数据指标体系是业务分析的基础，可用于快速定位异常、监测运营效果和评价业务健康度。
搭建指标体系的一般流程包括明确业务目标和需求、定义指标维度和度量方法、建立数据采集和处理机制、设计数据存储和查询方案以及实现数据可视化和报告。不同行业的数据指标体系有些共通点，但也存在差异，需要根据具体行业和业务场景进行定制化设计。本文将介绍数据指标体系的搭建流程，并针对电商、社区和金融APP三个行业进行指标体系的搭建。
什么是数据和指标体系？
指标，简而言之就是对企业经营效果的客观量化衡量标准，也叫“度量”，例如平时常见的PV、UV、页面浏览时长、跳出率等。
单个指标的高低或者波动往往不能全面反映问题所在，所以在实际工作中，我们会结合多个指标并搭建指标体系来进行多维分析。就是将不同层级、不同维度的指标，结合业务过程串联起一套能反映业务现状、并能快速做出反应的业务评价体系。
为什么要搭建数据指标体系？
企业的运营状况是复杂而多维度的，不能单纯地通过一个指标来全面衡量。
例如，只使用生产成本指标无法了解销售端的状况，只使用销售金额指标又无法了解整个企业的利润情况。因此，我们需要具备系统性思考的能力，即能够从全局角度出发，通过严谨的逻辑和深入的业务分析，来把握企业的整体运营状况。
这样才能有效地识别主要问题、制定合理的策略并做出正确的决策，从而推动企业不断发展壮大。
具体到业务上，我们搭建起的数据指标体系主要有如下作用：
数据指标体系的重要性在于它可以帮助企业决策者、业务人员和数据分析师更好地理解整个业务的运行状况，制定合理的战略和决策。具体来说：
对于决策者来说，一个完整的数据指标体系可以帮助他们了解业务现状，把握核心问题，并制定有效的北极星指标和整体战略。
对于一线业务人员来说，有一个系统化的数据指标体系可以指导业务策略的制定，提升业务发展的想象空间。
对于数据分析师来说，一个完善的数据指标体系可以大幅减少日常取数和报表工作，为他们留出更多时间去做探索性分析和深层次的数据挖掘，更好地服务业务。
通过统一口径来管理指标，可以保证指标的可靠性和准确性，并随着业务发展不断完善。
怎么搭建数据指标体系？
既然数据指标体系如此重要，那么如何搭建呢？
这里将结合自己实际工作中的案例和经验给产品、运营以及数据的小伙伴们提供一些思路。
一般的步骤如下：
确定北极星指标；拆分子指标；拆分过程指标；添加分类维度。
下面，我会分别对三种不同的行业（电商、社区、金融APP）的业务场景进行数据指标体系的搭建。
1. 电商场景
1）确定北极星指标
在成熟期的电商业务中，北极星指标是指在当前阶段与业务/战略相关的绝对核心指标，通常为GMV。
在这种情况下，GMV是衡量企业业务运营状况的最重要指标之一，可以反映出企业的销售额和市场占有率等关键信息。如果企业的业务场景不确定北极星指标是什么，可以考虑与对接的业务方的KPI保持一致，以确保企业的经营决策和战略与业务方向保持一致。
2）拆分子指标
上面我们确定了北极星指标是成交金额，下面我们开始拆分子指标，比如成交金额可以继续拆成：
成交金额 = 成交人数*客单价
那么成交人数和客单价就是我们的一级子指标。
但是成交人数还可以继续往下拆：
成交人数 = 用户数* 成交率
拆成二级子指标用户数和成交率。
同样的，对于我们的落地页来说：
落地页的人数 = 广告曝光人数*广告点击率
而广告曝光人数又可以拆为：
广告点击人数 = 目标用户数*广告点击率
这样我们可以一直拆到更小的子指标：
3）拆分过程指标
在确定了北极星指标及子指标之后，为了更好地把握业务运营状况，我们需要将它们串联起来，这就需要借助过程指标来衔接整个业务流程。在电商业务场景中，业务流程一般是用户浏览、加购、购买的漏斗模型。因此，我们可以按照这个漏斗模型来拆分过程指标，以反映出不同环节的业务情况和影响因素，例如网站访问量、转化率、复购率等。这些过程指标可以帮助我们更加全面地了解业务运营状况，及时发现问题和机会，并针对性地采取相应的策略和措施来提升整个业务流程的效率和效益。
拆分过程指标的时候，我们要依据两个原则：关联性和完备性。
第一，考虑关联性。你不能用酸不酸来评判西瓜好不好吃，依据这个原则你选取的过程指标要能准确反映出你的某个过程。
第二，考虑完备性。这个容易理解，你列举出的若干过程指标是不是能全面包含了要认知的对象，即全面地描述了某个过程。
基于这两个原则，以广告曝光过程为例，在这个过程中我们可以用广告曝光渠道、广告成本等指标来描述该过程。同样的，像停留时长、用户数、各环节转化率等指标在每一个过程中都会存在。
4）添加分类维度
确定了北极星指标、子指标和过程指标之后，为了更好地了解业务运营状况，我们还需要添加分类维度来对指标体系进行完善。通常情况下，分类维度可以按照业务维度进行拆解，例如按照不同的特征对成交金额进行描述。在电商业务场景中，这些特征可以包括商品种类、销售渠道、地域、用户属性等。通过对这些分类维度进行分析，我们可以更加深入地了解不同业务场景下的指标表现和业务运营状况，发现业务瓶颈和机会，并及时调整和优化业务策略。
不过要提醒你的是：虽然划分维度的方案有很多种，但并不是说维度可以随意选择。
在划分维度时，我们要遵循边际效应最大化原则。
比如下面的用户分层，是越多越好还是越少越好？这里要看少一个会有什么损失，多一个会有什么好处。如果少了不能全面说明成交金额，那就不能少；多了没有什么意义，那就不需要增加。
我们这里对于成交金额可以用用户分层、场景位置、渠道来源、分时段来描述该特征。
比如用户分层，可以分为新用户、活跃用户、回流用户；场景位置可以分为banner、开屏等各个广告位。
添加完分类维度之后，这样，我们就搭建起了一套电商的完整的数据指标体系。
2. 社区场景（人——货——场模型搭建）
我们以知乎为例。
1）确定北极星指标
知乎的商业模式是通过用户自发性的问答，提供专业性、有价值的问答平台。
对于社区互动型的产品来说，北极星指标一般都是用户互动相关的，比如早期facebook的北极星指标就是用户关注数。
在这里，我们将知乎的北极星指标定为用户互动数。
2）拆分子指标
用户互动数可以拆成阅读完成人数*关键行为转化率*互动率。
3）拆分过程指标
知乎是社区类的产品，这个时候我们的业务逻辑并不是像电商场景是一条清晰的漏斗，这个时候我们的过程模型就采用“人——货——场”模型或“AARRR”模型，并以此为基础来拆分过程指标。
“人”在知乎的业务场景下，可以拆成：生产者和消费者；“货”可以拆成：文章、视频、广告和收费咨询；“场”就是“人”和“物”展示的平台：如首页、搜索、推荐、会员位。
4）添加分类维度
这个和上面电商的场景类似，不做展开。最后，知乎的完整数据指标体系如下：
3. 金融理财类APP（AARRR模型搭建）
金融理财类APP提供各种免费及收费功能，为我们理财提供帮助，我们以某炒股类APP为例：
1）确定北极星指标
该炒股APP的商业模式是内容——交流——交易，每个环节环环相扣，这里我们假设北极星指标是日活用户数，如果不确定的话就与业务方的KPI保持一致。
2）拆分子指标
日活 = 新用户+活跃用户+回流用户+流失用户
而一级指标新用户又可以拆为临时用户和正式用户，同样可以将活跃用户、回流用户、流失用户进行拆分。
3）拆分过程指标
因为该炒股APP的业务逻辑也并不是一条完整的业务漏斗，我们这里采用“AARRR”模型作为过程模型，并以此为基础来拆分过程指标。
AARRR分为：获客、激活、留存、变现、分享五个阶段。其中获客我们可以拆分为：流量和用户价值；激活可以拆为：核心行为触达率、核心行为转化率。
这样的划分方法可以参考肖恩的《增长黑客》。
4）添加分类维度
这个分类维度和上面两个业务场景类似。
最后，该炒股APP的数据指标体系如下：
建立完数据指标体系并不代表我们就可以一劳永逸。因为随着业务的发展和变化，我们的目标和需求也会不断变化，因此旧有的指标体系可能不能满足当前的需求。为了保证指标体系的有效性和准确性，我们需要及时对其进行更新和调整。这是一个不断动态更新的过程，需要持续关注业务的变化和发展，及时调整和优化指标体系，以确保其始终能够为业务决策提供有力的支持。
