1.2 数据指标体系概述

数据指标体系是由多个相关的指标通过一定规则组织起来反映业务发展现状的评价标准。厘清各类指标之间的联系以及整合多个指标使其变成有联系的整体，从而形成一套可以监控业务的数据指标体系，是数据指标体系主要的构建过程。这一节将介绍数据指标体系的三大要素、数据指标与数据指标体系之间的关系、数据指标体系的重要性，以及数据指标体系的构建规范。

1.2.1 数据指标体系的3个要素

多个有关联的数据指标按照一定的逻辑以及相应的层级关系系统地组织起来，就形成了数据指标体系。通过对指标的上卷与下钻操作，数据分析师能够快速定位业务问题。数据指标体系拥有3个要素——北极星指标、核心指标和分析维度，如图1-9所示。北极星指标也称为唯一关键指标（One Metric That Matters，OMTM），是评价某一块业务现状最重要的数据指标。例如，交易类产品的北极星指标是GMV，社交类产品的北极星指标是活跃用户数量。通常情况下，北极星指标是一个结果指标，这个结果受到一系列过程的影响，然而如果只考虑结果指标，业务过程是无法得到监督和改进的。因此，将北极星指标拆解到不同的业务过程，从而得到核心指标也是极为重要的，核心指标也称为过程指标，是达成北极星指标必经的过程。无论是北极星指标还是核心指标，都容易陷入平均数陷阱。一般情况下，增加分析维度可以将数据指标切分成若干块，从而在一定程度上减少平均数陷阱的问题，让数据分析师和业务方能够将业务的整体和局部分析得更加清晰。

1.2.2 基于数据指标形成数据指标体系

由上一小节可以了解到，北极星指标、核心指标和分析维度共同构成数据指标体系。那这些指标是如何形成数据指标体系的呢？

如图1-10所示，一般情况下，数据指标会分为不同的层级结构，北极星指标是整个业务模块的核心指标，一级指标是北极星指标的下钻和拆解，而三级指标又是二级指标的下钻和拆解，依此类推。

举例来说，如图1-11所示，GMV是电商平台的北极星指标；而GMV可以拆解为成交用户数与平均客单价的乘积，因此成交用户数和平均客单价是一级指标；而成交用户数也可以继续拆解为点击UV（独立访客）与访购率，因此二级指标也有了。点击UV又可拆解为商品曝光UV和转化率，这是三级指标。这样一来，如果GMV出现数据波动，数据分析师就可以根据数据指标体系找到影响GMV波动的因素，从而快速定位业务问题。

当然，为了实现数据指标的口径统一以及管理方便，在建立数据指标体系时需要遵循一定的规则，如OneData规范、构建数据指标字典等。以如何统计成交用户数为例，是以点击支付的用户数为统计维度，还是以成功付款的用户数为统计维度呢？统计口径不统一，会给数据分析师带来各种麻烦，因此数据指标字典的建立是数据指标体系构建的重要环节。此处不做过多介绍，具体内容会在第二篇介绍。

1.2.3 为什么需要数据指标体系

为什么一定需要数据指标体系呢？数据指标体系的作用可以归纳为以下3点。

1.形成标准化的衡量指标，监控业务发展状况

数据指标体系可以量化业务发展水平，监控业务发展状况。图1-12展示了某商家在某电商平台4～8月份的GMV变化。随着年中大促的到来，GMV达到峰值，但大促结束后商家GMV持续走低且低于大促前的水平，从GMV层面来看，该商家的经营状况可能出了一些问题。

通过对GMV相关指标的监控很容易发现商家在业务经营中出现了问题，但具体是什么问题通过单一的数据指标很难正确判断，这时需要对数据指标进行拆解、下钻，找到影响GMV变化的具体因素。

2.通过指标分级治理，快速定位业务问题，优化业务方向

数据指标的分级治理可以快速定位业务问题。同样以商家的GMV变化为例，要找到GMV变化的原因，就需要对该指标进行拆解和下钻，拆解过程如图1-11所示。通过对指标的拆解明确GMV的下降是由成交用户数下降引起的还是由平均客单价下降引起的。如果是由成交用户数下降引起的，则可以继续下钻，直到找到最深层次的原因为止。

3.形成标准化体系，减少重复工作，提高分析效率

数据指标体系的另一个作用是减少数据分析师的工作量，对于业务方重复的取数需求，数据分析师完全可以建立相应的数据报表，作为数据指标体系的一部分监控业务。如果建立报表之后，数据分析师相关的临时取数需求仍然没有减少，则说明这套数据指标体系是有问题的，需要重新与业务方沟通需求，使数据指标体系更能够贴切业务，不必追求大而全。