总线矩阵：指标维度矩阵全景

导读：数据类、BI类、分析类项目实施中前期是要准备多个很多关键文档的，指标维度矩阵是必须具备的之一，本文对之总体描述十分到位的，推荐收藏研读。

透过调研，我们将业务过程理解、OKR绩效管理通过业务过程矩阵、业务绩效矩阵落地。这些内容，指导数仓建设、BI业务方案的设计，包括指标体系、可视化、数据等，最终通过技术将这些方案在技术工具中实现。其中：

指标体系是数据分析的腰，是数据分析的核心；

可视化体系是数据分析的脸，负责准确的表达分析的内容；

数据体系是数据分析的脚，负责稳定的站在数据源上，支撑数据分析体系。

指标体系包含具体的管理要求、分析内容，是数据分析的腰，承上启下的关键环节。呈上承接决策的方向、管理的思路，启下具体的可视化应用体系和数据体系的落地。

指标体系主要由清单和关系矩阵构成：

指标清单记录所有的管理指标的定义、管理阈值、计算逻辑、取数逻辑等，比如销售额、环比增长率、同比增长额等。可以按照业务模块等角度划分类别，便于管理。

维度清单是对指标的观察角度，和指标清单类似，也包含维度的定义、维度的层次、数据逻辑、取数逻辑等。比如时间维度包含年、季、月、周、日、时；

清单的主要内容包括：

基本信息：这里记录指标的名称，主题分类等。和前面的业务过程、业务绩效中的分类等对应。

分析理解：主要理解指标的含义、特性、主要的分析维度等，通过这个能够深刻认识指标的价值。

样式：指标的数据样式，是具象化的指标信息，包括示例、单位、精度等。

处理逻辑是实现指标所需要掌握的信息。处理逻辑包括阈值、计算公式、条件筛选、更新频率等，这个部分是指标工作量最大的部分、也是最容易发现问题的部分。

数据源包括数据来源的数据库、表、字段，以及记录数据量，用以技术方案判断相应的性能要求。

指标维度矩阵：记录指标和维度的关系，各类管理指标主要通过何种维度来观察。从业务上用于了解观察的角度和内容，从技术上用于构建可视化结构以及数据结构。按照指标/维度布局矩阵结构，仔细分析指标维度矩阵，将指标按照业务流程排序，将维度按照通用到专用排序。

步骤：

在理解业务过程之前充分理解指标的含义、结构，以及整理方法，以便于理解业务时不遗漏指标的信息。

将业务调研过程中搜集到的报表信息整理到指标体系说明书中，并做好清洗的工作；

将业务绩效地图中的指标内容按照结构沉淀到指标体系说明书中，和前期指标信息整合，梳理重要性、优先级。

待指标名称等核心信息清晰后，逐个完善每个指标的数据详细、计算逻辑、控制阈值，数据源等详细信息。调整过程中，按照主题分批分步骤细化，各个角色都参与进来，排好任务计划。

定期酝酿梳理、查缺补漏、回顾复盘。确保指标体系和业务实际保持同步。

技巧：

指标定义应全局一致、统一口径。指标名称一名多义、多名一义的信息混淆，造成大量的无效沟通成本甚至错误。同一个指标应该在企业内部尽量保持唯一，尽量不要出现销售额（A事业部），销售额（B事业部），这些一名多义的方式会从下到上对业务分析造成困扰。若实在由于各事业部间的同一指标的口径难以统一，那就要做好不合并、分开统计分析的准备。这类事项要在两个事业部之上的权力单位确定。

指标计算逻辑应尽量简化。企业中关注的重要指标有时会随着不同部门的要求持续修改定义，或者不断更新计算的数据范围，造成指标计算逻辑、取数范围越来越复杂，最终导致计算成本过高甚至无法计算。比如计算销售额时要排除取消订单，但是某个区域的取消订单还需保留、某种类型的订单需要排除等复杂逻辑，最终将指标计算公式变得异常复杂，极大增加了计算的成本，且导致计算困难和错误。这类局部视角的管理思路放到统一的平台上来落地，会是管理的噩梦，不仅对项目造成影响，更多的是增加了管理的复杂度，降低了管理效率。

指标内容较多，先整体后局部。先梳理指标条目，再梳理指标的详细内容。这里的详细内容可以根据实际情况有所取舍。

指标体系是数据资产的关键组成，是数据目录的信息基础。数据目录核心就是对于数据指标体系的结构化展现，合理化管理，便捷化应用。我们推荐在建设初期就引入数据资产目录，利用此工具来实施和维护BI的指标体系，一来实施时更加高效，二来缩短学习曲线，能够减少维护成本，提高维护效率。

指标体系要关注建设，更要关注维护。指标体系在BI建设初期梳理，且会随着业务发展持续变化。比如随着市场的变化、领导的变更等原因，指标定义、计算逻辑和管理要求会随之变化等。要能够持续维护指标体系，确保指标体系能够及时、准确、完整的反应业务的情况。这也是确保BI能持续发展的关键。

指标体系将指导数据可视化、数据方案的落地。

对于指标体系，无论怎么强调重要性都不为过。指标体系是业务模式在数据世界的映射，反应的是业务的执行和管理的水平。指标体系，需要客户和分析师的共同努力，也需要领导者有清晰且长远的眼光，来设计好、建设好、维护好。