数据指标体系是什么？5+5+5

第一期，当然得从数据指标体系讲起。因为几乎所有数据分析工作都会提“建立数据指标体系”。同学们现实的困惑是：你说报表我就见过，我天天都在更新。可这玩意怎么就体系了呢？做了体系又怎么样呢？为啥我不觉得我做的是体系？今天系统解答一下。要讲，就从数据指标讲起。

01 为啥需要数据指标

以下话是不是经常听到：

• “大概有1万多人吧”
• “有很多顾客都不满意”
• “感觉我们门店都没人了”

不确定、不具体、不准确。

我们平时过日子都是这么说话的。没毛病，因为具体的消息是有很大成本的，大部分时候我们就是随口说说而已。但是企业经营要是都靠这个那就死翘翘了，花多少钱赚多少钱都不清楚，老板非气的翘辫子。

数据指标就是对抗不确定的。

如果我们把上边的表述改成：

• 2月4日新注册用户9800人，超目标1000人
• 2月4日当日A产品退货100件，累计30天退货率2.5%
• 2月4日全国到店用户30万人，到店率30%，低于32%的期望值

是不是爽快多了。这就是数据指标的直观用途。

02 为啥需要数据指标体系

实际工作中，想要准确说清楚一件事是挺麻烦的，比如我们想说：“2月份A产品卖的非常棒！”如果对方想较真的话，可以挑一堆刺出来（如下图）

一个问题，往往有很多方面，只用一个指标不能充分说明问题。这就需要一组有逻辑的数据指标来描述，这就是数据指标体系。

03 数据指标体系五大件

第一要素：主指标（一级指标）

用来评价这个事到底咋样的最核心的指标。比如说：“产品卖的好”。直观的想到是“销售金额”这个指标，因为这是我们卖货直接收到手里的钱，钱多了当然好。

每个指标得有以下要素：

1. 业务含义：在业务上它的意义是……
2. 数据来源：哪个系统采集原始数据
3. 统计时间：在XX时间内产生的该数据
4. 计算公式：如果有比例、比率，得说清楚谁除谁；如果是汇总，得说清楚谁加谁。

注意：有可能需要多个主指标，来做综合评价。比如产品卖的好，光看金额还不够，可能还要关注毛利，这才是真正赚到的钱。可能还得看销售数量，因为销售数量和库存直接挂钩，得防止积压太多。这样就至少有了三个主指标：销售金额、销售件数、销售毛利。

第二要素：子指标（二级/三级指标）

主指标可能由几个子部分构成。比如：

销售金额=用户数 * 付费率* 客单价

如果销售金额没达标，我们会很好奇：到底是购买的客户少了，还是卖的人不够多，还是买的太便宜了，了解细节有利于我们找到真正的问题，这时候就得拆解子指标。

第三要素：过程指标

主指标往往是最终的结果，比如B2B行业的销售金额，是销售线索-售前跟进-需求确认-产品体验-价格谈判-竞标-签约这一系列过程最后的一个结果。光看一个最后结果是无法监督、改进过程的。如果想更进一步管理，就得看得更细一些，从而添加子指标（如下图）

第四要素：分类维度

有可能一件事是很多人、在很长时间内完成的。想知道总销售金额是怎么构成的，每个地区、每个团队分别完成多少，可以增加分类维度。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（如下图）

第五要素：判断标准

即使有了以上四个点，我们还是不能说：A产品卖的好。因为好是个形容词，是和差相对的。因此就需要一个对比的参照物。参照物的选择，本身是个复杂的分析过程，需要做深入的分析。

在构造指标体系的时候，往往这些判断标准是和当前数据一起呈现的。这样在看数据的时候，可以直观的做出判断，使用起来就很方便了。

04 数据指标体系如何发挥作用

小结一下，构成指标体系五部分是：

1. 主指标
2. 子指标
3. 过程指标
4. 分类维度
5. 判断标准

有了这五部分，诊断起问题来非常轻松。

1. 先看主指标+判断标准，比如主指标是：销售金额，先看本月是否达标了，没达标差多少达标。再看年累计达标没有，有多少亏空/盈余。这样很容易看清楚：知道问题是什么，有多大。
2. 再看分类维度。哪些区域没有做好，是不是一贯做不好；哪些区域做的好，是勉强完成还是持续上涨。这样谁有能力兜底，谁是拖后腿的一目了然。
3. 再看子指标/过程指标。哪个环节没做好，是线索太少了，得加大推广力度；还是跟进成功率低，得提升销售能力；还是报价总miss，得增加一些折扣。怎么处理问题一目了然。

可以说，做好了数据指标体系，基本上能干60%数据分析师的活。好的数据指标体系，就能让业务人员看一眼就知道该在哪里干，该往什么方向干，非常好用。

注意：基于指标体系的诊断，只解决战术问题，不解决战斗层面的细节问题。比如问：

• 我没有思路，该怎么设计方法？
• 我有三种方法，哪种更适合当前问题？