数据产品系列：解读数据指标
【数据产品系列：解读数据指标】数据产品实战知识系列 ， 由浅入深 ， 会包括主要的数据产品知识体系和市面上主流的数据产品介绍 。
本文插图
我们所有的数据工作 ， 包括处理、查询、分析等 ， 其针对的数据字段 ， 本质上都是数据指标 。 所以数据指标已经是大家很熟悉的产品了 。
指标既包括一些宏观通用的指标 ， 例如PV、UV 。 也有结合具体业务的特定指标 ， 例如零售行业的动销率、周转天数 ， 或者游戏行业的留存、ARPU等 。 对企业来说 ， 一套科学严谨的指标体系 ， 是了解和指导公司经营的关键 。
01 指标体系
为什么要有指标体系？
如果没有一套针对业务的指标体系 ， 那么所有的分析都是只针对具体单点的 ， 无法观察到业务全貌 ， 每次的分析过程也不具备复用性 。
而企业经营过程中 ， 其实可以梳理出大量的指标 ， 分散在各个业务流程中 ， 若不对指标定义优先级 ， 建立联系 ， 则每次分析数据、定位问题时都会如大海捞针 ， 存在大量的重复且无效的工作 。
建立一套适合具体业务的指标体系 ， 正是为了通过指标间有机的结合 ， 能简洁明了地反映业务经营状况 。 个人认为指标体系的搭建 ， 主要是2类方式：
1. 纵向构成
即对指标进行自上而下的拆解（也小有可能是自下而上的归纳） 。 典型例子便是第一关键指标法 。 了解增长黑客的同学 ， 对北极星指标应该不会陌生 ， 其本质也是要定义出在当前阶段 ， 企业要集中全部精力关注的一个指标 。 然后对该指标进行逐级拆解 ， 最后形成的公式 ， 这套指标体系 ， 其实也就是该业务的增长模型 。
例如某零售商 ， 若以毛利作为第一关键指标 ， 则可以构建如下的指标体系 。
本文插图
纵向指标拆解
2. 横向推进
横向推进用于分析业务流程 ， 关注其中的过程指标 。 用户转化漏斗、用户行为路径都是常见的横向推进的分析模型 ， 每个步骤下的指标共同构成了一套体系 。 更宏观且长效的案例 ， 可以参考AARRR模型 ， 也称为海盗指标法 ， 仍然是增长黑客的常用工具 。 AARRR模型将公司需要关注的指标归结为5个阶段 ， 分别为Acquisition（获取）、Activation（激活）、Retention（留存）、Revenue（营收）和Referral（推荐） ， 不同阶段下可以再定义并拆解出具体的指标 。 对于该模型 ， 如果以后有机会写增长相关内容的话 ， 再做展开 。
通常来说纵向和横向的指标体系是配合使用的 ， 共同构建出公司当前阶段经营情况的全貌 。 需要注意的是 ， 随着公司的发展 ， 在不同阶段所关注的指标和所需的指标体系也是不同的 ， 需要适时调整 。
指标体系的重点 ， 一是指标 ， 二是体系 ， 缺一不可 。 更多时候我们遇到的情况并不是从0到1搭建指标体系 ， 而是公司可能已经有了一系列的指标 ， 但并没有形成成熟的体系 ， 这是在做数据治理时常碰到的情况 。 这种情况下 ， 一般会经历4个阶段 ， 我们也可以看看自己的公司目前处在哪个阶段 。
阶段1
有指标 ， 无体系 。 公司有关注的指标 ， 但通常数据粒度较粗 ， 深度较浅 ， 数据有可能散落在各处 。 比如常见的GMV、订单量等指标 ， 电商公司都会关注 ， 但每次关注都是独立的取数和单一的数据观察的过程 。
阶段2
有一定的分类和归集标准 ， 通过合适的维度进行了区分 ， 对于数据的查询处理要方便很多 。 例如下图对指标按照商品、销售等维度做了分类 。
推荐阅读
- 每日经济新闻|云南电信自6月1日起逐步关闭3G数据业务
- 硝烟里的回忆|夏艾璃：黄金上攻乏力？短线多空焦灼！后市深度解读！
- 数据中心|严重低估的科技股：斥巨资建数据中心，市盈率仅13倍
- 美国|6月2日美国宏观事历提醒：关注商业零售销售数据
- 中金网|银保监会下猛药整治保险中介市场乱象 打击编制虚假数据等行为
- 硝烟里的回忆|夏艾璃：黄金投资技术教学！新手战法之三角收敛的图文解读！
- 精品研发助业绩腾飞，三七互娱搭建数据与价值之间的桥梁
- 港股那点事|辉瑞抗癌药临床试验数据未达预期，股价大跌7%
- 瑞德|瑞德西韦Ⅲ期实验数据“喜忧参半” 部分数据不再“积极”
- 美国|美股盘前：瑞德西韦Ⅲ期试验数据不及预期 美国暴力抗议活动愈演愈烈