数字化转型过程中，很多企业面临着指标体系不完整的问题。比如：

各部门根据业务需求，都有一部分量化指标，但不够全面，对企业整体数据分析应用能力提升的帮助有限；

缺乏整体考量而设置的指标体系，以及错误的指标分析方法，会产生错误的分析结果，进而影响企业经营层面的决策。

相比于单一指标的“出现什么问题，分析什么”，成体系化的指标“通常能够结合问题所在的背景、串联各个指标、通过各种维度进行分析，从而使优化方案更加有针对性”。

在数据分析中，一个好的指标体系可以帮助你更快、更精准的找到答案。那么应该怎么搭建指标体系呢？

构建数据指标体系

1、通用原则

用户第一：指标体系核心是围绕反映实际业务情况的目的去的，因此，指标不是越多越好，更不需要“虚荣指标”。

典型性原则：尽量选择比较典型、比较具备代表性的指标，这些指标能够反映业务的真实情况，其中最重要的指标叫做“北极星指标”。

系统性原则：指标体系是需要强调系统性的，常见的就是找到核心原子指标，然后延伸，最终形成类似二叉树一样的树状结构指标体系，让每个指标有根可循。

动态性原则：数据指标体系是随着业务发展变化、随着数据分析需求变化的，因此需要不断地去做指标体系的维护与迭代更新。

2、通用方法

（1）确立北极星指标

北极星指标就像北极星一样，高高闪耀在空中，指引着全公司所有人员向着同一个方向迈进。制定北极星指标的6条标准：

标准1：你的产品的核心价值是什么？这个指标可以让你知道你的用户体验到了这种价值吗？

标准2：北极星指标要具备典型性，能够看出长期一段时间的变化情况与表现情况的好坏

标准3：如果这个指标变好了，是不是能说明整个公司是在向好的方向发展？

标准4：这个指标是不是很容易被整个团队理解和交流呢？

标准5：这个指标是一个先导指标，还是一个滞后指标？

标准6：这个指标是不是一个可操作的指标？

（2）贯穿业务全流程

比如，电商行业常见的 AARRR 模型包含获取、激活、留存、变现、扩散五个步骤，这也是电商行业产品和商业模式的业务全流程。其实，任何一个企业的指标体系都需能够对企业内部的业务做闭环串联。

（3）贯穿分析全流程

做分析的过程往往有三步：问题背景是什么、要分析什么才能解决这个问题、怎么分析。

映射到数据指标体系中则上升为要考虑指标体系的目标是什么、指标体系的用户的业务目标是什么；

再考虑要实现这些目标会有哪些表现、哪些信号能够支撑他们的目标关注；

最后再找出相关的指标来支撑数据指标体系的构建。

3、通用步骤

确立公司业务的核心指标：找到能够体现公司业务完成情况、进展情况的指标，也就是常说的北极星指标；

确立用户行为的关键指标：常说的过程性关键指标；

进行业务需求的多维拆解：将指标按照业务域、数据域进行拆分或者延伸；

按照优先级进行系统性整合与建设：经过前面三步，再最后进行整合，将指标系统性整合和构建，去除重复指标、虚荣指标、无意义指标。当指标数量过多时可以按照优先级分类，先做一部分再做一部分，不断迭代完善。

4、搭建数据指标体系的步骤

根据“指标金字塔”概念，可以将搭建指标体系的过程分成以下几个步骤：

1）确立指引方向的核心指标

核心指标要能指引业务发展，对齐业务发展方向和业务目标，有牵引性，最好不要超过三个，一般选用北极星指标。

所以这个阶段，我们的最终产物就是确定 1-3 个最上层的关键指标。

2）基于业务拆解核心指标

拆解核心指标，一般从业务角度考虑，根据业务来拆出过程性关键指标。

找出哪些能让核心目标达成的动作，然后再定义出出衡量这些动作效果的指标，就完成了拆分，因为还要进行再次拆分，所以在这个阶段，不必要拆分的太过零碎，每个业务方向 1 个指标即可，不要多于 3 个。

这个阶段的最终产物是几大过程性关键指标。

3）拆解业务落实到操作指标

操作指标最终会落实到具体的业务执行人员，对他门日常的工作做牵引。将业务指标拆解成操作指标，拆解时注意不要有重复，同一个指标不要对应多个负责人，尽可能做到相互独立、各自负责。

这个阶段的最终产物是所有的操作性指标和对应的业务负责任人。

4）进行系统性梳理和整合

经过前面 3 步，我们已经从顶层拆分到了底层，如果你的业务比较复杂，也可以再做拆分，但其实一般 3 层就比较合适，容易溯源和追踪。

最后，我们需要进行梳理、整合、排查、演练，完成这个过程后，我们就可以输出完整的指标体系结果了。这个过程中，最终将会输出指标思维导图，如下图所示：

建立数据指标字典

1、指标混乱的恶果

不少公司面临指标混乱的现状：

同名不同径，同径不同名。

口径不清晰，口径有错误。

命名难理解，计算不易懂。

来源不清晰，同部不同径。

2. 指标命名四要素

指标命名公式 = 限定词+业务主题+指标名称+量化词（限定词和业务过程、统计对象不要求都出现在指标名称中。）

限定词：用来对指标进行限定约束。比如：当天、本周、当月、平均、累计。

业务主题：用来描述业务在哪个过程阶段。比如：打开页面、下单、点击支付、支付成功、支付失败。

指标名称：是指标要统计的对象实体名称。比如：统计订单还是用户。

量化词：是对一物理量的测定，通常以数字单位来表示。比如：金额、份额、次数、率。

举个例子：当天（限定词）首次下单并完成支付（业务主题）新用户的销售额（指标名称）次数（量化词）。

3、建立指标字典

通过指标命名四要素 ，我们先对指标命名进行规范，但是这还不够，因为公司部门很多，指标的开发都需要成本的，但是很多指标其实是可以共用的，那如何让整个公司形成一个大家都认同的标准化体系呢？

建立指标字典，是搭建数据平台的基础。指标字典由指标构成，指标由维度、汇总方式、量度三要素构成。比如“订单总金额”，“订单”表明维度的限定，“总”表明汇总方式是求和，“金额”可以表明度量单位是货币单位。

建立指标字典，要求：

1）规范维度和量度命名，命名规则要尽量做到明确、通用、易懂；

2）对确认维度或量度，统一计算口径，避免歧义；

3）涵盖尽可能多的关注的核心维度和量度，以此为基础推动数据建设，确保指标字典里覆盖的维度都可区分，指标都可统计；

4）基于指标字典，将核心维度和量度注入元数据中心，接入指标提取工具，后续实现不需要写sql即可完成自助查询及分析需求。

数据指标拆解方法

完成了指标体系的搭建，还需要具体落实到数据分析，第一步，是进行数据指标的拆解，下面咱们来讲讲如何寻找分析角度，对要分析的对象进行数据指标拆解。

（1）明确分析目标

进行数据指标拆解的第一步就是明确要分析的目标。例如现在有两个目标需要达成：

（2）确定问题

在明确分析目标后，就需要确定为了达成该目标，需要提出围绕该目标需要解决的问题，可以使用思维脑图，写出在看到该目标后产生的问题。

（3）拆解问题（确定计算公式）

在确定问题后，就需要找到能够数值化衡量这些问题的指标，以及它们的计算方式。

（4）拆解指标&拓展维度布局

计算方式确定，就可通过分析组成这些计算公式的指标来探究影响其的原因，比如销售额=单价*数量，那么就可从「单价」、「数量」来分析销售额变动，以一个指标为定量，分析对比其他指标变化。

同时以计算公式结果为指标，拓展维度（比如地区、时间、品类等等）来探究不同维度下的指标差异。

（4）最终结果展示

展示结果按照总—分方式。完成数据指标的拆解，搭配使用BI工具 ，就能方便地帮助用户进行数据处理和数据可视化展示，洞察数据背后的意义了！

总结

使用指标的原因：指标可以帮助我们低成本的获取更多信息。

指标的定义：指标是一个被定义的数值，用来对事实进行量化抽象。

指标设计的4个要素：名称、责任人、含义、口径。

指标设计的3个过程：通过抽象、加工、限定，我们可以将数据转化为原子指标、衍生指标和派生指标。衍生指标是原子指标经过运算的结果，派生指标是原子指标和衍生指标经过维度限定的结果。

衡量指标设计好坏的4个标准：有效性、可信性、敏感性、是否可运营。