‖驱动力
目录‖
前言
在大数据时代的浪潮中，数据指标体系作为数据价值的挖掘器与业务决策的指南针，其构建与设计显得尤为重要。本期《驱动力》杂志以“数据指标体系”为主题，集结了多篇探讨数据指标体系建设的精彩文章。这些文章不仅涵盖了理论框架的搭建，还涉及了实际操作的技巧与方法。
数据如同龙，指标则是引领龙腾飞的翅膀。在这个信息爆炸的时代，建立有效的数据指标体系不仅是一项挑战，更是一次机遇。希望本期《驱动力》杂志能为你提供启示，助您在数据世界中航行如龙，驾驭风向。愿与你共同探索数据指标的奥秘，驱动企业腾飞！
“
”
目录
终于有人把数据指标体系讲明白了
如何搭建一套完整的数据指标体系
数据指标体系搭建指南：让数据说话，让决策更明智
搭建数据指标体系，我总结了标准化全流程
04
13
21
28
‖驱动力
数说‖
终于有人把数据指标体系讲明白了！
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。
来 源：知乎/作 者：好好的分析师
链 接：https://mp.weixin.qq.com/s/h6wPafCTIEf82Pdj9jVkTg
“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：
- 为什么指标体系这么重要？
- 什么是指标体系？
- 指标体系的衡量标准是什么？
- 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：
指标体系应该怎么用？
首先，回答第一个问题。
图1：指标与指标体系的异同
#01.
指标体系为什么这么重要？
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。
#02.
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。
‖驱动力
数说‖
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。
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。
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。
【√】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？
#03.
怎么评价一套指标体系的好坏？
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。
‖驱动力
数说‖
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
“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。
#04.
如何搭建一套好的指标体系？
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。
‖驱动力
数说‖
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。
#05.
指标体系该怎么用？
- 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？
‖驱动力
风向‖
- 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）。
#06.
小结
-END-
如何搭建一套完整的数据指标体系
来 源：数据学堂 / 作 者：歪老师
链 接：https://mp.weixin.qq.com/s/1fsgCFvXEtrLzCJ1IEG7-A
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。
#01.
指标体系是什么？
其实，现代企业和封建社会商帮（乔家大院时代）在管理方法上最大的区别就是引入了统计学（其它的诸如制度、股权、职业经理人制度等其实在古代商帮早就有，乔致庸就给手下的员工发了股份嘛）。
提起指标，我们总能想起那个著名管理学大师彼得·德鲁克名言：“如果你不能衡量，那么就不能管理”。当然，也不能说古代的企业管理没有统计学，至少是有统计的，要不然怎么知道每年挣了多少两银子呢。
随着企业管理知识的进步，更多的数据和统计被应用到企业管理当中。从市场营销到销售售后、从客户调研到CRM管理、从研发到物流。
以前，主要是用统计学（例如做一大堆抽样调研）根据概率分布得出结论。
现在到了大数据时代，我们可以非常轻松地统计上亿用户的浏览、下单、评论行为，进而得出结论。
‖驱动力
风向‖
所以，所谓的指标就是对所观察事物的一种量化统计。大到企业的收入利润，小到每个一线销售人员每天的客户拜访量、成单量等。
那么，什么是体系呢？
体系，就是用一套逻辑把一大堆东西连接起来。比如，人的生命体系包括大脑、心脏、血液、各种器官等等，每一个组成部分都在这个体系中有自己独特的功能，都是这个体系不可或缺的一部分。
而企业的指标体系，就是能够将大到企业的总收入、利润，小到每个销售员的成交量等单个指标用一套逻辑连接起来（见下图）。
在这套逻辑里，你能从局部看到整体，能从整体划分到局部。
例如你头疼（整体），医生能够按照人的生命体系一一检查，直到发现你上呼吸道不正常，发生了感染（局部）；也能从你手扎破了（局部），如果不及时处理伤口，可能由于感染丢失了性命（整体）。
企业也一样，通过企业的指标体系，也能看到企业利润没有达成，是哪个部门（个人）出现了问题，也可从一个销售员的业绩推断出公司的整体情况。
由此可以看出，指标体系最重要的是“指标”和“逻辑”。
那么，如果我们想要搭建一套完整指标体系，就得有一大堆衡量企业健康状况的指标，还得有一整套逻辑将企业的各个指标有机连接起来。
“指标”和“逻辑”虽然是指标体系的两个组成部分，但是构造“指标”和“逻辑”的过程却是同一个过程，那就是“自上而下，从大到小”，层层拆解，步步细分（业绩目标的设定过程可能相反）。
首先，每个企业都有自己每年的整体目标，这个目标一般是营收、利润、或销量。
这个大指标的问题在于，它无法把责任落在某一个具体的人或部门（CEO不算，因为整个指标体系就是为了他达成大指标使用的管理工具，他又不能一个人把公司所有活干了），所以就需要把这个大指标进行拆解，直到拆解到责任可以落实到每一个部门（个人）头上。
其次，就是如何拆解企业目标，这一步至关重要。一般来说，指标体系是按照本企业的业务流程进行拆解。
那什么是业务流程呢？它指的就是你要将从消费者（或者客户）那里收到钱所经历的所有的步骤进行拆解（也有人说按照消费者消费路径来拆解的，个人认为主要是业务流程，因为一般公司的部门是按照业务流程设置的）。
例如一家汽车制造公司，要想从客户手里收到购车款，大体来说需要经历造车——>营销——>物流——>销售的环节。那如何将企业一年的收入在这些环节进行分解，这时可以就需要“将业务流程抽象为数学公式”，因为指标本质上还是数据，所以指标的拆解当然离不开数学。
以上汽车销售的业务流程用数学公式表达出来如下：
汽车厂的销售收入=Max{出厂车辆数，营销产生的销售线索数✖️销售转化率✖️门店数量}✖️单车利润
因此，要达成营业利润那么子指标就是销售车辆数，而销售车辆数的子指标就是出厂车辆数、销售线索数、销售转化率。
#02.
指标体系如何搭建？
‖驱动力
风向‖
这是大指标的一级拆解，一级拆解，一般建议子指标可以找到一个具体负责的部门。因为说一千道一万，企业是由各部门组成的，不论是传统企业是互联网公司，当然集团除外，我们这里主要说的是某一板块业务。
这样拆解的好处就是，虽然这个部门无法完全控制整个公司大指标，但是总可以控制部门的子指标。
例如，营销部可能无法对整个公司的销售收入负责，毕竟如果你车造的很烂，或者销售人员不努力，即使我把产品吹上天，消费者实际到店一试驾，还是不会买不是吗。但是，有多少人看广告，有多人看了广告愿意试驾（销售线索）你总不能甩锅吧。
第三，就是将每个业务流程的目标再次在本流程的子流程层面进行二级拆解（见下图）。
例如，营销部负责销售线索数，但是你可能在很多媒介上做广告，例如电视、门户网站、移动端APP等等，那么每一个媒介上有多少销售线索数，你总得有一个统计指标吧，或者每一个媒介都有一个具体的人员在负责，那么将“销售线索数”这个子指标再细分，就是“XX媒介产生的销售线索数”。
这样，我们就可以看出这个媒介在整年的表现，如果责任到人的话，可以直接去看负责这个媒介投放的人员的业绩表现，进而通过这个子指标看其对整个营业收入（公司大指标）的影响。
其实这方面没有很好的方法，网上很多人都在鼓吹“OSM模型”，O就是Objective，S 是Strategy，M 是Measurement，其实它更多指的是一个概念框架，而且是高度抽象、大道至简的那种，而在真实的应用上能够参考的意义是有限的（就像 SWOT 分析一样）。
因此，最好的方法，就是你对这个业务流程相当了解，这也是现实中为什么 HR 部门无法设置好的指标体系了，因为他们对业务流程的了解一般少之又少。所以，指标的拆解（指标体系的搭建），其实是非常内行的一件事情。
第四，是将一些职能部门的指标以及业务部门的保障性指标加入进去。如果按照上述方法拆解KPI，那么基本上只有销售部、营销部、生产部等主要业务部门的指标，但是问题是整个公司的运行不是只有业务部门，还有很多职能部门，这些职能部门的工作也很重要，因为他们是保障整个公司的健康运行，也就是以上业务部门的指标能够达成的基础环境（参见波特价值链）。
举个例子，如果财务部门不好好工作，导致出现一个财务漏洞，那整个公司好几年的营收估计都搭进去了，又何谈一年的目标实现呢？
那这些职能部门的指标如何拆解呢？
首先，你必须得了解它们的主要工作内容、工作目标、工作流程。例如财务部门，主要指标可能是财务报告的及时性和准确性，以及预算管理的好与坏，这些都是可以量化的。
还有数据分析部门可能主要是一个支撑部门，那目标就是、及时准确地支撑业务部门数据需求、报表开发、给管理层的深度分析报告等，这些服务可以由各业务部门来打分，这样你就可以设置数据分析部门的指标诸如“数据提供满意度”、“数据分析报告满意度”等。
‖驱动力
风向‖
此外，业务部门也有保障性指标。例如生产部的指标肯定不光是生产合格的产品数量，你还得在一定时间、按照一定成本、按照一定良品率把合格的产品生产出来，那这个部门（业务）的指标就不光是生产合格的产品数量，还有以上提到的保障性指标。
通过之前搭建的业务指标体系（总指标——>细分——>细分——>……），加上诸如风险管理、财务、人事等职能（支撑）部门的保障性指标以及业务部门的业务保障性指标，覆盖整个公司的指标体系就搭建起来了。
这个体系整体像一颗巨大的数，但是在内在结构上又是枝与枝相关联，例如各部门的预算控制好了，整个财务的预算才能控制好；或者说数据部门要提供好用的报表，也得开发部门开发出好用的报表套件才行。毕竟，各部门相互连接，整个公司才是一个“有机的”整体（下图）。
第一，搭建指标体系的人要对整个公司的业务及业务流程非常熟悉，或者说指标体系的搭建过程应该是各部门共同参与，而不单单是某一个部门的事情。
好的指标体系绝不是单纯地套用某些行业／公司的模版就可以，因为好的指标体系一定要与你的业务特点、业务流程、业务策略深度绑定，比如开火锅店的和西餐的指标体系肯定是不一样的，在国贸开西餐和在火车站开西餐的指标体系也是不一样的，所以光靠招聘一个数据分析师肯定不行。
第二，好的指标体系应该是各部门互相牵制、相互影响，指标的负责部门和指标的考核部门应该独立开来。
如果生产部门或产品开发部门只管生产车辆，而不管车辆的品质、市场契合度等，你就是让销售部门去硬背销售指标，最终只能导致销售人员离职率飙升，因为产品不好，就算你卖出去了，你的退货率、保修率能不高吗？
所以，好的指标体系应该是销售部门、售后部门负责“产品满意度”这个指标的考核。这样就达到了“你说我销售不给力，我说你产品不好”的效果，这种相互争吵的效果在真实的企业管理中是需要的。
第三，好的指标体系，应该是有人从中立的角度去检验的。
正如之前所讲，要搭建好的指标体系，首先你得对整个公司的业务非常了解。
现实中很多数据部门／负责指标体系搭建的部门对业务并不了解，那么他们是如何搭建指标体系的呢？就是靠各部门主动报送指标项。
但是，这里的坑就是各部门报送的指标一定是对自己有利的，而非对公司有利的。例如，营销部门一定会报送注册用户数，但是不会报送注册用户次月留存率，这样，如果没有行家从中立的角度去看，到最后这个转化率指标一定是销售部门和营销部门无限制扯皮的过程，而注册用户数也可以轻松搞上去。
第四，指标体系用于考核的时候，一定是有“共背指标”的，这和第二点有相似之处。
#03.
指标体系搭建5大注意要点
‖驱动力
一线‖
好的考核体系，一定是诸如“销售收入”这样涉及公司好坏安危的重大指标由所有部门共同担负，这样做的好处一是避免到年末有些部门奖金丰厚有些部门没有奖金，二是给予一种销量不好人人有责的公司氛围。当然还有一些特定领域的指标，例如用户留存率，最好是拉新部门和运营部门共同背负。
最后，好的指标体系，一定是每个指标都有清晰的统计口径的。
这一点不用多说大家应该都能懂，大多数时候我们看年末快完不成任务，就各种修改指标口径和统计方式，这样以来，牵一发而动全身，对整个指标体系有伤筋动骨的影响，而且如果口径随意更改，那指标就失去了威慑力，一旦失去威慑力，那就失去了它的所有作用。
如今数据已经成为企业运营中不可或缺的重要资源。无论是产品研发、市场营销还是决策制定，数据都发挥着至关重要的作用。因此，搭建一个科学、合理的数据指标体系，对于企业的长远发展具有重要意义。一个完善的数据指标体系，可以帮助企业全面、深入地了解业务状况，发现潜在问题，优化业务流程，提高运营效率。同时，通过数据分析，企业还可以洞察市场趋势，制定更加精准的营销策略，提升市场竞争力。因此，搭建数据指标体系是企业实现数据驱动决策、提升竞争力的重要手段。
#01.
明确数据指标体系搭建的目标与核心指标
-END-
数据指标体系搭建指南：让数据说话，让决策更明智
来 源：数据化运营圈
链 接：
https://mp.weixin.qq.com/s/ui-J0pxtqLHuRksH7mfTZw?poc_token=HFph_mWj4GjkOfAcvQNTCMhQr-JdDoW6KN3vwYxG
分析企业核心业务与长期发展策略
在搭建数据指标体系之前，首先需要对企业的核心业务和长期发展策略进行深入分析。通过了解企业的业务模式、市场定位、竞争优势等方面，明确企业的发展目标和战略方向，为数据指标体系的搭建提供指导。
‖驱动力
一线‖
确定“北极星指标”作为数据指标体系的核心
北极星指标，即企业最为关注、最能反映企业发展状况的关键指标。在明确企业发展目标和战略方向的基础上，结合业务特点和市场需求，选定合适的北极星指标。北极星指标应具有明确的业务含义、可衡量性和可达成性，能够引领企业朝着既定目标前进。
梳理企业的主要业务流程与关键节点
通过对企业业务流程的梳理，可以明确各个环节的数据需求。从原材料采购、生产制造、产品销售到售后服务等各个环节，都需要关注相关的数据指标，以便全面了解业务流程的运行状况。
分析业务流程中的数据需求与潜在价值点
在梳理业务流程的基础上，进一步分析各个环节中的数据需求。通过挖掘数据的潜在价值点，发现业务优化和改进的空间。同时，还需要关注数据之间的关联性和相互影响，以便构建更加完整、准确的数据指标体系。
以“北极星指标”为基石，构建指标体系的主体框架
以北极星指标为核心，构建指标体系的主体框架。根据业务流程和数据需求，将相关指标进行分类和归属，形成层次清晰、逻辑严密的指标体系结构。同时，还需要考虑指标之间的关联性和相互影响，确保指标体系的完整性和准确性。
设计辅助指标，以丰富指标体系的维度与深度
除了北极星指标外，还需要设计一系列辅助指标，以丰富指标体系的维度与深度。这些辅助指标可以覆盖企业的多个关键领域，如运营、市场、财务等。通过设计合理的辅助指标，可以更加全面地反映企业的业务状况和发展趋势。
#02.
梳理企业关键业务流程与数据需求
#03.
设计指标体系结构与辅助指标
#04.
确定指标计算与数据收集方法
明确指标的计算逻辑与公式
为了确保指标的准确性和可操作性，需要明确每个指标的计算逻辑与公式。这包括指标的定义、计算方式、数据来源等方面。同时，还需要考虑计算过程中的异常处理和校验机制，确保计算结果的准确性和可靠性。
‖驱动力
一线‖
确定数据的收集来源与采集方式
数据的收集来源和采集方式对于指标体系的搭建至关重要。需要根据指标的计算逻辑和数据需求，确定合适的数据收集来源和采集方式。这包括企业内部数据、外部市场数据、第三方数据等。同时，还需要考虑数据的时效性和准确性，确保数据的质量符合指标体系的要求。
整合所有指标，形成层次清晰、逻辑严密的指标体系
在确定了各个指标的计算逻辑和数据收集方法后，需要将所有指标进行整合，形成层次清晰、逻辑严密的指标体系。这包括指标的分类、命名、定义、计算方式等方面的规范化和标准化。
制定指标的命名规范与数据字典，方便后续管理与查询
为了方便后续的管理和查询工作，需要制定指标的命名规范和数据字典。命名规范应简洁明了，能够准确反映指标的含义和用途；数据字典则包括指标的定义、计算公式、数据来源等详细信息，为后续的数据分析和决策提供便利。
#02.
梳理企业关键业务流程与数据需求
#05.
构建完整的数据指标体系
#06.
实施与验证指标体系
将指标体系应用于企业实际运营中
在完成指标体系的搭建后，需要将其应用于企业的实际运营中。通过采集实际数据并计算各个指标的值，形成完整的数据报告和分析结果。这些数据和分析结果可以为企业的决策提供有力支持。
分析指标数据，为企业决策提供支持与依据
通过对指标数据的分析，可以深入了解企业的业务状况和发展趋势。这包括对比历史数据、分析变化趋势、发现潜在问题等方面。基于这些数据和分析结果，企业可以制定更加精准的营销策略、优化业务流程、提升运营效率等。
‖驱动力
一线‖
根据业务发展与市场变化，不断调整与优化指标体系
随着业务的发展和市场的变化，指标体系也需要不断进行调整和优化。这包括根据新的业务需求和市场趋势，增加新的指标或调整现有指标的权重；根据数据质量和计算效率的要求，优化指标的计算逻辑和数据收集方式等。通过持续优化指标体系，可以确保其始终与企业的业务发展保持同步。
收集用户反馈，不断完善指标设计与计算方法
指标体系的搭建并非一蹴而就，需要不断地收集用户反馈并进行改进。通过与用户沟通、收集意见和建议，了解指标体系在实际应用中的问题和不足，进而完善指标的设计和计算方法。同时，还可以借鉴其他成功企业的经验，不断优化指标体系的结构和内容。
实际运营中，并通过数据分析为企业决策提供支持与依据。同时，还需要根据业务发展与市场变化，不断优化与迭代指标体系，确保其始终与企业的业务发展保持同步。通过搭建和优化数据指标体系，企业可以更好地理解业务状况、发现潜在问题、优化业务流程，从而实现数据驱动决策、提升竞争力的目标。
#07.
持续优化与迭代指标体系
结论
搭建一个科学、合理的数据指标体系，对于企业的长远发展具有重要意义。通过明确目标与核心指标、梳理业务流程与数据需求、设计指标体系结构与辅助指标等步骤，可以构建出一个完整、有效的数据指标体系。在实施与验证指标体系的过程中，需要将其应用于
-END-
‖驱动力
热点‖
如何搭建指标体系？本文从业务场景、业务目标、业务流程和数据采集几个方面说明了如何在具体场景里搭建出好的指标体系。让我们一起来看看吧！
一提起指标体系，很多同学像说相声一样，脱口而出“AARRR”“OSM”“UJM”……讲得好开心，可面试官多反驳一句：“我这是销售运营的指标体系！”“说清楚到底O是什么O，U是怎么U的！”就会让很多同学没了办法。今天系统讲解下，该如何处理此类问题。
和很多数据分析问题一样，OSM等理论本身没有问题。问题是不能把理论当教条，不深入业务流程之中，不考虑具体场景，是没法搭建出好用的指标体系的。
所谓的业务场景，即：数据指标要反映的业务是啥。
它包含了四个方面：
- 业务方目标是什么？
- 业务的流程是什么？
- 业务方做哪些动作影响结果？
- 业务流程/业务流程，有啥数据记录？
很多同学面对具体业务，不知道该怎么梳理指标，本质上是对业务不熟悉。即使不问“销售运营指标体系”，而是问：
搭建数据指标体系，我总结了标准化全流程
来 源：以下文章来源于接地气的陈老师 ，作者接地气的陈老师
链 接：https://mp.weixin.qq.com/s/r0Xfg3XNP7nWhBZHtM1SKQ
#01.
清晰业务场景
- “销售卖的是啥呀？”
- “销售目标客户是谁呀？”
- “销售人员咋卖的呀？”
- “销售运营又运营啥呀？”
一个都答不上来，那还咋梳理指标。懂业务是第一位要求，了解业务场景后，可以一步步开始梳理。
业务目标是业务最关心的东西，也决定了指标体系的主指标是啥。数据采集，得优先保证主指标有采集；指标体系的展开，也优先展示主指标的产生过程。
在业务方的心中，业务目标是很清晰的。因此可以直接沟通。
比如销售运营工作，常见的主指标有：
- 销售目标达成→指标：销售收入（金额）
- 销售业绩增量→指标：销售收入增长率
- 销售队伍稳定性→指标：整体离职率/A级离职率
- 特定客户开发数量→指标：整体离职率/A级离职率
- ……
梳理清楚这些，定下主指标，就能结合具体业务流程，看主指标是怎么实现的。
#02.
清晰业务目标
业务流程是主要数据来源，指标体系首要任务是反馈业务流程情况。有了主指标以后，要结合业务流程，梳理出过程指标。有了过程指标，才能解释主指标为什么低，为什么高。
还拿销售运营举例。销售运营的工作，是叠加在销售正常的工作之上的，因此有两个业务流程要梳理：
#03.
梳理业务流程
‖驱动力
热点‖
- 销售的操作流程
- 销售运营做了哪些优化
不同销售流程的操作不一样，想让指标体系具体、能落地，就得深入业务细节之中，看具体是怎么操作的。有的流程可能很简单，比如销售自带客户资源，那就自己联系客户→签约，结束。但有的流程可能很长，比如卖软件的，从接收客户线索到成交，有N多步骤，这里是不能偷懒的，要一步步认真梳理，最好画出流程图。（如下图）
销售运营的动作，大体上可以分成三部分：
- 培训：培训销售们产品知识、话术、技巧
- 激励：物质激励、精神激励
- 组织：SOP制定、流程管理
这里也不能偷懒，需要了解到细节。比如培训，什么时间、什么话题、多少人参与，要了解到位。比如激励措施，物质奖励的奖励规则，要了解到细节（如下图）这些细节才是直接驱动销售干事情的动力。
这里有个常见的误区，就是很多同学在梳理指标体系的时候，只关注用户行为，不关注业务动作。比如梳理销售指标，就简单地：销售额=业务员人数*有成交比例*人均成交金额，就拉倒完事。
至于有啥奖惩措施，有啥规范制度，一概不知。这样会导致指标体系只能展示结果，不能解释原因，也没法对比分析。最后对着人数、比例、人均金额三个指标狂抓脑袋：为啥它就涨了呢？为啥它就跌了呢？（如下图）
数据记录是保障。业务流程数字化程度不高，没有数据记录，一切免谈。比如销售运营指标体系；如果想解读销售业绩，就得掌握销售过程，得先知道销售干了啥，没干啥；如果想诊断销售能力，就得掌握销售个人画像，得先知道销售有啥经验、啥背景；如果想分析运营动作有效性，就得记录每个动作上线时间，作用在哪些人身上。
#04.
确认数据采集
‖驱动力
热点‖
如果以上统统没有，只有一张成交订单和订单上的销售个人编号。那就真的没啥好分析的了。最后的数据就只有：销售额=业务员人数*有成交比例*人均成交金额。基于这么点可怜的数据，可以做一些简单的、粗线条的分析，比如：
- 对业绩排名，分析业务员业绩稳定性、找出标干
- 对团队排名，分析团队管理水平高低
- 对比活动/政策上线前后差异，粗略观察效果
当然，因为缺少细节，所以这些分析很容易被人质疑。没有数据，分析什么呢！这一点一定要牢牢记在心里。在各种场合，努力推动数字化进程，努力提高业务部门对采集数据的重视（而不是提高业务部门对数据分析成果的期望），才是数据分析师们自救法宝。至于那种大吹特吹：“我有神威无敌大将军算法，代码一跑上知天下知地中间知空气”的主，你就跟他划清界限，让他独自面对销售的质疑，死几次他就知道改了。
比如内容运营场景，得先知道：
- 是啥类型内容、视频、文字、海报？
- 内容创作从目标、选题、素材、发布流程是啥？
- 内容运营团队对不同内容主题的运作计划是啥？
了解业务才能做出切合实际的指标体系。
#05.
更多的场景
不止销售运营，但凡数据想落地到具体业务中，都得经历这个过程。
比如商品管理场景，得先知道：
- 是啥类型商品、保质期、储藏要求、物流要求如何？
- 商品选品、定价、入仓、出货、上架流程是啥？
- 商品管理部门改价格、做促销、做陈列的方案是哈？
-END-
「数据驱动变革」
《驱动力》第29期
投稿：15801365057
地址：北京市朝阳区朝外大街甲6号
邮箱：kai.zhao@yeepay.com
增值电信业务经营许可证：陕B2-20210327 | 
陕公网安备 61102302611033号