? ? ? 為了對現(xiàn)狀進行監(jiān)測和預警，我們常常會建立起一套數據指標體系，同時搭建和完善體系也應該是數據分析師的一項基本功，結合實際工作中經驗，總結了這個搭建過程的7個思考點：

1. 目標

? ? ? 目標，不僅要求我們梳理好業(yè)務流程（例如常見的轉化率漏斗、AARRR模塊），也要求我們明確好目標受眾對象，建立面向管理層的核心指標，面向業(yè)務部門的二級指標，面向個人KPI的三級指標，盡可能與KPI掛鉤

2. 數據維度

? ? ? 數據維度，是數據分析的一些思考角度，常見的有：渠道來源、地域等，不同業(yè)務也會有不同的角度，一般業(yè)務部門對這塊會更加熟悉一些，所以要多向業(yè)務同學取取經

3. 數據指標

? ? ? 數據指標，將業(yè)務問題量化為數字的變量。常見的有：數量、占比、比率等，一個好的指標通常是一個比率，因為這個比率通常可以連接分子、分母，而不是割裂來看

4. 時間維度

? ? ? 時間維度，指標體系不同時間段的數據現(xiàn)狀，常見的時間周期：日/周/月/年，或者累計到當前。當然也沒必要一一俱全，例如比較低頻的業(yè)務行為，可能按月周期即可滿足需求

5. 標準 & 預警

? ? ? 標準的建立是為了讓數據更有立體感，更容易識別出數據的波動，提前做好預警。例如每日的指標，可以與過去30天的中位數做對比；周、月可以加入周環(huán)比、月環(huán)比，甚至可以加入目標作為標準

6. 數據字典

? ? ? 數據字典也是數據指標體系的一部分，可包括內容：指標名稱、類型、統(tǒng)計周期、業(yè)務邏輯、數據源、數據邏輯等內容

7. 反饋閉環(huán)

? ? ? 數據指標體系的搭建不是一蹴而就的，需要結合業(yè)務部門的實際需求不斷完善。例如之前加入截至當前的平均日活，雖然建議業(yè)務部門使用月活，但業(yè)務部門就是以月平均日活作為考核目標

? ? ? 在實際工作中，還是需要多提煉出共性的需求，與業(yè)務部門一起建立一套可以及時反映數據現(xiàn)狀，洞察數據變化的指標體系，盡可能的減少人為的跑數。當然數據指標體系也不可能十全十美，當需要深入分析時，還是需要結合多個維度具體分析。

? ? ? 如需轉載，請聯(lián)系授權，謝謝合作。