如何搭建数据分析指标体系？

最近有同学面试的时候被问到，如何搭建数据分析指标体系?那今天就和大家来聊聊这个事情

主要内容:

• 为什么要搭建数据分析指标体系？
• 如何来搭建一个数据分析指标体系？
• 如何使用数据分析指标体系？
• 数据指标体系搭建中存在的问题

一、为什么要搭建数据分析指标体系？

大家可以先考虑一个问题，为什么我们叫数据分析师，其实顾名思义就是希望我们能够用数据说明、衡量、预测业务的发展状况;比如说衡量一个淘宝店的业务发展，我们可以用一个核心指标–上月收入500万元，这个猛然一听感觉这个淘宝店的发展还是不错的，但是加个上上个月收入1000万元这个指标呢，营业额直接是下降了50%了。我们加了一个比较的指标，让我们对这个业务的发展认识完全不一样了，其实我们加入更多的指标，一起看淘宝店的业务应该还会有更多的认识。上面我们不断增加指标的过程，也就是在梳理业务指标体系的过程，一个数据指标是没有办法衡量业务的发展，但是一个指标体系就能把问题说的清晰明白。

二、如何来搭建一个数据分析指标体系？

1.数据指标

我们在搭建一个数据指标体系的时候，需要先了解下数据指标。一个合格的指标要求定义清楚完整，要说清楚计算规则也能讲地明白具体地业务含义，也即是要满足下面三个规则
a.指标意义:怎么用大白话说出来这个指标，它的目的是什么
b.统计时间:指标具有时间性，需要明确是什么时间段的数据
c.计算规则：是比例还是总数，是谁比谁还是谁加谁
比如我们月销售额这个正是满足的

2.搭建指标体系的两个方法

• 根据组成成分建立

使用组成成分方法的时候，首先要确定下核心指标，比如我们知道零售中的销售额指标是核心指标，这时候我们就可以进行拆分的

销售额 = 购买人数 * 客单价，购买人数 = 用户数 * 付费率

拆分出来的一个个小指标就可以构建成一个指标体系，如下面的

• 根据过程进行建立

例如付费用户数量指标，产品通过网站、公众号、简书知乎来的，那就先有产品曝光量，然后带来的是注册用户转化率，再是付费用户转化率。

3.使用分类和判断标准强化数据分析体系

• 增加分类维度

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。

• 增加判断标准

对于一些指标，我们会增加一些判断的标准，这样会是我们建立的体系更加饱满，常见的判断标准:
a.目标达成:核心KPI都有一个目标，达成和没达成就是最终判断的标准
b.历史同期对比:假设产品每年的走势都是差不多，那只要比去年同期表现好就算达标
c.竞品分析对比:以竞争对手为参考指标，比竞品好或者比行业平均表现好就是达标

下面我们看一个增加维度和判断标准的数据分析体系

三、如何使用数据分析指标体系？

根据上面的要素建立起数据指标体系后，诊断业务中的问题来也会非常轻松。

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，哪些区域做的好，是勉强完成还是持续上涨。谁有能力，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，是推广太少了，还是成本太高了，是用户太少了还是付费率太低了。

四、数据指标体系搭建中存在的问题

1.指标选取没有实际指导意义

新媒体都追求微信公众号阅读数，如果靠阅读数做广告，那么阅读数有意义，如果是靠图文卖商品，那么更应该关注转化率和商品销量，毕竟一个夸张的标题就能带来很高的阅读量，此时的阅读量是虚荣指标。

虚荣指标是没有意义的指标，往往它会很好看，能够粉饰运营和产品的工作绩效，但我们要避免使用。

2.没有判断标准

指标体系不是堆积指标，是需要通过指标来分析产品的好坏。一个指标不是只要涨了就是好，跌了就是坏，是需要有判定的标准的