导读：数据指标体系是构建数据中台的重要一环。数据指标的建立让运营及产品人员更直观地看到基本指标的变动，让数据分析师更便捷地开展数据分析工作。
作者：杨楠楠 等
来源：数仓宝贝库（ID：DataBaby_Family）
数据指标就是将大数据之“大”的精髓给提炼出来，展现每日观察数据的使用者最迫切想要看到的统计量。数据指标体系并不是第三方服务公司的专利，只要对埋点科学地进行数据采集，每个成型的互联网公司都可以自己搭建数据指标体系。
数据之大，很多时候人们并不知从哪里着手，甚至弄不清自己到底想要什么数据，这时候数据产品经理这一角色应运而生。数据产品经理既要完成数据体系设计，让原本无序或庞杂的数据变得“规矩”，又要根据业务场景的变化不断调整项目内容，推进项目进度，推进数据指标体系的建设与迭代。
数据指标体系的规划是平台型数据产品经理必备的能力，这也是数据产品经理有别于其他产品经理和数据分析师的方面。
《荀子》有云：“水能载舟，亦能覆舟。”在公司日常运营过程中，数据指标体系就像是水，孕育着生命，承载着万物。科学的数据指标体系能指引公司在正确的道路上不断前进，或者使平淡无常的业务焕发新生，而不合理的数据指标体系可能使得业务方无所适从。
01 什么是数据指标体系
在了解什么是数据指标之前，我们思考一下为什么会出现指标，它是为了解决什么问题。人类及科学的发展是与时俱进的，早期为了使自然科学的实验及结果更具统一性及方便标准化衡量，一些标准化的专业指标应运而生。
随着人类社会的发展，社会科学也越来越需要统计学来进行事物的衡量，一系列统计学指标也逐步产生了。随着新信息技术的发展，数据指标逐步被大众认可为衡量目标的方法。
从社会科学角度看，指标是统计学的范畴，用于数据的描述性统计。指标是说明总体数量特征的概念及其数值的综合，故又称为综合指标。
在实际的统计工作和统计理论研究中，往往直接将说明总体数量特征的概念称为指标。传统的指标有国内生产总值（Gross Domestic Product，GDP）、国民生产总值（Gross National Product，GNP）、居民消费价格指数（Consumer Price Index，CPI）、沪深300指数等。
1. 什么是数据指标
数据指标有别于传统意义上的统计指标，它是通过对数据进行分析得到的一个汇总结果，是将业务单元精分和量化后的度量值，使得业务目标可描述、可度量、可拆解。
数据指标需要对业务需求进行进一步抽象，通过埋点进行数据采集，设计一套计算规则，并通过BI和数据可视化呈现，最终能够解释用户行为变化及业务变化。常用的数据指标有PV、UV等。
本文提及的指标是衡量目标的方法，指标由维度、汇总方式和量度组成（见图1）。
▲图1 指标的构成
比如，播放总时长是指用户在一段时间内播放音频的时长总和（单位：分钟）。按照上述拆解，维度是指筛选的一段时间，汇总方式为计算了时间长度的总和，而量度就是统一的单位—分钟数。
这里，我们可以理解为指标是由这几个方面构成，相当于英文的构词法，前缀、后缀等共同形成了一个单词。
2. 什么是指标体系
体系化的本质是将数据指标系统性地组织起来，具体会按照业务模型、按标准对指标不同的属性分类及分层。当然，不同的业务阶段、不同业务类型会有不同阶段的划分标准。
数据指标体系含有十分丰富的统计量，从宏观上看，它是一个相对全面的有机整体；从微观上看，每个数据指标都有其特定含义，反映了某一细节的客观事实。不同的数据指标定义不同，逻辑也不同，这些各种各样的统计量共同构成了数据指标体系，使其产生不可磨灭的价值。
总的来说，数据指标体系是对业务指标体系化的汇总，用来明确指标的口径、维度、指标取数逻辑等信息，并能快速获取到指标的相关信息。
02 数据指标体系的价值
数据指标体系是业务数据标准化的基础，其对指标进行了统一管理，体系化是为了方便统一修改、共享及维护。
宏观方面，数据指标体系建设是数据中台建设的重要一环，不仅符合“创新驱动”的意识，更是企业实现自身“数据驱动”发展的重要途径。
随着大数据和人工智能技术的发展，很多企业选择借助信息技术实现转型升级。在大数据时代早期，大部分数据并没有被充分地挖掘分析和利用。虽然数据规模非常大，但是却很难利用这些数据创造价值。而数据中台的提出及数据指标体系的构建，使得数据产生了实际价值。
有了数据指标，人们做决策时不再是按照经验“拍脑袋”，而是看看数据是怎样呈现的，能够及时基于数据进行战略调整及决策规划。
数据指标体系的价值主要体现在全面支持决策、指导业务运营、驱动用户增长，同时统一统计口径（见图2）。其中，作为压轴作用的统一统计口径对于数据指标体系而言具有战略意义。
在一个整体中，如果不能统一口径，那么一切分析及对比的参考价值就会显得无意义，各方也会陷入公说公有理，婆说婆有理的尴尬局面。由此说明，对于衡量整个公司的业务价值而言，建立一套统一标准的数据指标体系的作用不言而喻。
▲图2 数据指标体系的价值
1. 全面支持决策
数据指标极具参考价值，公司的管理层为了更准确地进行战略决策，需要搭建完备的数据指标体系。一个相对全面的数据指标体系，可以让管理者对公司的发展从数据层面有一个比较客观的认知，而不是管中窥豹，这样在进行战略决策时，可以保持相对理性。
而对于新业务的洞察，也可以不断融入新的数据指标，丰富指标体系，灵活且全面地把握业务发展趋势，为未来的决策提供借鉴。
2. 指导业务运营
不懂数据的产品不是好运营，为了便捷地了解产品现状及业务效果，指标体系中会有很多拆解的细分指标，这些数据的变动反映的是用户对于运营情况的最新反馈，为运营的业务决策提供了数据支持。用户运营可以根据这些数据，了解用户的喜好，决定下一步的运营策略和活动开展。
例如，对于阅读行业来说，内容编辑会基于自己对内容的认知，将一组有共性特征的书籍组成一个书单推送给用户，那么指标体系中也会有相应的指标反映用户对这个书单的偏好。内容编辑就可以通过这些指标，了解用户的偏好，决定下一步是否要继续尝试这种类型的专题。
3. 驱动用户增长
最近最火的词莫过于用户增长，数据指标体系中的用户行为数据，可以让产品及运营人员对用户的行为路径和喜好模式有一个比较深入的理解。剖析用户的行为特征，助力用户价值的提升，让产品及运营更聚焦于产品细节的优化，更好地进行监测，提升用户留存及转化。
人们在分析和挖掘用户行为的过程中，也许会发现不少新的用户增长点。体系化的指标结合了用户的场景，且多个不同的指标和维度可以串联起来进行全局分析，解决了非体系化指标无法串联的痛点。
公司在深入进行数据分析后，可能会在原有业务中发现某个点潜藏着巨大商业价值，从而单独把这块业务重点推进，实现用户增长的二次腾飞。
4. 统一统计口径
从技术角度来看，数据中台是为了汇总与融合企业内的全部数据，甚至外部数据，打破数据隔阂，解决数据标准与口径不一致的问题。数据指标体系化有个好处是可以实现指标的统一管理，实现统一的统计口径，避免定义模糊和逻辑混乱，影响数据质量。
同时，完备的数据指标体系也可减少重复统计的问题，从而避免日志上报产生的数据冗余和重复分析产生的服务器资源浪费。
本文摘编自《数据产品经理：实战进阶》，经出版方授权发布。
延伸阅读《数据产品经理：实战进阶》