数据指标体系

一、数据指标

1 数据指标作用

  • 让描述性统计更直观、更确定。“大概有1万多人吧” VS “2月4日新注册用户9800人,超目标1000人”。
  • 让各部门描述口径一致。

2 指标构成

  • 原子性指标:最基础不可拆分指标(如销售额)
  • 修饰词(可选):某种场景(如搜索),不同维度
  • 时间段:如618
  • 派生指标:派生指标=原子性指标+修饰词(可选)+时间段,如618通过搜索带来的交易额、次日留存、日活、日转化率;

一个指标最少要有以下要素:

  1. 业务含义:各部门统一的业务口径,不能模棱两可,有目的且准确
  2. 数据来源:哪个系统、哪个埋点采集的源数据
  3. 统计时间:在XX时间内产生的数据
  4. 计算公式:比例、比率,说清楚谁除谁;汇总,说清楚谁加谁

二、数据指标体系

  一个单独指标无法充分描述具体问题,所以在业务不同阶段,需要分析师牵头、业务方协助,制定的一套能从各维度去反映业务状况的一套待实施框架。

1 指标体系几大要素

①主指标(一级指标、核心指标)——目标思维
评价目前业务发展现状怎么样,最核心的指标。

  • 核心指标可以有多个。比如产品卖得好与坏,需要三个主指标来衡量:销售金额、销售件数(影响库存)、销售毛利(真正利润),而不是单单看销售金额。
  • 核心指标可以是动态的。根据业务发展阶段,制定不同核心指标。比如创业期,关注盘子大小(如用户量),关注各渠道的拉新表现;上升期,关注盘子大小健康程度(用户量+留存);成熟发展期,关注收入市场份额和竞品监控。
  • 主指标越大越好。比如销售金额、毛利等。但有些指标不是越大越好,比如用户数,会存在一人多号、虚假注册、刷量等情况,避免虚荣指标。

②子指标(二级/三级指标)——横向微观拆分
  主指标的拆分、构成。用于发现更细节、更真实的业务问题。比如,主指标:销售金额=用户数 * 付费率 * 客单价,假如销售金额没达标,到底是客户少了,还是实际购买的人不多,还是卖的太便宜了。
③过程指标——纵向递进
  主指标衡量是结果。根据各业务线的过程,需要为每一个环节添加子指标,便于优化、监督每一个过程。比如业务漏斗模型、用户行为路径。
④分类维度——横向宏观拆分
  结构性——能够充分对业务进行解读,如新增用户只是一个大数,还需要知道每个渠道的新增用户,每个渠道的新增转化率,每个渠道的新增用户价值等。通过分类维度,把主指标切成若干块,这样能避免平均数陷阱,把整体和局部一起看清楚。主指标通过不同的事物在时间和空间积累的一个结果,需要把时空拆分、空间拆分、事物组成拆分。
⑤判断标准——对比思维

2 指标体系怎么看(数据异动分析)

  1. 首先,看主指标+判断标准。实际比标准大还是小,程度有多大。
  2. 然后看,分类维度。实际>标准了,是多有都大吗?会不会有平均数陷阱,不好的是那个渠道。
  3. 再看,子指标/过程指标。把出问题的环节都优化好。

总结:先目标——再横向——后纵向。

3 构造指标体系

  完整业务框架的指标体系应该都是有数据产品大佬负责。小白了解构建思维就好了趴,对某个小分支业务有初步构造能力即可。
①第一步,理清业务发展现状(大佬级别),确定核心指标。明确工作目标(小弟级别),清晰主指标。
针对不同的业务阶段(业务目的),清楚公司现状(业务目的)。
②第二步,清晰判断标准。

  • KPI达成率法:KIP指标,有明确的数量要求;
  • 竞品对标法:以竞品或行业为参照做对比;
  • 生命周期法:环比,业务周期走势;
  • 自然周期法:同比,今年同时间走势比去年同时间走势。

③第三步,指标拆解

  • 根据业务管理方式,拆解合适子指标;
  • 根据业务流程、业务路径,找合适的过程指标;
  • 有意义的、能执行的维度,能说清楚业务现状的维度进行拆分。维度太多会影响阅读,获取信息不直观。

④第四步,指标宣贯、存档、落地

  • 宣贯:统一口径;
  • 存档:对指标口径和业务逻辑进行详细描述存档(名称、计算方式、业务含义、常见问题现象);
  • 落地:没做埋点的,做埋点。有了数据建立相关报表。

文章收藏:
接地气的陈老师:手摸手教学之:梳理数据指标体系

加薪加油呀:数据分析思维——指标体系搭建

posted @ 2021-06-11 14:05  Lu-顺  阅读(73)  评论(0编辑  收藏  举报