数据分析师在指导业务，帮助业务发现和解决问题时，数据指标体系必不可少。可是为什么需要指标体系？什么是指标体系？指标体系又该如何建立？本文就此问题从三个方面进行了解答，希望对你有所帮助。

数据指标体系可以帮助数据分析师更好地梳理、理解业务，发现业务过程中出现的问题，进而推动业务的迭代优化。所以，指标体系是数据分析师必备的技能，也是数据分析招聘要求中高频出现的词汇。

那么，为什么需要指标体系？什么是指标体系？如何建立指标体系？本篇文章里，将从这几个方面介绍指标体系的基本概念和构建方法。

一、为什么需要指标体系？

全面诊断业务现状没有指标对业务进行系统衡量，我们就无法明确业务现状，也就无法把控业务发展，尤其现在很多业务比较复杂，单一数据指标容易片面化。因此，搭建系统的指标体系，才能全面衡量业务发展情况，针对性地制定业务策略，促进业务良性增长。

快速定位业务问题我们经常会遇到某个关键指标突然下降的问题，只盯着结果数据是分析不出原因的，这就需要用到一些过程数据。

比如总销售额减少了，可以看是哪个过程导致的，是不是整体曝光量减低了，还是虽然曝光了但点击量下降了，还是收藏加购的下降了，定位到具体的过程后再去分析这个过程最近有没有改动，是产品功能出了bug还是运营策略进行了调整等。

一个完整的指标体系，能够帮我们明确结果型指标和过程型指标的关系。不仅能监控结果，更能分析过程。通过结果指标回溯到和用户行为相关的过程指标，找到解决问题的核心原因。如转化率这种结果型指标，影响它的可能是浏览次数、停留时长等过程型指标，通过指标体系，能清晰明确转化率和和浏览次数、停留时长的关联关系。

有效驱动业务发展产品、运营、市场营销等部门都是促进公司发展的重要组成部分，而这些部门都需要通过数据发现业务上的问题，针对性地提升改进。产品需要通过数据评估版本迭代效果，运营需要通过数据验证运营策略，市场营销需要通过数据洞察用户的消费习惯。通过完整的指标体系和数据分析，可以有效指导各部门的工作，通过数据找到业务当前痛点和瓶颈，以数据驱动找到优化方向，进而实现业绩的提升。

二、什么是指标体系？

前面我们讲了指标体系的必要性和重要性，那究竟什么是指标体系呢？简而言之，指标体系即相互之间有逻辑联系的指标构成的整体，所以一个指标不能叫指标体系，几个毫无关系的指标也不能叫指标体系。

1. 什么是好的指标体系？

一个好的指标体系一般具备以下几个特点：

（1）能体现当下业务的关注点

我们知道，业务在不同时期的重心不同，关注的核心指标也会不同。例如，一般在业务初期会重点关注新用户的增长和留存，中期关注用户的活跃和转化复购，后期关注用户的流失和召回。不同阶段关注的核心指标不同，所对应的指标体系也必定有所差异，所以不能指望一套指标体系从头用到尾，每个阶段都应该要针对当下的业务关注点搭建指标体系，这样才能够和业务保持一致，真正起到指标体系的价值。

（2）同时包含结果、过程性指标

我们习惯于通过指标体系监控业务的发展趋势和出现的问题，但更重要的是，我们希望了解问题背后的原因，知其然知其所以然，对症下药才能够针对性地进行改进和优化。所以一个好的指标体系除了要有表征现状问题的结果性指标外，还要有影响这个结果的过程性指标，这样才能在出现问题时有据可循，抽丝剥茧，快速找到问题原因。

（3）有对应的业务抓手

在前面两点的基础上，我们除了希望通过指标体系反映业务现状、定位问题原因外，更希望它能够指导我们的业务动作，告诉哪些部门应该在哪些环节进行改进，这个就是我们说的，要有对应的业务抓手。要有具体到人、具体到策略的指导性意见，否则就算定位到了问题的根因所在，没有对应的人和策略跟进，问题依然得不到解决。

2. 指标体系建设的误区

上面讲了什么是指标体系，以及一个好的指标体系应该具备哪些特点，下面我们来讲一讲，指标体系建设中需要警惕的误区。

（1）没有核心指标，抓不住重点

没有搞清楚当前的业务重点和核心指标，零零散散罗列了很多指标，每个指标都能说明一些问题，很容易让人迷失在各种各样的问题中，而抓不到当前业务的重点，不知道从何下手。这是因为没有和当前的业务重心对齐，为了求全而去罗列指标，却没有抓住主要矛盾，呈现最核心的指标。

（2）指标之间没有逻辑关系

如果不按照业务流程来建立指标体系，虽然指标很多，但是指标之间没有逻辑关系。以至于出现问题的时候，找不到对应的业务节点是哪个，没办法解决问题。

（3）拆解的指标没有业务意义

有的指标体系的指标很丰富，但是却没有实际的业务意义，导致指标就是一堆“没有用”的数字，无法在业务中实行对应策略落地。例如：在销售部门，最关注的是销售目标有没有达成，现在达成了多少，接下来的每天应该达成多少，哪些些区域达成最高，哪些区域达成最低。如果不围绕这个业务目标拆解指标，而是随意把指标拆解为用户年龄、性别，这就与业务没有任何关系，只是为了拆解而拆解。

（4）闭门造车建指标体系

建立指标体系不是1个人能够完成的，需要业务部门（市场、运营、产品部门等）、数据部门、开发部门相互之间进行协作，共同讨论确认的，一个人闭门造车建立的指标体系很容易和业务脱节，也很容易难以落地。

业务部门会不断提出新的业务需求。如果业务部门认可数据部门做出的分析报告，并希望以后可以随时查询到相关的数据，那么数据部门会把数据产品化，也就是协助开发部门把数据产品做进公司后台系统，一般形式就是报表。日常工作中，业务部门、数据部门、开发部门部门都是紧密合作，共同完成一个。

三、如何建立指标体系？

上面介绍了指标体系的概念、一个好的指标体系的特点和一些需要警惕的误区，下面我们就来看看怎么一步步建立指标体系。

一个指标体系的构建通常是需要确定一个核心指标作为一级指标，然后将核心指标进行逐层拆解，一生二，二生三，三生万物，进而得到一个完整的指标体系。所以这里涉及到几个关键的问题：

1. 如何确定这个核心指标？
2. 如何进行业务拆解？
3. 拆解后的过程如何进行衡量？

这里我们介绍一种常用的构建指标体系的模型——OSM(Object,Strategy,Measure)模型，首先简单介绍一下这个模型。

我们在建立数据指标体系之前，一定要清晰地了解当下的业务重点和目标，也就是模型中的O,Object。换句话说，业务的目标也就对应着业务的核心指标，了解业务的核心指标能够帮助我们快速理清指标体系的方向。

了解业务目标和核心指标之后，就需要在此基础上根据用户行为路径进行拆解，这个拆解一定是对应着业务策略的，也就是模型中的S,Strategy。把核心指标拆解成一个个过程指标，每个过程指标对应着相应的行动策略Strategy，就可以在整条链路中分析可以提升核心指标的点。

了解业务目标和核心指标之后，就需要在此基础上根据用户行为路径进行拆解，这个拆解一定是对应着业务过程和策略的，也就是模型中的S,Strategy。把业务拆解成一个个过程，每个过程指标对应着相应的行动策略Strategy，这样才可以在整条链路中找到可以提升业务的点。

最后，我们需要针对上面拆解的每个业务过程，制定对应的评估指标，也就是模型中的M,Measure。评估指标的制定是将产品链路或者行为路径中的各个过程指标进行下钻细分，这里用到的方法就是麦肯锡著名的MECE模型，需保证每个细分指标是完全独立且相互穷尽的。

下面我们通过一个电商行业的案例，看看如何基于OSM模型构建指标体系。

1. 明确核心指标

构建指标体系的第一步，需要明确当下业务的目标Object是什么，找到核心指标作为我们的一级指标。例如我们当下的业务目标是增加营收，对应的核心指标就应该是总营收GMV。

2. 拆解业务过程

明确了核心指标或者一级指标是GMV，接下来就要对业务过程进行拆解，影响到GMV的各个环节是哪些？我们知道，用户到最终付费贡献营收一般需要经历以下完整过程：

注册产品→登录产品→商品曝光给用户→点击商品浏览详情→收藏加购→成交转化

这样一来我们就把核心指标对应的中间过程梳理出来了，同时，针对每个中间过程，我们也有对应的策略Strategy，比如在注册环节，我们可以通过广告投放和优惠激励的形式进行拉新，提高注册量等。

3. 指标体系细分

前面两个步骤，首先我们明确了业务目标和核心指标；然后，我们将业务目标的中间过程进行了拆解，并给出对应的策略；接下来我们需要对这些中间过程建立指标，并向下进行逐层的拆解，这个过程我们称为指标体系分级治理，用到的模型是MECE模型。MECE模型的指导思想是完全独立，相互穷尽，根据这个原则拆分可以逐层细化，暴露业务最本质的问题，帮助我们快速地定位业务问题。

例如针对第2步拆解的每个环节，我们建立对应的指标进行评估。如在注册、登录、曝光、点击、成交各环节，我们可以通过各环节的UV（点击人数）去衡量。

同时，我们还可以建立相邻环节之间的转化率，用于评估整个环节中的各个漏斗的转化率，例如点击率（点击人数/曝光人数）用于衡量从曝光到点击环节的转化率。

经过以上一步步地拆解，最终我们形成初步的指标体系如下。

当然这个指标体系还比较简单，因为只进行了一层拆解，实际上针对以上每个过程，我们可以进一步拆解细分。例如，我们可以对点击UV按照来源渠道等进行逐层拆解，拆解成自然流量点击和付费流量点击，自然/付费流量点击又可以进一步细分为PC端和移动端的点击，以此类推，逐层拆解。

以上就是指标体系的基础概念和搭建方式，指标体系搭建的方式可以不拘一格，拆解方式也可以多种多样，但原则一定是结合着业务来进行，因为指标体系最终一定是指导业务，帮助业务发现和解决问题，脱离了业务的指标体系只能是纸上谈兵，毫无意义。