数据指标体系如何建立，答案都在这里！

随着企业业务规模的扩大，各类相关的数据量增大、数据指标也越来越多，在互联网行业中，我们可以对指标做出更为具体的定义：指标，是反映某种事物或现象，描述在一定时间和条件下的程度、规模、结构、比例等概念，通常由指标名称和指标数值组成。

如果缺乏指标体系就会造成难以衡量产品/活动效果、难以判断整体业务发展状况等问题。所以，企业应该如何建立健全数据指标体系？

一、如何建立数据指标体系

• 明确业务目的，确定核心指标

不同业务形态有不同的指标体系，想要制定符合业务需要的指标体系，离不开日积月累的深刻洞察。目标大致包括以下几类：展现现有业务状况、寻找当前业务问题、预测业务的发展趋势、评估某个政策/措施/活动是否达到预期目标、找出下一步工作的方向。

• 拆解核心指标

明确业务类型和业务指标之后，我们要结合实际业务，将主要关注的指标拆解到可行动的程度。例如：DAU ≈ 日新增用户+留存用户+回流用户；GMV （总消费额）≈ 用户数 x 购买频次 x 客单价；渠道推荐效果 ≈ 展现次数 x 点击率 x 转化率。选择指标大致分为三步：首先，寻找已有的可直接用于满足目标的指标体系，并根据目标需求，进行小幅度的修改；其次，如果无法找到直接可用的指标体系，则参考相近指标体系，构建自己的指标；最后，如果相近指标体系也没有，就要深挖问题的根源，然后自己造指标。

• 寻找数据

指标定好之后，分类取数，利用数据来计算指标值。数据来源可分为以下几种：政府/第三方公开数据、自有产品/经营数据、购买数据、自行/委托第三方调研数据。

• 搭建体系

给指标及指标的变动之间提供逻辑解释，能够以单个或多个指标的组合来给出对现实情况的解释。例如，本月“购买数量”指标有下降且幅度较大，通过其他指标可进行如下分析：购买的转化率是否下降、用户群体数量是否减少、是否是因为品牌认知的人数变少等。

二、指标体系的评估标准

数据分析按照时间流程大致可分为事前分析、事中分析和事后分析。所有的这些数据分析的基础，都是事先建立好的数据指标体系。
账号体系产品评估标准：注册量、留存/流失、MAU、人均好友数/会话数/消息数；
工具性产品评估标准：场景数、交互效率、性能、异常流；
内容型产品评估标准：内容丰富度、分类运营、推荐、榜单、搜索；
社交型产品评估标准：趣味性、发表数、互动率；
电商型产品评估标准：流量、主流程及分步骤转化率、成交量、客单价、复购率。

    EsDataStandard是亿信华辰旗下的一款数据标准管理平台产品，该产品建立规范的数据应用标准，消除数据的不一致性，从根本上改善和解决系统的数据质量问题，实现数据有效共享，并为后续质量检查提供依据。该产品具备以下优势：

• 智能、灵活生成标准编号

数据标准管理可以灵活定义编码规则，智能生成统一、规范的标准编号，更便捷、有效、规范的实现标准的制定。

• 独特的标准分类与展现

对于不同主题和类别的数据标准，通过树形层级展示各级数据标准信息，特有的标准链接图谱功能，以图形展示的方式清晰展现数据标准之间的引用关系。

• 全方位、多角度评估分析

智能落标，形成的数据标准和业务数据双向评估，从标准和业务数据的维度了解标准的落地情况，为后续数据质量检查、数据安全管理等提供标准依据。

• 全生命周期标准管理

数据标准管理提供数据标准从制定、审批、修订、发布、执行、维护、停用和废止全生命周期的标准管理，全面管控各时期所有业务系统的标准化建设，实现标准的全面持续管理。