作者介绍
曹雷，滴滴⾼级专家⼯程师，专注数据仓库体系化建设，产品化数仓理念推⼴及实践者。 ⼀、什么是指标体系
1、指标体系定义
指标体系是将零散单点的具有相互联系的指标，系统化的组织起来，通过单点看全局，通过全局解决单点的问题。它主要由指标和体系两部分组成。
指标是指将业务单元细分后量化的度量值，它使得业务⽬标可描述、可度量、可拆解，它是业务和数据的结合，是统计的基础，也是量化效果的重要依据。 指标主要分为结果型和过程型：
•结果型指标：⽤于衡量⽤户发⽣某个动作后所产⽣的结果，通常是延后知道的，很难进⾏⼲预。结果型指标更多的是监控数据异常，或者是监控某个场景下⽤户需求是否被满⾜；
•过程型指标：⽤户在做某个动作时候所产⽣的指标，可以通过某些运营策略来影响这个过程指标，从⽽影响最终的结果，过程型指标更加关注⽤户的需求为什么被满⾜或没被满⾜。
体系是由不同的维度组成，⽽维度是指⽤户观察、思考与表述某事物的“思维⾓度”，维度是指标体系的核⼼，没有维度，单纯说指标是没有任何意义的。 维度主要分为定性维度和定量维度：
•定性维度，主要是偏⽂字描述类如城市、性别、职业等；
•定量维度，主要是数值类描述如收⼊、年龄等，对定量维度需要做数值分组处理。
2、指标体系⽣命周期
⽣命周期主要包含定义、⽣产、消费、下线四个阶段。针对整个⽣命周期要持续做指标运维、质量保障，同时为了提⾼指标数据复⽤度，降低⽤户使⽤成本需要做对应的数据运营⼯作。
3、综合使⽤场景
指标体系主要是结合⽤户的业务场景来进⾏使⽤，多个不同的指标和维度可以组合起来进⾏业务的综合分析。 ⽤户可通过指标的变化看到整体业务的变化，并能够快速发现问题、定位问题。
常⽤的场景⼀种是决策分析的场景，通过数据看清业务现状进⾏战略决策⽀持，另⼀种是运营分析场景，⽆论是做⽤户运营、产品运营还是活动运营都需要各类指标数据的⽀撑去看清问题、分析问题和指导解决问题。
⼆、为什么搭建指标体系
•衡量业务发展质量：指标体系可以反映业务客观事实，看清业务发展现状，通过指标对业务质量进⾏衡量，把控业务发展情况，针对发现的业务问题聚焦解决，促进业务有序增长；
•建⽴指标因果关系：主要明确结果型指标和过程型指标关系，通过结果指标回溯过程指标，到解决问题的核⼼原因；
•指导⽤户分析⼯作：⽬的建⽴产品评估体系、活动效果评估体系、智能运营分析体系；
•指导基础数据建设：明确基础数据建设⽅向，集中资源，避免过程和结果分析指标数据的遗漏或缺失；
•指导内容产品建设：结合⽤户的业务场景来进⾏使⽤，多个不同的指标和维度可以组合起来进⾏业务的综合分析，⽤户可通过指标的变化看到整体业务的变化，并能够快速发现问题、定位问题；
•统⼀指标消费⼝径：企业内统⼀关键指标业务⼝径及计算⼝径，统⼀企业业务⽬标，实现⾃上⽽下⽬标驱动。
三、如何搭建指标体系
指标体系建设的常⽤⽅法是：通过场景化进⾏指标体系的搭建，以⽤户的视⾓场景化思考，⾃上⽽下业务驱动指标体系建设。
单向离合器轴承所以要在特定场景下做好指标体系建设，需要先选好指标，然后⽤科学的⽅法搭建指标体系。
1、科学⽅法选指标
选指标常⽤⽅法是指标分级⽅法和OSM模型。
1）指标分级⽅法
指标分级主要是指标内容纵向的思考，根据企业战略⽬标、组织及业务过程进⾏⾃上⽽下的指标分级，对指标进⾏层层剖析，主要分为三级T1、T2、T3。
•T1指标：公司战略层⾯指标
⽤于衡量公司整体⽬标达成情况的指标，主要是决策类指标，T1指标使⽤通常服务于公司战略决策层。
•T2指标：业务策略层⾯指标
为达成T1指标的⽬标，公司会对⽬标拆解到业务线或事业，并有针对性做出⼀系列运营策略，T2指标通常反映的是策略结果属于⽀持性指标同时也是业务线或事业的核⼼指标。T2指标是T1指标的纵向的路径拆解，便于T1指标的问题定位，T2指标使⽤通常服务业务线或事业。
•T3指标：业务执⾏层⾯指标
T3指标是对T2指标的拆解，⽤于定位T2指标的问题。T3指标通常也是业务过程中最多的指标。根据各职能部门⽬标的不同，其关注的指标也各有差异。T3指标的使⽤通常可以指导⼀线运营或分析⼈员开展⼯作，内容偏过程性指标，可以快速引导⼀线⼈员做出相应的动作。
例如：成交率的指标分级
2）OSM模型
OSM模型（Obejective，Strategy，Measurement）是指标体系建设过程中辅助确定核⼼的重要⽅法，包含业务⽬标、业务策略、业务度量，是指标内容横向的思考。
•O：⽤户使⽤产品的⽬标是什么？产品满⾜了⽤户的什么需求？主要从⽤户视⾓和业务视⾓确定⽬标，原则是切实可⾏、易理解、可⼲预、正向有益；
•S：为了达成上述⽬标我采取的策略是什么？
•M：这些策略随之带来的数据指标变化有哪些？
以滴滴⽹约车为例，按照OSM模型，它的指标是什么样的？
O：⽤户来使⽤滴滴这个产品，需求和⽬标是什么？
•⽤户需求及⽬标是便捷、快速打到车，安全到达⽬的地。
•⽤户需求及⽬标是便捷、快速打到车，安全到达⽬的地。
那如何让⽤户感受到⾃⼰的需求被满⾜了呢？
S：滴滴做的策略是：
•便捷⽅⾯，提供了独⽴APP版本、⼩程序版本，还可以多渠道打到车，例如在⾼德、、⽀付宝都有打车⼊⼝；
起始、⽬的地地图智能精准定位；最优路线选择等；
•快速⽅⾯，针对不同⼈不同诉求提供了多品类产品选择，例如快车、优享、拼车、出租车等业务，根据早晚⾼峰提⾼热点区域运⼒，减少⽤户排队时间；
•安全⽅⾯，司机准⼊机制，司机合规机制，司机画像。
M：我们需要针对这些策略去做指标，在这⾥⾯我们的指标分别是结果指标和过程指标：
•结果指标：渠道转化完成率、乘客取消率、供需⽐、司机服务分；
•过程指标：渠道发单数、渠道完单数、排队乘客数、乘客排队时长、司机好评率、司机接单量、司机取消数等。
指标选取之后，下⾯就是最重要的分析维度选择了。前⾯指标体系定义⾥讲过维度是指标体系的核⼼，没有维度，单纯说指标是没有任何意义的。
所以维度选择层⾯主要通过数据分析视⾓结合实际分析业务场景来确定。例如城市维度、商圈维度、渠道维度、时间维度、⽤户标签维度等。物料周转箱
2、⽤分析模型搭建指标体系
在《精益数据分析》⼀书中给出了两套⽐较常⽤的指标体系建设⽅法论，其中⼀个就是⽐较有名的海盗指标法，也就是我们经常听到的AARRR海盗模型。
海盗模型是⽤户分析的经典模型，它反映了增长是系统性地贯穿于⽤户⽣命周期各个阶段的：⽤户拉新(Acquisition)、⽤户激活(Activation)、⽤户留存(Retention)、商业变现(Revenue)、⽤户推荐(Referral)。
AARRR模型
•A拉新：通过各种推⼴渠道，以各种⽅式获取⽬标⽤户，并对各种营销渠道的效果评估，不断优化投⼊策略，降低获客成本。涉及关键指标例如新增注册⽤户数、激活率、注册转化率、新客留存率、下载量、安装量等；
•A活跃：活跃⽤户指真正开始使⽤了产品提供的价值，我们需要掌握⽤户的⾏为数据，监控产品健康程度。这个模块主要反映⽤户进⼊产品的⾏为表现，是产品体验的核⼼所在。涉及关键指标例如DAU/MAU 、⽇均使⽤时长、启动APP时长、启动APP次数等；
•R留存：衡量⽤户粘性和质量的指标。涉及关键指标例如留存率、流失率等；
•R变现：主要⽤来衡量产品商业价值。涉及关键指标例如⽣命周期价值(LTV)、客单价、GMV等；
•R推荐：衡量⽤户⾃传播程度和⼝碑情况。涉及关键指标例如邀请率、裂变系数等。
可以根据实际业务场景，结合使⽤OSM和AARRR模型，来系统性的选择不同阶段所需要的核⼼数据指标。
3、场景化搭建指标体系
⽬前阶段互联⽹业务⽐较流⾏的⼀种通⽤抽象场景“⼈、货、场”，实际就是我们⽇常所说的⽤户、产品、场景，在通俗点讲就是谁在什么场景下使⽤了什么产品，不同的商业模式会有不同的组合模式。
以滴滴实际场景为例：哪些场景（此处场景定义为终端，如Native，，⽀付宝）的什么⼈（乘客）在平台上使⽤了哪些货（平台业务线，如快车/专车等），进⽽为评估⽤户增长的价值和效果。
1）“⼈”的视⾓
从“⼈”的视⾓，我们⽐较关⼼的是什么乘客在什么时间打的车，排了多长时间，等了多长时间上车，周期内第⼏次打车，打车花了多少钱，是否有投诉和取消⾏为等。
车，打车花了多少钱，是否有投诉和取消⾏为等。
具体到数据指标主要看发单⽤户数、完单⽤户数、客单价、周期内完单订单数、取消订单数、评价订单数等。
2）“货”的视⾓
从“货”的视⾓，我们⽐较关⼼的就是成交了多少，交易额多少，花了多少，到具体数据指标主要会看GMV、成交率、取消率指标等等。
在进⼀步会细分到城市、区域，⼀级品类、⼆级品类。数据的效果通过⽬标对⽐，横向对⽐、历史⽐较等⽅式进⾏分析确定。
3）“场”的视⾓
从“场”的视⾓，我们⽐较关⼼的就是哪个渠道⽤户点击量⼤曝光率⼤，带来了多少新⽤户，完成多少交易订单，客单价是多少；
或者是哪个活动拉新或促活效果怎么样转化率多少，结合场景数据实际情况制定对应策略。
以上分别从“⼈”、“货”、“场”三个⾓度进⾏了数据指标和分析维度的提炼，下⾯我们把三类指标结合指标分级⽅法进⾏分解关联。
四、怎么管理指标体系
1、痛点分析
主要从业务、技术、产品三个视⾓来看：
•业务视⾓：
•业务分析场景指标、维度不明确；
•频繁的需求变更和反复迭代，数据报表臃肿，数据参差不齐；
•⽤户分析具体业务问题数据、核对确认数据成本较⾼。
•技术视⾓：
玻璃胶配方•指标定义，指标命名混乱，指标不唯⼀，指标维护⼝径不⼀致；
•指标⽣产，重复建设；数据汇算成本较⾼；
•指标消费，数据出⼝不统⼀，重复输出，输出⼝径不⼀致；
•产品视⾓：缺乏系统产品化⽀持从⽣产到消费数据流没有系统产品层⾯打通。
2、管理⽬标
•技术⽬标：统⼀指标和维度管理，指标命名、计算⼝径、统计来源唯⼀，维度定义规范、维度值⼀致；
•业务⽬标：统⼀数据出⼝、场景化覆盖；
•产品⽬标：指标体系管理⼯具产品化落地；指标体系内容产品化落地⽀持决策、分析、运营例如决策北极星、智能运营分析产品等。
3、模型架构
1）业务线
业务板块定义原则：业务逻辑层⾯进⾏抽象、物理组织架构层⾯进⾏细分，可根据实际业务情况进⾏层级分拆细化，层
业务板块定义原则：业务逻辑层⾯进⾏抽象、物理组织架构层⾯进⾏细分，可根据实际业务情况进⾏
层级分拆细化，层级分级建议进⾏最多进⾏三级分拆，⼀级细分可公司层⾯统⼀规范确定，⼆级及后续拆分可根据业务线实际业务进⾏拆分。
例如滴滴出⾏领域业务逻辑层⾯两轮车和四轮车都属于出⾏领域可抽象出⾏业务板块(level⼀级)，根据物理组织架构层⾯在进⾏细分普惠、⽹约车、出租车、顺风车（level⼆级），后续根据实际业务需求可在细分,⽹约车可细分独乘、合乘，普惠可细分单车、企业级。
2）规范定义
•数据域：指⾯向业务分析，将业务过程或者维度进⾏抽象的集合。其中，业务过程可以概括为⼀个个不拆分的⾏为事件，在业务过程之下，可以定义指标；维度，是度量的环境，如乘客呼单事件，呼单类型是维度。为了保障整个体系的⽣命⼒，数据域是需要抽象提炼，并且长期维护更新的，变动需执⾏变更流程；
手机绑定•业务过程：指公司的业务活动事件，如，呼单、⽀付都是业务过程。其中，业务过程不可拆分；
•时间周期：⽤来明确统计的时间范围或者时间点，如最近30天、⾃然周、截⽌当⽇等；
•修饰类型：是对修饰词的⼀种抽象划分。修饰类型从属于某个业务域，如⽇志域的访问终端类型涵盖APP端、PC端等修饰词；
•修饰词：指的是统计维度以外指标的业务场景限定抽象，修饰词属于⼀种修饰类型，如在⽇志域的访问终端类型下，有修饰词APP、PC端等；
•度量/原⼦指标：原⼦指标和度量含义相同，基于某⼀业务事件⾏为下的度量，是业务定义中不可再拆分的指标，具有明确业务含义的名称，如⽀付⾦额；
•维度：维度是度量的环境，⽤来反映业务的⼀类属性，这类属性的集合构成⼀个维度，也可以称为实体对象。维度属于⼀个数据域，如地理维度（其中包括国家、地区、省市等）、时间维度（其中包括年、季、⽉、周、⽇等级别内容）；
•维度属性：维度属性⾪属于⼀个维度，如地理维度⾥⾯的国家名称、国家ID、省份名称等都属于维度属性；蒸汽直埋管道
•指标分类：主要分为原⼦指标、派⽣指标、衍⽣指标；
•原⼦指标：基于某⼀业务事件⾏为下的度量，是业务定义中不可再拆分的指标，具有明确业务含义的名称，如呼单量、交易⾦额；
•派⽣指标：是1个原⼦指标+多个修饰词（可选）+时间周期，是原⼦指标业务统计范围的圈定。派⽣指标⼜分以下⼆种类型：
•事务型指标：是指对业务过程进⾏衡量的指标。例如，呼单量、订单⽀付⾦额，这类指标需要维护原⼦指标以及修饰词，在此基础上创建派⽣指标；
•存量型指标：是指对实体对象（如司机、乘客）某些状态的统计，例如注册司机总数、注册乘客总数，这类指标需要维护原⼦指标以及修饰词，在此基础上创建派⽣指标，对应的时间周期⼀般为“历史截⽌当前某个时间”；
•衍⽣指标：是在事务性指标和存量型指标的基础上复合成的。主要有⽐率型、⽐例型、统计型均值。
3）模型设计
主要采⽤维度建模⽅法进⾏构建，基础业务明细事实表主要存储维度属性集合和度量/原⼦指标；分析业务汇总事实表按照指标类别(去重指标、⾮去重指标)分类存储，⾮去重指标汇总事实表存储统计维度集合、原⼦指标或派⽣指标，去重指标汇总事实表只存储分析实体统计标签集合。
指标体系在数仓物理实现层⾯主要是结合数仓模型分层架构进⾏指导建设，滴滴的指标数据主要存储在DWM层，作为指标的核⼼管理层。
4、指标体系元数据管理
1）维度管理
包括基础信息和技术信息，由不同⾓⾊进⾏维护管理。
网络广告监测系统
•基础信息：对应维度的业务信息，由业务管理⼈员、数据产品或BI分析师维护，主要包括维度名称、业务定义、业务分类；
•技术信息：对应维度的数据信息，由数据研发维护，主要包括是否有维表（是枚举维度还是有独⽴的物理维表）、是否是⽇期维、对应code英⽂名称和中⽂名称、对应name英⽂名称和中⽂名称。如果维度有维度物理表，则需要和对应的维度物理表绑定，设置code和name对应的字段。如果维度是枚举维，则需要填写对应的code和name。维度的统⼀管理，有利于以后数据表的标准化，也便于⽤户的查询使⽤。
2）指标管理
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议