1
搭建指标体系的价值
搭建指标体系有什么用?数据分析什么要搭建指标体系?有什么用?可能大部分人都说不清楚。在笔者看来,搭建指标体系的价值主要有3点:
1. 建立业务量化衡量的标准
指标体系可以建立业务量化衡量的标准,数据分析的目的就是说明、衡量、预测业务的发展。
比方:衡量一个门店经营的状况,一个门店月净利润20万元,刚看这个指标感觉这个店盈利不少,发展应该不错,但是再一看前两个月的净利润,发现前两个月的净利润都是40万以上,增加了这一个指标,我们就发现了这个店的经营状况可能存在问题了。
在衡量业务经营状况的过程中,单一数据指标衡量很可能片面化,需要通过补充其他的指标来使我们的判断更加准确。
因此,搭建系统的数据指标体系,才能全面衡量业务发展情况,促进业务有序增长。
2. 减少重复工作,提高分析效率
有了指标体系,数据分析师就可以少干点临时提数的活,指标体系建立后应该能覆盖大部分临时数据分析需求如果指标体系搭建完了,还是有很多临时的分析需求涌现,那证明这个指标体系是有问题的。
3. 帮助快速定位问题
建立了系统数据指标体系,有了过程与结果指标,有了指标的前后关联关系,就可以通过回溯与下钻,快速找到关键指标波动的原因,老板让你分析原因,再也不用愁眉苦脸了。
不过这些价值发挥的前提是建立合理、有效的指标体系,数据质量有保证,数据质量都不能保证,指标体系搭的再好,分析出来的结果也没什么意义。
2
怎么判断指标体系是否有效?
怎么样判断建立的指标体系是否合理有效呢?网上有人总结了4个标准,个人很赞同:
  • 完备性:能完整解释业务现状,不重复、不遗漏
  • 系统性:能够准确反映业务问题的,帮助问题定位与目标制定
  • 可执行:定义清晰明确,这套指标体系建立后,能指导数据开发同学制定合理的数据底层结构,为大家节约时间
  • 可解释:过程指标与结果指标做好清晰分类,通俗易懂大家有共识

3
如何搭建有效的指标体系?
搭建数据指标体系要有重点,不能只是罗列指标,这是很多数据分析师都会犯的通病,上来先把大量的指标列好,也不说明优先级,先看哪个后看哪个,业务根本就看不懂。
搭建数据指标体系要有目标,很多人习惯了列指标,自有一套指标拆分的套路,不管我们要解决的业务问题是什么,反正就是按照时间、渠道、区域等纬度拆分,分来分去也没个具体的标准,最后还要纠结到底指标变化多少才是问题。
指标体系不是越全越好,和业务最贴切的才是最好的。不同的公司,业务复杂不一样,没有一套指标系统是能够通用的,只有和业务最贴切的才是最好用的。
那么如何搭建有效的数据指标体系呢?给大家分享以下几点经验:
1. 掌握基本的思维模型,全面洞悉业务
数据分析离不开业务,了解业务是我们搭建指标体系的前提,掌握一些基本思维模型,可以帮助我们快速、全面的洞察业务:
(1)是什么?为什么?怎么办?
任何的分析,都逃不过这三个问题,在搭建指标体系的过程时刻问自己,你的指标体系能清晰反映业务的这三个问题么?
(2)5W2H模型
经典的数据分析思维模型。以五个W开头的英语单词和两个H开头的英语单词进行提问,从回答中发现解决问题的线索,即何因(why)、何事(what)、何人(Who)、何时(When)、何地(where)、如何做(How)、何价(How much)。
5w2h能帮助我们培养一种严谨全面的思维模式让分析的过程更加全面更有条理,不会产生混乱和遗漏,当你觉得你的指标体系已经很完美的时候,可以用这个模型来帮助你肯找到思维的漏洞.
(3)逻辑树方法及MECE原则
逻辑树方法可以帮我们将复杂的业务问题拆解成多个简单问题,从而帮助我们拆分更细的数据指标
Mece原则的意思是“相互独立,完全穷尽”,我们搭建数据标体系的一个重要标准就是不重复不遗漏,运用mece原则可以很好的帮助我们把握核心指标,提升指标系统的有效性
(4)商业画布
商业画布是一种分析企业价值的工具,通过把商业模式中的元素标准化,引导我们的思维,将业务知识素材归档,在了解业务的过程中,我们可以按照下面张图来完善填充,从多个角度全面的洞察业务
除了上面的思维模型,最好的了解业务的方式就是和业务方多交流,认识当前业务的关键问题,毕竟建立完善系统的指标体系需要很长一段时间,最好从部分关键点开始,先解决问题。
2. 指标体系搭建方法论
对应业务场景的指标体系有相应的方法论,比如基于用户生命周期的指标体系AARRR、客户满意度指标体系等等,简单给大家分享几个:
(1)第一关键指标
这个概念指的是当前阶段无比重要的第一指标,同时也指出了在创业阶段的任意时间点上应该且只关注一项重要指标。
这个概念在我们搭建数据分析指标体系的时候同样有指导意义。先抓住公司当前阶段的“第一关键指标”然后再把这个指标拆解到各部门,形成各部门的“第一关键指标”,也就是我们说的OKR,或者是KPI,然后再根据各部门的业务,基于这个第一关键指标思考应该关注哪些细化的指标。
(2)基于用户生命周期的指标体系:AARRR
(3)客户满意度指标体系:RATER指数模型
总之,关于数据指标体系的搭建可以先模仿再优化,重点是解决业务问题,一些特定业务场景的数据指标体系,可以先模仿套用,再根据业务形态加以调整,完整、准确的数据指标体系是实现数据分析,体现数据价值的基础。
(本文转自网络,版权归原作者所有,歪老师做了删改,侵权删)

<END>
继续阅读
阅读原文