隨著社會(huì)越來(lái)越發(fā)達(dá)，大家都選擇在網(wǎng)絡(luò)上汲取相關(guān)知識(shí)內(nèi)容，比如統(tǒng)計(jì)指標(biāo)體系（統(tǒng)計(jì)指標(biāo)體系的例子），為了更好的解答大家的問(wèn)題，小編也是翻閱整理了相應(yīng)內(nèi)容，下面就一起來(lái)看一下吧！

(資料圖片僅供參考)

統(tǒng)計(jì)指標(biāo)體系（統(tǒng)計(jì)指標(biāo)體系的例子）

編輯導(dǎo)語(yǔ)：指標(biāo)體系的建立，能夠驅(qū)動(dòng)業(yè)務(wù)或公司更好地前進(jìn)，同時(shí)也有助于利用指標(biāo)體系評(píng)判業(yè)務(wù)狀態(tài)，發(fā)現(xiàn)有異常的指標(biāo)并予以修正。本文作者從自己實(shí)際工作實(shí)踐出發(fā)，總結(jié)分享了搭建指標(biāo)體系的相關(guān)經(jīng)驗(yàn)，希望對(duì)大家有所幫助。

你對(duì)越刷越上癮的抖音又愛(ài)又恨，對(duì)千人千面淘寶智能推薦的心儀商品滿(mǎn)心歡喜，對(duì)踏足一個(gè)陌生城市因?yàn)橛辛说貓D、共享出行以及眾多 App 的攻略而不再感到未知和害怕，互聯(lián)網(wǎng)和城市數(shù)字化帶來(lái)的變革，不僅僅是更便捷，還有人與人之間邊界的拉近。

這一切，依賴(lài)于海量數(shù)據(jù)的線(xiàn)上化，基于大數(shù)據(jù)和人工智能技術(shù)的價(jià)值挖掘。正如王堅(jiān)博士的《在線(xiàn)》書(shū)中所言：數(shù)據(jù)量大不重要，讓數(shù)據(jù)在線(xiàn)才重要。

無(wú)論是企業(yè)還是個(gè)體，我們都在逐漸成為這規(guī)模不可及數(shù)據(jù)富礦的一份子。不管是原生互聯(lián)網(wǎng)企業(yè)，還是不斷進(jìn)化中的傳統(tǒng)企業(yè)，今天的企業(yè)正在逐步進(jìn)化成數(shù)據(jù)企業(yè)?！皵?shù)據(jù)是核心競(jìng)爭(zhēng)力”成為了主流觀點(diǎn)，而數(shù)字化轉(zhuǎn)型的本質(zhì)是為了提高生產(chǎn)力，將數(shù)據(jù)變?yōu)樯a(chǎn)資料。

這一切， 都是為了實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)從而達(dá)到降本增效的目的。正所謂：數(shù)據(jù)最了不起的地方，就是靠最小的成本撬動(dòng)更大的價(jià)值。

01 數(shù)據(jù)與中臺(tái)

互聯(lián)網(wǎng)最典型的特征是將用戶(hù)行為和觸點(diǎn)線(xiàn)上化，積累著海量級(jí)別數(shù)據(jù)。

行為分析、運(yùn)營(yíng)觸達(dá)、用戶(hù)畫(huà)像、智能推薦、千人千面。一個(gè)個(gè)看似簡(jiǎn)單的詞語(yǔ)，背后是海量數(shù)據(jù)驅(qū)動(dòng)的結(jié)果。首先需要對(duì)用戶(hù)的行為進(jìn)行量化并收集，用戶(hù)行為數(shù)據(jù)、交易數(shù)據(jù)又或者產(chǎn)品數(shù)據(jù)，都是企業(yè)數(shù)字資產(chǎn)極其核心的內(nèi)容。而這些數(shù)據(jù)，往往會(huì)散落在企業(yè)的不同業(yè)務(wù)線(xiàn)，不同數(shù)據(jù)庫(kù)，被分為若干個(gè)數(shù)據(jù)集合單元，無(wú)法形成數(shù)據(jù)閉環(huán)。

“如果無(wú)法衡量，那么就無(wú)法管理”。

為了連接這些信息孤島的數(shù)據(jù)，可以借助中臺(tái)的理念，即沉淀和去重業(yè)務(wù)線(xiàn)的數(shù)據(jù)，將不同系統(tǒng)中的數(shù)據(jù)進(jìn)行全面匯集和管理，提高信息傳遞效率。中臺(tái)的輸出形式為標(biāo)準(zhǔn)化的 API，數(shù)據(jù)中臺(tái)可以簡(jiǎn)單理解為包含數(shù)倉(cāng)體系和數(shù)據(jù)應(yīng)用集的結(jié)合。

數(shù)據(jù)的利用可以分為四個(gè)階段：采集、存儲(chǔ)、分析、展示。，也對(duì)應(yīng)著以上為數(shù)倉(cāng)體系不同模塊。包含了數(shù)據(jù)底層（采集和存儲(chǔ)）、數(shù)據(jù)分析和數(shù)據(jù)展示。

數(shù)據(jù)底層主要負(fù)責(zé)管理數(shù)據(jù)，包括數(shù)據(jù)采集、數(shù)據(jù) ETL、數(shù)據(jù)倉(cāng)庫(kù)構(gòu)建等環(huán)節(jié)，提供數(shù)據(jù)基礎(chǔ)；數(shù)據(jù)分析主要是利用SQL查詢(xún)、OLAP 分析、數(shù)據(jù)挖掘以及可視化等方法抽取數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)，形成數(shù)據(jù)價(jià)值。

其中，數(shù)據(jù)分析和展示是堪比砂礫淘金的壯舉，將數(shù)據(jù)轉(zhuǎn)化為有價(jià)值的信息，減少主觀決策。然而口號(hào)容易，落地難。

無(wú)論是營(yíng)銷(xiāo)活動(dòng)，還是產(chǎn)品迭代，又或者是商業(yè)智能，做到數(shù)據(jù)決策的第一步，是搭建一套符合業(yè)務(wù)事實(shí)的指標(biāo)體系。

02 指標(biāo)與指標(biāo)體系

指標(biāo)是什么呢？我們?yōu)槭裁从中枰笜?biāo)體系。

無(wú)論是公司，還是產(chǎn)品又或者是服務(wù)，最終都會(huì)有使用對(duì)象?！白脏恕笔谴蠹桑胺答仭笔潜厝?，根據(jù)使用者的聲音和行為數(shù)據(jù)不段地調(diào)整產(chǎn)品迭代方向，才是一個(gè)良性循環(huán)。

指標(biāo)的作用，則是將業(yè)務(wù)變的可描述、可度量、可拆解，通過(guò)將業(yè)務(wù)單元細(xì)分量化后，形成一個(gè)個(gè)統(tǒng)計(jì)的標(biāo)準(zhǔn)。而指標(biāo)體系，則是將互相關(guān)聯(lián)而又相對(duì)獨(dú)立的指標(biāo)組織分類(lèi)，更好的以全局視野“以面看點(diǎn)”，分層次管理單個(gè)業(yè)務(wù)單元。

按照百度百科的介紹：“在統(tǒng)計(jì)研究中，如果要說(shuō)明總體全貌，那么只使用一個(gè)指標(biāo)往往是不夠的，因?yàn)樗荒芊从晨傮w某一方面的數(shù)量特征?！?/p>

通過(guò)指標(biāo)體系，我們可以通過(guò)客觀數(shù)據(jù)衡量業(yè)務(wù)發(fā)展質(zhì)量，厘清業(yè)務(wù)發(fā)展階段和現(xiàn)狀，發(fā)現(xiàn)關(guān)鍵的“北極星指標(biāo)”和“轉(zhuǎn)化率”指標(biāo)，還能用作為產(chǎn)品迭代和活動(dòng)評(píng)估的有力支撐。

總的來(lái)說(shuō)，指標(biāo)可以分為兩大類(lèi)：過(guò)程類(lèi)和結(jié)果類(lèi)。

過(guò)程類(lèi)指標(biāo)：用來(lái)衡量事件的過(guò)程變化，該類(lèi)指標(biāo)可以用來(lái)關(guān)注用戶(hù)的需求為什么被滿(mǎn)足或沒(méi)被滿(mǎn)足。如轉(zhuǎn)化率、流失率等。

結(jié)果類(lèi)指標(biāo)：用于衡量用戶(hù)發(fā)生某個(gè)動(dòng)作后所產(chǎn)生的結(jié)果，通常是延后知道的，很難進(jìn)行干預(yù)，主要用來(lái)監(jiān)控?cái)?shù)據(jù)是否異常和業(yè)務(wù)事實(shí)。如 UV/PV、用戶(hù)注冊(cè)數(shù)等等。

03 指標(biāo)的生產(chǎn)

無(wú)論是過(guò)程類(lèi)還是結(jié)果類(lèi)指標(biāo)，要想保證各方的理解無(wú)歧義，除了保證數(shù)據(jù)輸入口徑統(tǒng)一，還需要保證指標(biāo)定義的統(tǒng)一，而定義的統(tǒng)一，可以借助 MECE分析法（相互獨(dú)立，完全窮盡），最終將指標(biāo)拆解為一個(gè)個(gè)原子指標(biāo)。

其拆解過(guò)程如下：

以上每個(gè)過(guò)程，都對(duì)應(yīng)著一個(gè)具體的分析方法，下面以一個(gè)具體案例闡述每個(gè)環(huán)節(jié)的含義。

1）業(yè)務(wù)線(xiàn)：即產(chǎn)品線(xiàn)，如阿里的手淘線(xiàn)。

2）數(shù)據(jù)域：來(lái)源數(shù)倉(cāng)概念，指面向業(yè)務(wù)分析，將業(yè)務(wù)過(guò)程或者維度進(jìn)行抽象的集合。如淘寶的手淘線(xiàn)商品域、用戶(hù)域、交易域等。

3）業(yè)務(wù)過(guò)程：相關(guān)業(yè)務(wù)事件組成的業(yè)務(wù)流程，如手淘用戶(hù)域的注冊(cè)、注銷(xiāo)等。

4）修飾類(lèi)型：對(duì)修飾詞的抽象分類(lèi)，如手淘的支付方式、用戶(hù)來(lái)源等。

5）派生指標(biāo)：派生指標(biāo)=時(shí)間周期+修飾詞+原子指標(biāo)，可以選擇多個(gè)修飾詞，由具體的派生指標(biāo)語(yǔ)義決定。如客單價(jià)（支付金額除以買(mǎi)家數(shù)）為派生指標(biāo)。

修飾詞：繼承修飾類(lèi)型的數(shù)據(jù)域，除了維度外的修辭詞語(yǔ)，如手淘的終端類(lèi)型、用戶(hù)性別等。

時(shí)間周期：統(tǒng)計(jì)的時(shí)間范圍，如近 30 天訪問(wèn)手淘的用戶(hù)終端類(lèi)型等

原子指標(biāo)：原子指標(biāo) = 業(yè)務(wù)過(guò)程+度量。其中度量是基于某一業(yè)務(wù)事件（支付、成單、退款）行為下的度量（份額、次數(shù)、頻率、金額），是明確的統(tǒng)計(jì)口徑，不可拆分指標(biāo)，如支付金額，支付頻率等。

6）維度：是事物或現(xiàn)象的某種特征，指度量單位，具備唯一性，如地理維度、時(shí)間維度等。

屬性：隸屬于維度，有定量和定性的區(qū)分，如省份名稱(chēng)、郵政編碼等。

定性：文字可維度如省份城市、性別、職業(yè)等。

定量：數(shù)值類(lèi)維度如收入、年齡等。

最終，根據(jù)以上拆解過(guò)程，我們得到了一個(gè)指標(biāo)實(shí)例：最近 30 天 IOS 的各省份的注冊(cè)數(shù)。

另外需要說(shuō)明的是，上述案例得到的指標(biāo)（最近 30 天 IOS 的各省份的注冊(cè)數(shù)）屬于過(guò)程類(lèi)指標(biāo)。實(shí)際上，過(guò)程類(lèi)指標(biāo)都是虛榮指標(biāo)，即無(wú)法直接促進(jìn)交易額增長(zhǎng)，只能度量業(yè)務(wù)。常見(jiàn)的虛榮指標(biāo)還有 PV/UV/總用戶(hù)量等。

03 搭建指標(biāo)體系

講了這么多，終于開(kāi)始步入正戲。

搭建指標(biāo)體系需要貼合實(shí)際的業(yè)務(wù)場(chǎng)景，可以根據(jù)不同的分析方法和抽象模型自上而下的驅(qū)動(dòng)指標(biāo)體系建設(shè)。常用的指標(biāo)搭建方法有OSM 模型和指標(biāo)分級(jí)。

指標(biāo)分級(jí)比較簡(jiǎn)單，即將公司的北極星指標(biāo)拆解成業(yè)務(wù)線(xiàn)指標(biāo)，到最后執(zhí)行側(cè)的指標(biāo)。體現(xiàn)了金字塔式的結(jié)構(gòu)化思維。而OSM模型（Obejective，Strategy，Measurement）分別對(duì)應(yīng)目標(biāo)、策略、度量。一句話(huà)概括為了目標(biāo)采取了哪些策略，如果度量這些策略的效果。

O：目標(biāo)——用戶(hù)使用產(chǎn)品的目標(biāo)是什么？產(chǎn)品滿(mǎn)足了用戶(hù)的什么需求？

S：策略——為了達(dá)成上述目標(biāo)我采取的策略是什么？

M：度量——這些策略隨之帶來(lái)的數(shù)據(jù)指標(biāo)變化有哪些？

以筆者在云計(jì)算行業(yè)的為例，從該視角來(lái)看如何用 OSM 定義指標(biāo)體系：

當(dāng)然，以上僅是指標(biāo)搭建方法。好比于我們做菜，有時(shí)候會(huì)需要菜譜，因?yàn)樾枰獙㈨樞虻姆湃胧巢暮瓦m當(dāng)?shù)幕鸷虿拍芘腼兂梢坏烂牢丁?/p>

搭建指標(biāo)體系可以借助一些抽象模型，比如，交易類(lèi)平臺(tái)最經(jīng)典的“人貨場(chǎng)”模型，用戶(hù)、商品、場(chǎng)景以不同的方式組合在一起，往往也意味著不同的交易模式，但是核心還是一句話(huà)：誰(shuí)在什么「場(chǎng)景」下「買(mǎi)」了什么「商品」。

以電商公司為例：用戶(hù)（企業(yè)/個(gè)人）在場(chǎng)景（平臺(tái)）購(gòu)買(mǎi)了哪些資源（商品）。通過(guò)對(duì)三者的分析，覆蓋到了產(chǎn)品線(xiàn)的方方面面，從定目標(biāo)到完成，也借此來(lái)調(diào)整運(yùn)營(yíng)的策略以及功能迭代的側(cè)重點(diǎn)。

“用戶(hù)”的視角，主要是識(shí)別用戶(hù)從哪里來(lái)（渠道）、用戶(hù)有哪些特征（畫(huà)像）、可以分成哪些層次（RFM模型）以及用戶(hù)的消費(fèi)質(zhì)量等等。

“場(chǎng)景”的視角，主要識(shí)別平臺(tái)的有多少流量，這些流量的轉(zhuǎn)化率，購(gòu)買(mǎi)了多少金額，購(gòu)買(mǎi)了多少商品等等。

“商品”的視角，主要分析售前時(shí)客戶(hù)需要哪些品類(lèi)、這些品類(lèi)如何定義，售中時(shí)是否需要優(yōu)惠券，以及用售后時(shí)用戶(hù)對(duì)于商品的使用情況及反饋建議等。

其實(shí)，作為一種抽象模型，起源于傳統(tǒng)零售行業(yè)的“人貨場(chǎng)”理論，在電商行業(yè)發(fā)揚(yáng)光大。在如今不僅運(yùn)用電商和零售，還能應(yīng)用內(nèi)容、社交等一系列場(chǎng)景。

比如，可以“人貨場(chǎng)”的角度來(lái)剖析 B 站作為內(nèi)容社區(qū)的發(fā)展。

人——如何 看待 B 站的用戶(hù)及創(chuàng)作者？用戶(hù)從二次元→Z世代→Z+時(shí)代。創(chuàng)作者實(shí)現(xiàn)正向循環(huán)，PUGV內(nèi)容占比越來(lái)越高。

貨——如何理解B站內(nèi)容與創(chuàng)作者生態(tài)？從二次元到番劇，再到多元化發(fā)展。PUGV和 OGV 兩頭抓。

場(chǎng)——B站平臺(tái)社區(qū)環(huán)境如何建立？相對(duì)公平的流量分配機(jī)制，雙列視頻展示形式 + 單列沉浸式小視頻，并承襲二次元彈幕的社區(qū)“梗文化”。

除了在經(jīng)典的“人貨場(chǎng)”抽象模型，還有被稱(chēng)為“海盜模型”的AARRR模型，分別對(duì)應(yīng)了用戶(hù)生命周期中的五個(gè)階段：Acquisition [獲取] 、Activation [激活] 、Retention [存留] 、Revenue [收益] 和Referral [推薦] 。

當(dāng)用戶(hù)處于不同的用戶(hù)生命周期不同階段時(shí)，也需要使用不同的指標(biāo)去定義。根據(jù)海盜模型 AARRR 產(chǎn)品增長(zhǎng)模型，可以將指標(biāo)分為五大類(lèi)：拉新指標(biāo)、活躍指標(biāo)、留存指標(biāo)、轉(zhuǎn)化指標(biāo)、傳播指標(biāo)。

04 結(jié)語(yǔ)

數(shù)據(jù)是杠桿，借助數(shù)據(jù)能撬動(dòng)更大的價(jià)值。但是玩轉(zhuǎn)數(shù)據(jù)的前提，首先是存儲(chǔ)和利用數(shù)據(jù)。很多時(shí)候，企業(yè)已經(jīng)不滿(mǎn)足分析 T+1 周期的離線(xiàn)數(shù)據(jù)，正如抖音的智能推薦解決了人與信息的匹配，淘寶的千人千面解決了人貨匹配。這不僅要求數(shù)據(jù)在線(xiàn)，更對(duì)數(shù)據(jù)的實(shí)時(shí)性也有著越來(lái)越高的要求。

指標(biāo)體系的生產(chǎn)和建立，依賴(lài)于數(shù)據(jù)的準(zhǔn)確性、時(shí)效性和完整性。無(wú)論是數(shù)倉(cāng)還是數(shù)據(jù)中臺(tái)，都只是一種手段，更重要的是借助數(shù)據(jù)去實(shí)現(xiàn)量化業(yè)務(wù)態(tài)勢(shì)，找到當(dāng)前的癥結(jié)，最終實(shí)現(xiàn)業(yè)務(wù)升值。

參考資料：

《數(shù)據(jù)中臺(tái)實(shí)戰(zhàn)》董超華

《中臺(tái)產(chǎn)品經(jīng)理寶典》劉天

《2019年中國(guó)數(shù)字中臺(tái)行業(yè)研究報(bào)告》艾瑞咨詢(xún)

《滴滴數(shù)據(jù)倉(cāng)庫(kù)指標(biāo)體系建設(shè)實(shí)踐》 滴滴技術(shù)

《從“人貨場(chǎng)”看B站社區(qū)生態(tài)的養(yǎng)成》 方正證券

#專(zhuān)欄作家#

零度Pasca，公眾號(hào)：大兵閑記，人人都是產(chǎn)品經(jīng)理專(zhuān)欄作家。關(guān)注前沿技術(shù)趨勢(shì)，理性數(shù)據(jù)主義者；熱愛(ài)閱讀，堅(jiān)信輸出是沉淀輸入的最好方式，致力于用產(chǎn)品思維解決用戶(hù)共性問(wèn)題。

關(guān)鍵詞： 統(tǒng)計(jì)指標(biāo)體系 統(tǒng)計(jì)指標(biāo)體系的例子