互联网的数据之大，数据之杂，往往不知道从哪里入手，甚至不知道想要什么数据。数据产品经理在与数仓工程师、数据分析师系统配合工作的职责，就是把这些数据变得“规矩”起来，并且结合业务场景，产出一套有规有矩的指标体系。作为指导业务人员监测、分析、指导业务产品的数据依据。
一、什么是指标体系
分开来开，什么是指标？什么是体系？
1.指标由维度和度量组成。
维度即是从那些角度看待数据，属于看待数据的视角和方向。
度量是通过一定的汇总方式，产出一个带有计量单位的数值。
2.指标体系，就是将数据指标系统性的组织起来。
指标体系的本质是将数据指标系统性地组织起来，具体会按照业务模型、按标准对指标不同的属性分类及分层。当然，不同的业务阶段、不同业务类型会有不同阶段的划分标准。数据指标体系含有十分丰富的统计量，
从宏观上看，它是一个相对全面的有机整体；从微观上看，每个数据指标都有其特定含义，反映了某一细节的客观事实。不同的数据指标定义不同，逻辑也不同，这些各种各样的统计量共同构成了数据指标体系，使其产生不可磨灭的价值。总的来说，数据指标体系是对业务指标体系化的汇总，用来明确指标的口径、维度、指标取数逻辑等信息，并能快速获取到指标的相关信息。二、如何搭建指标体系
常见的指标体系建设方法，我们比较常用的是OSM+UJM 模型，当然这也不是绝对的，主要还是得看我们的业务场景和业务目标。
从零开始构建指标体系，比较常用的方法是，围绕产品业务的核心指标，确认用户的关键行为，将核心指标向下一级逐层拆解。由主要到次要，由内而外延展，逐渐形成一个围绕核心指标，拆解成多个可监测、可操作的关键用户行为的指标体系。具体说来：
确定核心指标
常用的做法是确定一个北极星指标，这个指标通常和公司的业务战略相关，也可能和某一活动运营的目的相关。通过与业务同学的需求梳理，将最高优先级的目标数据出来，选出最重要且最能反映业务的指标。
|
选取原则
|
指标能直接洞悉产品/活动的价值
|
|
指标具有典型性，能够完全反映业务情况
|
|
做到以小见大，和公司整体情况息息相关
|
|
获得业务部门的认可
|
|
指标应具有指导意义，不能存在滞后性
|
核心指标的拆解
因为单一的指标，只能用作观测使用，它的变化情况，如果没有相对应拆解的二级指标，就很难归因数据的变化情况。举个例子：核心指标：用户营收拆解：每一步都是需要观测的指标，通过环比，来查看数据变化的原因具体在哪个指标上。
确定用户的关键行为
把握用户的行为数据，是指标体系的关键，通过关注业务流程和用户行为数据，能够更好的了解业务发展情况。比如常见的内容获客，用户阅读内容之后做分享，就包含了一个一个可以监测的“获客漏斗模型”，相应的关键用户行为包括：
业务需求维度拆解
确定好关键行为后，需要进行更加细致的维度拆解，来满足各个视角的评估分析，引导下一步的运营策略。同时也满足当指标发生异动时，可以快速定位问题，找到原因，及时制定相关策略。
具体的维度可以结合具体的角度，比如：从数据分析的角度，拆成新老用户不同观测；从运营角度，区分不同的渠道，不同的投放素材；从产品角度，区分不用的系统平台，abtest等。三、指标体系注意事项
1.非越多越好 关键指标在一个体系中，并非越多越好，防止相互冲突的情况，和业务最贴切才是最好的。数据指标体系建设流程：
2.非一成不成
指标体系并非一成不变的，需要不断的完善和更新。甚至基于产品的变化，业务的调整，指标的口径和逻辑一直在发生变化，数据产品经理要时刻知晓第一线业务的变动情况。
3.非闭门造车
指标体系并非是闭门造车，由数据产品经理一言堂。是需要与多方团队（数仓开发工程师、数据分析师、数据科学家等）沟通协同确认，定义好各个指标的权重，让各方接受并宣讲推广。
4.非都有意义
指标体系并不是我们算的每一个指标，都有实际的意义。但每个指标，都需要投入实实在在的人力资源。这个时候，作为数据团队，计算某个指标的投入产出比，以及所消耗的机器资源，就是一项必备工作。
这其实就是阿里的OneData方法论希望做的事情：统一口径、减少分歧、准确衡量效果，但更重要的是，降低投入的成本。
在超大规模数据量 + 超大业务复杂度情况下，《阿里巴巴大数据之路》这本书，才能看出一些门道来。
注：公众号后台回复：06，即可领取大数据之路PDF版
正常规模的公司，其实用不到复杂的指标管理方法。但“量变都会引起质变”，当数据表的数量达到千万级别时，就需要专门的方法论来治理数据，以及相应的指标了。我们通常把这些工作，称之为“
数据治理”。四、指标体系的价值
指标体系完成后，是业务数据的具象化和标准。既对指标进行了统一管理，也方便了后期的维护修改及分享。具体价值：
全面支持决策
管理层的老板可以对公司概况有一个大体认知，而不是管中窥豹。同时可以灵活的添加新的数据，使把握业务发展更加灵活。
指导业务运营
指标体系的建立，通过对业务流程的数据化拆解，可以实现数据变动的反馈。可以根据这些流程拆解和漏斗模型，分析用户喜好，进行最新的运营策略。
统一口径和降本增效
指标体系作为数据中台的一部分，将数据隔阂打破，融合公司内的全部数据，实现统一管理、统一口径，减少重复工作和资源浪费，提高了
数据质量和复用率。 结束语
今天的分享到这里就要说再见了，希望能对你有所帮忙。数据产品经理DPM和数仓开发工程师是相爱相杀的关系，高效协同配合才能搭建好数据指标体系。One More，再次谢邀，也欢迎大家关注这个高质量的公众号，一起进步！
（部分内容来源网络，如有侵权请联系删除）
