 描述现状：这套指标体系，可以帮助我们基本还原业务整体的运营现状。

② 分析原因：这套指标体系，可以帮助我们对业务的变化进行归因，对问题进行定位。③ 预测未来：这套指标体系，可以帮助我们，进行假设分析，对未来做出一些预判。④ 改善未来：这套指标体系，可以帮助我们找到，改善业务的动作、策略、战略。具体而言，这套指标体系，可以围绕组织目标，找到某些人，驱使他们去做某些事（寻某人、行某事）。

一个可用的指标体系，至少要达到以上四个层次其中之一。能够达到的层次越高，这套指标体系能产生的价值越大。

快问快答：那么是不是说一开始搭建一个指标体系，就要搭建一个对所有业务细节都清晰量化的大而全的指标体系呢？

● No！这会导致分析瘫痪的现象出现；即决策分析的机会成本，将超出做出决定可获得的收益。
而且大多数时候，好的指标体系是随着实践的深入、认识的提高，逐渐生长出来的；而并非是起初就完美设计出来的。

快问快答：那么当我们搭建一个指标体系的时候，应该将目标层次设定为“改善未来”吗？

● Yes！我们应该在有限的时间、精力、技术资源下，产出尽可能高价值的数据资产。事实上，只要掌握了科学的指标体系建设方法和数据探索方法，不需要太多的指标，就能构建出一套可以“改善未来”的指标体系。

总而言之，一套好的指标体系，能够帮助我们实现4个目标：描述现状、洞察原因、预判未来、寻某人行某事。

接下来，让我们开始实践。

如何搭建一套好的指标体系？

“正确地开始，功成已近半。” —— 亚里士多德

对于建立指标体系而言，近乎真理的起点在于“理解业务”。

以“理解业务”为起点，我们分别从纵向与横向两个方向思考，就能搭建起我们的指标体系。

图3：指标体系搭建过程

以“业务理解”为起点，纵向出发，我们可以往4个方向深入对业务的理解：

① 业务目标：包括要创造的价值，以及要交付的结果等。

• 以呼叫中心的运营为例，运营提效的主要目标是——在保证服务水平的基础上，用同样的人力资源，承接更多的服务请求。

② 业务的运营模式：包括参与主体以及主体之间的关系等。

• 以传统保险业务为例，参与的主要主体有6个：保险人（保险公司）、保险业务员、投保人、保险标的（被保人/被保财产）、受益人、其他第三方。
• 在营销场景下，主要是保险人、业务员、投保人之间的关系较为紧密；而在理赔环节，则是保险标的、受益人、保险人、投保人、其他第三方之间的关系较为紧密。

③ 可控因素：对业务目标有重要影响的、可控的内外部影响因素。

• 以贸易公司为例，影响业务发展的内部环境因素可能有：库存状况、定价策略、销售团队等。

④ 不可控因素：对业务目标有重要影响的、可控性较差的内外部影响因素。

• 还是以贸易公司为例，汇率变动、原材料价格等都是可控性较差的外部影响因素；是值得监测的风险点。

以“业务理解”为起点，横向出发，我们可以经过3个步骤，完成数据资产的交付：

（1） 量化业务：将上述的四类业务事实，依次转化为对应的指标；业务目标 → 结果指标，运营模式 → 运营指标，可控因素 → 过程指标，不可控因素 → 监控指标。（2） 建立体系：建立上述指标的联系，以及整个指标体系的使用方法。（3） 交付资产：将指标体系转化为数据资产交付。例如，一套指标体系的说明文档、数据表格、报表、看板、报告等。

举个例子。

光说不练假把式。当代打工人，健康（身材）最重要 ，我们以“身材管理”这个业务场景为例，演练一下指标体系的搭建过程。

图4：身材管理指标体系案例 （1/2）

图5：身材管理指标体系案例 （2/2）

指标体系该怎么用？

以上简单回答了数据同学的4个问题：搭建指标体系的原因、标体系的定义与组成、搭建的方法、衡量的标准。

现在来回答业务岗、综合管理岗位同学关心的问题：指标体系能帮助组织做什么？该怎么用？

一个好的指标体系对于组织而言，可以是一把统一沟通语言的尺子，可以是一台统一方向的司南，可以是一个持续发现问题、预警风险的智库。

图6：指标体系的用法

• 尺子：当团队使用一套指标体系时，就可以统一度量衡，减少转化、翻译（口径解释）等工作，降低组织内的沟通成本。承载的工具有：元指标模型、元数据模型、指标管理系统等。

• 司南：当团队使用一套指标体系，开展工作时，就能聚焦工作目标。当指标体系内的各层级指标间建立起了清晰的关系，就能从指标体系出发，明确工作重点。承载的工具有：KPI指标体系、ORK指标体系等。
• 智库：当一套指标体系，有了清晰且充足的使用指南，并且在组织内有一套可运行的信息反馈机制时，这套指标体系就能够持续的发现问题、预警风险。决策者就能做到“谋定而后动，知止而有得。”承载的工具有：指标分析方法、信息反馈机制等。

所以如果你是一块业务/团队的责任人，当你觉得团队之间沟通成本高的时候，当你觉得团队内的同学对业务发展方向不明确的时候，当你觉得缺乏有效的、足量的信息的输入的时候，都可以考虑一下——“指标体系”这个工具能否帮助你解决这个问题。

补充这部分内容的主要原因是，听到身边朋友们的一些讨论：
● “数据组设计了一堆指标，但是那么多指标，该怎么用呢？哪个重要呢？”
● “我们公司其实挺数据驱动的。但同样一个故障问题，我们团队可能使用的是A指标，因为要体现因素1、因素2、因素3的变化。而小贾团队也不知道出于什么考虑，用的是B指标。每次会议上一旦意见不同意，就要为指标、口径的问题撕扯半天。”
● “我们知道数据很重要，但是有了数据指标，不代表就是有了好的产品。某个指标变好，也不意味着产品体验就更好。”

其中有产品经理、服务运营经理岗位的同学，也有销售企划岗位的同学，等等。
听到这些声音，好好就在反思：设计“指标体系”这个产品的时候，有没有考虑到用户的体验？他们在工作中遇到了哪些问题？哪些问题是“指标体系”这个工具能够帮助他们解决的？怎么样帮他们解决？

小结

• 建立指标体系的目的：获取全局性的、有体系性的信息；进而通过这些信息去驱动业务的发展，达成组织目标。

• 指标体系的本质：指标库 + 关联关系 + 使用指南。
• 评价指标体系的标准：一套好的指标体系，应该能够帮助我们实现4个目标：描述现状、洞察原因、预判未来、改善未来。
• 搭建指标体系的过程：搭建指标体系的过程可以分为横纵两个方向；纵向是“深入的理解业务”；横向是“工作流”，分为4个步骤：理解业务、量化业务、建立体系、交付资产。
• 指标体系对组织的作用：一把尺子（统一语言）、一台司南（统一方向）、一个智库（收集信息提炼价值）。

来源：知乎作者：好好的分析师
链接：https://www.zhihu.com/question/468227947/answer/2139495808

<END>

大家都在看：1、大数据能力平台建设方案（PPT）
2、数据分类分级方法、标准及应用实践3、华为数字化转型：从战略到执行（PPT）4、数据资产管理产品架构规划设计思路5、终于有人把数据标准讲明白了6、华为 VS 阿里数据中台建设方法论7业务中台、技术中台、数据中台、AI中台......8、数据指标体系搭建流程、方法及案例
9、8000字详解银行业数据治理架构体系搭建10、数据资产目录建设方案11、非结构化数据治理方案12、德勤：集团主数据管理方法论（PPT）13、企业大数据平台顶层规划设计方案（PPT）14、终于有人把数据中台讲明白了15、企业数字化转型之道（PPT）

数据学堂

欢迎扫码添加歪老师个人微信（data-school），邀请加入数据学堂数据治理专业微信群，与业内大咖一起识数据、存数据、管数据、治数据、用数据！