下面是小编为大家整理的不同行业数据指标体系，是怎么搭建（范文推荐）,供大家参考。
不同行业的数据指标体系，是怎么搭建的 前言 数据指标体系是任何业务分析的基础，日常的数据异常快速定位，运营效果的监测、业务健康度的评价等问题，有了数据指标体系，都可以快速解决。
那么，如何搭建指标体系呢？不同行业数据指标体系的搭建有没有共通点？这里和大家分享数据指标体系搭建的一般流程，并针对三个不同的行业（电商、社区、金融 APP），来进行指标体系的搭建。
一、什么是数据指标体系？ 指标是衡量目标的参数，老板在制定年度计划的时候，会说：
今年我们的计划是到年底存量用户数超 2000 万； 年底 GMV 达到 2 亿。
这里的存量用户数、GMV 就是指标。
而数据指标体系就是将不同层级、不同维度的指标，结合业务过程串联起一套能反映业务现状、并能快速做出反应的业务评价体系。
二、为什么要搭建数据指标体系？ 对于企业来说，我们无法用单一的指标来衡量整个企业的运行状况，比如我们只选用生产成本这个指标，就无法得知销售端的状况，只使用销售金额又无法得知今年的利润如何。
所以这需要我们有系统性思考的能力，也就是能否站在全局角度，通过严谨的逻辑与业务结合来把握全局。
具体到业务上，我们搭建起的数据指标体系主要有如下作用：
第一，对于决策者来说，单一、孤立的指标无法准确地描述业务现状，而依据业务逻辑及科学的统计方法将不同层级、不同维度的指标串联起来的数据指标体系
可以完整地描述业务运行状况，帮助决策者制定北极星指标以及更好地统筹决策。
第二，对于一线业务人员来说，如果没有数据指标体系供业务人员使用，仅凭业务人员的业务经验制定业务策略，无法有效指导运营，会限制业务发展的想象空间。
第三，对于数据分析师来说，有了一个完善的数据指标体系，我们日常的取数、报表工作会大大减少，分析师就会有更多时间做探索性分析以及深层次的数据挖掘，更好地服务业务。
第四，统一口径。数据口径无论在哪个公司都是一个老大难问题。如果我们有一个完善的数据指标体系，并对每个指标的口径进行存档说明，我们就可以对指标进行统一管理，输出正确的口径，并根据业务发展不断完善。
三、如何搭建数据指标体系？ 既然数据指标体系如此重要，那么如何搭建呢？这里将结合自己实际工作中的案例和经验给产品、运营以及数据的小伙伴们提供一些思路。
一般的步骤如下：
1. 确定北极星指标； 2. 拆分子指标； 3. 拆分过程指标； 4. 添加分类维度。
下面，我会分别对三种不同的行业（电商、社区、金融 APP）的业务场景进行数据指标体系的搭建。
1. 电商场景
1）确定北极星指标
北极星指标，也叫做第一关键指标，是指在产品的当前阶段与业务/战略相关的绝对核心指标。
对于电商业务场景来说，北极星指标一般都是 GMV，对于业务发展初期的电商业务来说，新用户数也有可能作为我们的北极星指标。另外如果不确定自己所属的业务场景的北极星指标是什么，那就尽量和你对接的业务方的 KPI 保持一致。
这里，我们假设我们的业务处于成熟期，北极星指标为 GMV。
2）拆分子指标 上面我们确定了北极星指标是成交金额，下面我们开始拆分子指标，比如成交金额可以继续拆成：
成交金额 = 成交人数*客单价
那么成交人数和客单价就是我们的一级子指标。
但是成交人数还可以继续往下拆：
成交人数 = 用户数* 成交率 拆成二级子指标用户数和成交率。
同样的，对于我们的落地页来说：
落地页的人数 = 广告曝光人数*广告点击率 而广告曝光人数又可以拆为：
广告点击人数 = 目标用户数*广告点击率 这样我们可以一直拆到更小的子指标：
3）拆分过程指标 确定了北极星指标及子指标，我们还需要过程指标将它们串联起来。
我们的业务场景是电商，业务逻辑就是用户浏览——加购——购买的这样一条业务漏斗。这时我们的过程指标就按照业务漏斗进行拆分。
拆分过程指标的时候，我们要依据两个原则：关联性和完备性。
第一，考虑关联性。你不能用酸不酸来评判西瓜好不好吃，依据这个原则你选取的过程指标要能准确反映出你的某个过程。
第二，考虑完备性。这个容易理解，你列举出的若干过程指标是不是能全面包含了要认知的对象，即全面地描述了某个过程。
基于这两个原则，以广告曝光过程为例，在这个过程中我们可以用广告曝光渠道、广告成本等指标来描述该过程。同样的，像停留时长、用户数、各环节转化率等指标在每一个过程中都会存在。
4）添加分类维度 确定北极星指标、子指标、过程指标后，我们还需要添加分类维度，来完善指标体系。一般添加分类维度按照业务维度进行拆解。在我们的这个场景里，成交金额可以按照不同的特征去描述。
不过要提醒你的是，虽然划分维度的方案有很多种，但并不是说维度可以随意选择。在划分维度时，我们要遵循边际效应最大化原则。
比如下面的用户分层，是越多越好还是越少越好？这里要看少一个会有什么损失，多一个会有什么好处。如果少了不能全面说明成交金额，那就不能少；多了没有什么意义，那就不需要增加。
我们这里对于成交金额可以用用户分层、场景位置、渠道来源、分时段来描述该特征。比如用户分层，可以分为新用户、活跃用户、回流用户；场景位置可以分为 banner、开屏等各个广告位。
添加完分类维度之后，这样，我们就搭建起了一套电商的完整的数据指标体系。
2. 社区场景（人——货——场模型搭建）
我们以知乎为例。
1）确定北极星指标 知乎的商业模式是通过用户自发性的问答，提供专业性、有价值的问答平台。
对于社区互动型的产品来说，北极星指标一般都是用户互动相关的，比如早期facebook 的北极星指标就是用户关注数。
在这里，我们将知乎的北极星指标定为用户互动数。
2）拆分子指标 用户互动数可以拆成阅读完成人数*关键行为转化率*互动率。
3）拆分过程指标 知乎是社区类的产品，这个时候我们的业务逻辑并不是像电商场景是一条清晰的漏斗，这个时候我们的过程模型就采用“人——货——场”模型或“AARRR”模型，并以此为基础来拆分过程指标。
“人”在知乎的业务场景下，可以拆成：生产者和消费者； “货”可以拆成：文章、视频、广告和收费咨询； “场”就是“人”和“物”展示的平台：如首页、搜索、推荐、会员位。
4）添加分类维度 这个和上面电商的场景类似，不做展开。最后，知乎的完整数据指标体系如下：
3. 金融理财类 APP（AARRR 模型搭建）
金融理财类 APP 提供各种免费及收费功能，为我们理财提供帮助，我们以某炒股类 APP 为例：
1）确定北极星指标
该炒股 APP 的商业模式是内容——交流——交易，每个环节环环相扣，这里我们假设北极星指标是日活用户数，如果不确定的话就与业务方的 KPI 保持一致。
2）拆分子指标 日活 = 新用户+活跃用户+回流用户+流失用户 而一级指标新用户又可以拆为临时用户和正式用户，同样可以将活跃用户、回流用户、流失用户进行拆分。
3）拆分过程指标 因为该炒股 APP 的业务逻辑也并不是一条完整的业务漏斗，我们这里采用“AARRR”模型作为过程模型，并以此为基础来拆分过程指标。
AARRR 分为：获客、激活、留存、变现、分享五个阶段。其中获客我们可以拆分为：流量和用户价值；激活可以拆为：核心行为触达率、核心行为转化率。这样的划分方法可以参考肖恩的《增长黑客》。
4）添加分类维度 这个分类维度和上面两个业务场景类似。
最后，该炒股 APP 的数据指标体系如下：
最后说一点。当我们搭建起数据指标体系时，不代表就万事大吉了。因为随着业务的不断变化，我们的目标可能也会发生变化，这时旧有的指标体系如果不能维持日常的需求，就需要及时更新。所以这是一个动态更新的过程。
四、总结 对于不同行业来说，尽管业务背景不同，商业模式存在差异，但在搭建数据指标体系这件事上，我们的目标是一致的：帮助决策者进行统筹决策；帮助业务人员优化策略、提高效率；解放分析师；统一指标口径。
而搭建的方法也可以抽象成如下四步：确定北极星指标、拆分子指标、拆分过程指标、添加分类维度。其中北极星指标要确保和对接的业务方的 KPI 保持一致；过程指标可以依照业务漏斗过程拆，也可以按照“人——货——场”模型或
“AARRR”模型拆，同时要考虑关联性和完备性。添加分类维度时要考虑边际效应最大化原则。
最后，指标体系的搭建是一个随着业务发展需要动态更新的过程。
推荐访问:不同行业数据指标体系，是怎么搭建 是怎么 指标体系 搭建
