- 数据分析
- 数据治理
- 产品解决方案
- 行业解决方案
- 案例
- 数据资产入表
- 赋能中心
- 伙伴
- 关于
时间：2022-03-23来源：随手画浏览数：140次
有小伙伴问：除了分析方法，数据分析师还要掌握哪些技能？其中最重要的，可能就是梳理指标体系了。在招聘的时候，这是数据分析师的一项硬技能要求。
那么该如何梳理呢？今天简单分享一下。
用一系列指标来描述业务，即为指标体系。业务很复杂，用一两个指标很难说清楚的时候，就需要指标体系来描述。比如一个拉新活动：注册APP后领5元券购物，整个业务流程很长，因此需要很多指标才能描述（如下图）。
有些业务看似很简单，也需要搭建指标体系。比如内容审核，看起来只需三步：
打开一条视频
标准：是否有问题
有问题的，标注问题类型
但是实际情况下：
待审核的内容很多，审核员也很多，存在工作分配问题
工作量大了就可能出现排队，存在审批效率问题
审核可能出错，可能出现投诉和重申，存在质量问题
因此，也需要好几个指标，来系统描述业务情况。
常见的有2种情况：
新上线的业务，要新设监控指标
老业务，有一堆零散的指标，没有条理
这时候，就需要数据分析师主动进行梳理，搞清楚：
到底哪个指标才是关键
到底指标之间是啥逻辑关系
到底该怎么呈现指标更合适
那么，该怎么梳理呢？
梳理指标体系，要抓四个关键：
第一：用户操作流程
第二：业务运作流程
第三：数据采集多少（得有数才行！）
第四：考核业务的KPI是什么（这是关键指标）
还拿拉新活动举例子，文章开头展示的是用户操作流程。常规的考核业务KPI，通常有两部分：拉新人数（考核数量）、拉新后消费人数（考核质量）。
有趣的是，虽然流程很长，可实际业务能做的动作却很少——换一张优惠券/改个海报而已。其他都是常规购物流程，拉新部门管不了。因此设计指标体系就相对简单。
整体情况：拉新人数、拉新后总消费人数、拉新后用券消费人数
转化漏斗情况：从拉新活动页面到最终用券消费的转化漏斗
（如下图）
上边的例子，是典型的用户操作流程复杂，业务运作流程简单。有可能实际情况是反过来的：用户操作流程简单，业务运作流程复杂。比如内容审核，用户操作只有2步，但是业务运作是很复杂的（如下图）。
考核的KPI指标，可能有审核总量，正确率，延迟率三个，因此要描述流程，可能需要一大堆指标，分别描述：
整体情况：总进件量、已分配数量（审核队列中数量）、已完成数量、正确数量。
延迟情况：有延迟风险件数，已二次分配数、二次分配后完成数，实际延迟件数。
出错情况：错误数量、错误率、二次复核完成数、二次复核完成率，二次错误数量。
注意，这里有些指标是不能直接记录的，需要定规则，做计算。比如何为“延迟风险”？可能需要先有个延迟的定义（比如分配后30min内必须审完，超30min算延迟），再结合平均审核时间（比如5分钟）。那么一个审核件分配完大于20min未审，可定为延迟风险。
这些定义和规则，都是需要和业务部门沟通确认的。这样才能保证指标体系的可用性。
从上边两个例子对比可以看出，梳理指标体系要点在于：理解用户/业务流程。实际上，上边还是简单流程，因为它们都是相对独立的流程，和其他流程相关性小。牵一发动全身的流程才是最复杂的。
比如上一个促销活动：
要做广告吸引用户
要关注用户实际消费
要关注商品库存
缺货了要调货，不理想要加码投放
用户流程与业务流程都很复杂，自然要搞很多指标才能讲清楚。
