企業(yè)數據指標體系構建與應用的挑戰(zhàn)、方法及未來展望

在數字化轉型浪潮中，各行業(yè)對數據分析的依賴與日俱增。眾多企業(yè)雖積極投身數據驅動發(fā)展模式，卻深陷數據指標困境：數據指標雜亂無章，構建缺乏方向，應用更是無從下手。

當下，不少文章聚焦數據指標底層技術原理，然而對企業(yè)而言，如何科學構建貼合自身業(yè)務的指標體系、怎樣將這些指標高效應用于實際決策場景，才是破局關鍵。否則，前期投入的大量人力、物力、財力都將付諸東流。

基于此，我曾在一場直播峰會上，針對企業(yè)數據指標的核心痛點，分享了一套切實可行的思路與方法?，F將直播文字內容整理發(fā)布，期望能助力企業(yè)管理者、數據從業(yè)者撥開迷霧，對數據指標體系形成更透徹的理解，進而在企業(yè)內構建起高效、實用的數據指標體系，真正釋放數據價值，推動企業(yè)持續(xù)增長。

01.當前數據應用的現狀及挑戰(zhàn)

1. 當前數據指標應用的現狀及挑戰(zhàn)

數據指標應用的現狀：

數據量大幅增長：目前各行各業(yè)的數據量已經有了大幅增長，之前可能很多企業(yè)面臨沒有數據，找不到數據的情況，但現在已經有所改變，畢竟數據資源上升到數據資產的時候，意味著整個社會的數據量已經出現冗余的情況。

數據多源異構：數據量多，數據來源多源，數據結構多樣，數據治理應用難。

構建數據指標分析體系：數據指標應用面臨諸多難題，數據應用是全鏈路的工作，包括底層、中臺、數據治理等內容。

數據指標應用挑戰(zhàn)：

指標口徑不一致：業(yè)務線多，業(yè)務部門多，業(yè)務主題多，業(yè)務問題多，指標口徑不一致，是比較常見的問題；

數據質量差：在數據分析支撐決策上，數據質量是很大的問題；

數據指標構建慢：數據指標生長的土壤是數倉，業(yè)務的消費方、使用方不了解數倉的代碼與計算規(guī)則，需要構建數據指標時，會很大程度依賴于數字化部門的數據分析師/數倉工程師，因此在構建數據指標時，整體的速度、效率是比較慢的；

數據很多，不知道怎么用：數據很多，怎么梳理，有哪些指標，要哪些指標，怎么搭建相關指標；

指標很多，不知道怎么用：指標很多，怎么組織應用到相應的業(yè)務賦能上；

指標怎么建，才有用：業(yè)務賦能、業(yè)務實效需要建怎樣的指標體系。面臨這些現狀與挑戰(zhàn)，從數據指標層面來實現企業(yè)數據運營是非常關鍵而且重要的。

2. 數據項目的最大問題挑戰(zhàn)

中臺、數據治理、數據分析、BI、智能化運營、CDP、算法模型等，這些歸為數據項目，數據項目從開始到結束投入巨大的精力、人力、現金，有請外部服務商，也有依靠內部團隊自研來做數據項目。

當前從各個行業(yè)、各個企業(yè)的落地推行情況來看，很多數據項目結束就荒廢了，面臨建完后就不再維護，缺少維護，如各系統從中臺進行分發(fā)，后面可能不繼續(xù)經過中臺做分發(fā)。項目做完后沒產生多大的業(yè)務價值，其 ROI 不成正比。如 BI 報表項目，結束就廢掉了，很多部門不用，仍然使用他們原來的 Excel。還有數據治理項目，數據治理最后成了數字治理，項目結束了，沒有業(yè)務部門、業(yè)務人員愿意進行持續(xù)性的、長效性的運維與運營。

現在流行建設數據指標平臺，也面臨同樣的問題，問題的根源在于并沒有幫助業(yè)務解決問題。指標建設乃至所有的數據項目、數字化項目，其意義在于業(yè)務應用。

02.數據指標助力數據運營

1.理解數據指標與運營

（1）數據指標的定義與分類數據指標是一組量化的標準或度量，用于衡量特定業(yè)務目標或性能方面的表現，從而幫助企業(yè)監(jiān)控進度、評估效果并作出更明智的決策。

數據指標工作，涉及到建立原子指標和派生指標。建立原子指標、派生指標難度并不大，難度在于這些指標有沒有業(yè)務意義？上了一個指標平臺，建了上百個、數百個乃至上千個指標，它的業(yè)務價值在哪里？這對于企業(yè)來說是最為有價值的點，也是最困難的點。

在構建指標時，除了理解它的定義，以及在底層技術方面需要做的工作，更應該關注的是指標的分類以及意義。指標的設計構建是規(guī)劃類的工作，原子指標的構建可以引導構建派生指標。

指標的分類，可分為業(yè)務類指標、目標類指標、層級指標以及周期指標。

業(yè)務類指標：如財務指標、人力指標、營銷指標、銷售指標等跟企業(yè)業(yè)務主題、業(yè)務域相關。為何按業(yè)務域進行劃分？在于指標要去到不同的業(yè)務域，去到不同的業(yè)務場景下，它本身才有業(yè)務價值。若沒跟業(yè)務結合，那就是一個百分比例，一個數字而已。

目標類指標：描述類指標、預測性指標、診斷性指標。指標要解決什么問題？是描述業(yè)務的場景、業(yè)務特征，還是基于原來的業(yè)務數據做預測，去輔助決策；還是診斷性的來判斷當前這個業(yè)務模塊、業(yè)務產品它有什么問題、哪些問題？

層級指標：指標有層級之分，需要劃分層級，一級指標，二級指標，三級指標；

周期性指標：臨時性指標、短期指標、長期指標；指標在定義的時候，只是臨時性的構建，用于短期解決臨時性的業(yè)務問題、或短期的業(yè)務板塊、業(yè)務產品的監(jiān)控、診斷的短期性指標；整個企業(yè)的北極星指標，是指標的核心，可長期使用的長期指標。

（2）數據運營的定義與重要性

數據運營是指通過數據驅動的方式來提升企業(yè)的各項運營能力，包括產品、內容、用戶、活動等多維度的運營，核心是實現優(yōu)化業(yè)務流程，提升效能等目標。

數據運營的范圍：產品運營、用戶運營、活動運營以及增長運營等均包含在內，目的在于讓一切的運營工作有據可依，決策是客觀且科學的。

（3）數據指標是數據運營里最細的分析粒度

對產品的生命周期，在不同的周期階段，設立不同的指標來幫助我們去實現更好的運營工作。這就是數據運營與數據指標在宏觀層面的一個關系。數據指標支撐從宏觀走向微觀，從規(guī)劃走到具體的落地。在數據運營里，可能會借助 BI、報表以及各式的平臺，在這些載體中數據指標是數據分析最小的顆粒度，數據指標往下就是原始數據。

在業(yè)務決策時，會去問銷售額、客單價、客流量，這些都是數據指標的一個代表，以及它的量值，不會去看原始數據，因此在做數據運營時，必須將每個模塊都拆出一系列的數據指標，如產品運營、用戶運營、活動運營，以下是一些例子：

產品運營：注冊用戶數、增長率、使用時長、轉化率、留存率、客戶滿意度等都是產品運營的核心數據指標，通過將產品不同生命周期階段的業(yè)務流轉化為指標進行分析、監(jiān)控，可以更好地幫助產品優(yōu)化、迭代。

用戶運營：注冊用戶數、獲客成本、用戶的活躍度、留存率、轉化率、流失率是衡 量用戶運營成功與否的關鍵指標，這些指標可以幫助企業(yè)更好地做用戶增長與復購。

活動運營：活動的參與度、轉化率、活動響應人數、ROI(投資回報率)是活動運營的核心指標，幫助企業(yè)對當次活動做更深入的復盤。

（4）數據指標的核心：北極星指標

在構建數據指標時，需要關注北極星指標，但不能過度關注。北極星指標是指企業(yè)用來衡量其核心業(yè)務價值和成長的核心指標。它是一個單一的、最重要的度量標準，能夠反映出企業(yè)的核心價值主張是否被市場接受，并且能夠指導企業(yè)的所有決策。

北極星指標的價值：

北極星指標的構建不可能只建一個，因為所有的決策都不是由單一的指標來促成的。如果做數據分析，陷入到單一的這個指標，那數據分析、數據價值就到天花板了，沒體現出來。

因此北極星指標的建立需要關注此指標可以解決哪些問題？能夠讓所有的管理者以及業(yè)務決策人員可以聚焦到核心業(yè)務問題與價值點。如互聯網的 APP，要追求增長，就必須關注新注冊用戶數這一個指標，這個是能夠引領整個 APP 所有業(yè)務工作、業(yè)務流程，往目標去實現的一個指標；那還有產品活躍度？很關鍵的指標就是日活。

如何找到北極星指標：問一下自己，自身的產品、平臺、業(yè)務、品牌，哪些指標是能夠去監(jiān)測、診斷你的生死存亡的？比如互聯網 APP，其北極星指標是新注冊用戶數，它可以衡量這個 APP 是在朝前發(fā)展，還是滯后、停滯了，這是非常典型的指標，還包括收入、日活、留存數等典型指標，能夠關系到整個業(yè)務的生死存亡，因此選取這些指標作為企業(yè)的北極星指標。

（5）數據指標賦能企業(yè)數據運營

數據產品、BI 平臺、報表平臺、指標平臺這些平臺都是產品，這些平臺如何去有效做產品運營？跟商業(yè)化的產品運營，是有共同點的。

首先要找到在產品運營中關鍵的指標，如注冊用戶數、新增用戶數、日活、留存等能夠關系到整體在產品運營、業(yè)務發(fā)展的衡量、診斷的指標。這些關鍵指標很關鍵。在構建指標體系時，指標的建設是有重要性、優(yōu)先級的。很多企業(yè)建了五六百、上千個標簽，其實很多標簽是冗余的，在打這些標簽時，若業(yè)務問題不能解決，其業(yè)務價值也不大，那就淪為湊數濫竽充數了。

如何識別關鍵指標，比較通用的一個方法是去拆分產品的一個生命周期，可以按照產品的生命周期分階段來構建，這樣更能夠助于產品的運營。其次是分析關鍵指標背后的業(yè)務動因：如一家互聯網健身的 APP，當前的新增用戶數下降，可能跟品牌的市場推廣有關系，或者是當前的一個營銷活動的一個不足、策略不足，導致出現異常了，這些都息息相關，影響了最終指標的表現。可以從這一指標拆解出來很多業(yè)務問題，這些業(yè)務問題可能覆蓋很多的業(yè)務部門，這些就是要解決的業(yè)務問題，由此幫助提升新增用戶數這一指標。用戶數上去了，APP 的營收上去了，由此可以實現企業(yè)利潤這一唯一的關鍵北極星指標。技術人員不是單純的幫助搭建指標，構建原子指標、派生指標等工作，工作價值的衡量不是以量取勝，是因為了解這些工作，了解數據從生產到消費到應用整個環(huán)節(jié)的工作，知道指標的價值體現在哪，如何體現，不然很多工作其實是無效的。

2.構建應用型數據指標體系

要建數據指標體系，但是不知道該怎么建？有很多的數據指標，但是好像沒有看到什么價值。這是一個很大的難點、問題點。而且不同行業(yè)，同類方向的企業(yè)，內部的管理問題、業(yè)務流程問題，都是不相同的，在構建數據指派體系是有差異的。

構建應用型數據指標體系涉及到3步驟：

找到業(yè)務目標；明確構建維度；具體執(zhí)行。

（1）實施步驟 1：找到業(yè)務目標

第一步是找到業(yè)務目標，如何去找？明確你要實現什么目的？要實現銷售額的提升、實現會員數的增長、實現品牌的聲量，這些都是目標，都是你的目的，進行選擇。有了目的，要解決什么問題？就涉及到過程指標，有哪些過程與關鍵動作？這些動作要有對應指標來幫助實現？接下來是要實現什么樣的戰(zhàn)略目標？所有的工作不能脫離企業(yè)的戰(zhàn)略規(guī)劃，要講體系，是一脈相承，橫向、縱向都不是相互孤立、獨立的。

（2）實施步驟 2：明確構建維度

第二步是明確指標構建的維度，指標構建有很多的路徑，很多的方法，很多的思路，那要選哪一個？有哪些維度是與該目標相關的，是按照業(yè)務域還是業(yè)務主題，要在整體的商業(yè)框架下去找指標，是很關鍵的步驟。

（3）實施步驟 3：具體執(zhí)行如何執(zhí)行？

構建原子指標，做數倉，做邏輯模型，要理指標跟管指標。管指標區(qū)分責任人，誰來提，誰來負責？這些都是執(zhí)行層面的工作，這些工作包括了指標要不要分類？怎么分？指標定義如何組成？有哪些原子指標？有哪些派生指標？指標的治理也是這階段需要關注的。

有了要實現的業(yè)務目標，執(zhí)行很關鍵？執(zhí)行脫節(jié)了，那整體的戰(zhàn)略目標是不能實現的。

（4）指標體系助力企業(yè)持續(xù)運營

整體的數據指標體系，幫助企業(yè)運營的一個最大的價值點是長期的持續(xù)性、長效性。無論是業(yè)務運營、內容運營，還是產品運營，都是要可持續(xù)性的，要有長效機制。有一些短期的指標，也有一些長期的度量指標。

幫助業(yè)務實現運營、復盤一體化，完成閉環(huán)。數據指標體系從構建開始，有各種基于不同業(yè)務需求的指標類型，這些指標可以幫助企業(yè)做業(yè)務的復盤，完成閉環(huán)。

幫助流程優(yōu)化。流程整體比較長，像一個用戶生命周期，有始有終、有開始、有結束、有中間、有發(fā)展、有高潮，可以利用數據指標來進行優(yōu)化。

經營事務的監(jiān)控、評估。如做產品運營，對產品的監(jiān)控跟評估指標是比較多的。還有活動的評估，這方面的指標是相對比較廣泛的。數據指標體系在運營層面能解決問題主要集中體現在以上三點，還有一些細小的價值跟不同企業(yè)不同的業(yè)務狀況相掛鉤。

3.以應用為導向的數據指標的治理

數據指標體系，有一個很重要的問題，就是數據質量差，這是各家企業(yè)都面臨的一個通病。為此需要數據治理以提高質量，數據治理包括元數據治理、主數據治理，還有參考數據治理，還需要關注指標治理，指標治理也是企業(yè)數據治理范疇。關注指標是否規(guī)范、指標由誰來管、變更流程等等。

（1）指標數據治理應用示例

比如一家在線教育平臺，發(fā)現用戶活躍度下降很厲害，但是公司各內部所有的數據指標都比較混亂，部門口徑也不一致，如何來解決？

首先是對于指標的拆解，要區(qū)分業(yè)務動因？業(yè)務動因可能會涉及多個業(yè)務部門，多個業(yè)務部門可能口徑不一致，計算邏輯也不一致，這個時候很難通過單一指標來進行多方面業(yè)務的提升。因此第一步是要找到關鍵的核心指標。用戶活躍度跟哪些業(yè)務動作，業(yè)務實現的指標相關，然后對問題進行拆分，弄清楚涉及哪些部門、哪些指標、哪些責任人后，可以邀請各業(yè)務部門來進行協同、分析，然后再進行指標的定義跟口徑的統一，接下來是執(zhí)行層的構建原子指標、派生指標，并進行清洗、加工跟計算，最后是整體解決方案的業(yè)務流分解。

回到例子就是通過對于用戶活躍度下降很厲害這個業(yè)務問題進行相關的指標拆分、責任拆分、業(yè)務拆分后，然后有了明確的指標觀測，然后明確這些指標下降涉及到哪些業(yè)務流程、哪些業(yè)務環(huán)節(jié)，包括了哪些業(yè)務問題？哪些責任人？分工比較明細，環(huán)節(jié)比較清楚后就可以進行解決方案的業(yè)務流的分解。

以應用型的數據指標治理涉及到四個環(huán)節(jié)，尤其要關注第一個跟第二個點，明確這兩個點它的目標是什么？這是要比較清晰的。

（2）指標治理流程

對于流程拆分可以借助做指標治理的流程。做指標治理要進行的五個步驟。

一是找到要實現的業(yè)務目標與問題，并進行業(yè)務目標與問題的拆解；

二是找到其相關的關鍵指標與關聯指標，關聯指標不能忽視，做分析、做決策，不能只靠單一的指標，單一指標是不能夠解決任何的業(yè)務問題。做決策，如果只根據單一指標，跟原來拍腦袋還是一樣的，還沒有真正走進數據分析驅動業(yè)務決策，實現數據運營；

三是在從關鍵指標再找到關聯指標后評估當前的數據現狀；每個企業(yè)都要做數據治理，當前的數據質量很差，很多的 500 強企業(yè)也是同樣的情況，所以在做業(yè)務決策之前，如果數據質量有問題，數據本身就是錯誤的，那后面的決策肯定就是錯誤的。在前期做數據的清洗、加工、治理，然后分析決策。若源頭的數據是錯誤的，那就是浪費時間。所以一定要進行數據的評估，到底是數據缺失、數據異常，還是數據的不完整？這些問題它的源頭在于業(yè)務操作，可能在業(yè)務錄入的時候有問題，或者做系統標準的時候有問題的，具體進行業(yè)務問題的追溯與明確，可以幫助更好對業(yè)務進行處理；

四是制定治理方案進行治理，針對具體的數據不完整、數據有缺失等問題點來制定方案；

最后是治理的執(zhí)行。這幾個步驟是各個企業(yè)在不同行業(yè)里做指標治理都是必經的流程。

數據指標治理中的最大挑戰(zhàn)

數據指標治理當中有三個問題點，是非常大的挑戰(zhàn)。

跨部門統一；

找到關鍵指標及關聯指標；

數據質量問題是否能解決。

第一個挑戰(zhàn)是跨部門的統一?？绮块T的統一是非常難的。不同的部門，如銷售部的負責人、市場營銷的負責人，各個部門都有自己的業(yè)務分析的需求，有自己的口徑，這其實是合理的。要做整個企業(yè)級的統一，就意味著有可能要砍掉某些口徑，這對于各部門來說其實是不能同意的，在整個治理當中面臨的不僅是業(yè)務的問題，還有人的問題。人的問題首先第一關就是如何說服業(yè)務部門的管理人員放棄原來的口徑與計算規(guī)則來認同當前要設立的相關指標口徑，這是相當有難度的。

第二個挑戰(zhàn)是要找到關鍵指標及關聯指標。這個挑戰(zhàn)很多人會忽略掉，或者可能只關心北極星指標，只關注北極星指標，關聯指標很容易被遺漏，一旦遺漏意味著決策所衡量的維度與視角是不完整的。畢竟從傳統的經驗決策走向數據決策的一個最大的亮點是科學性與客觀性，如果所關注分析的指標視角不完整，那跟原來的經驗拍腦袋決策其實是沒有區(qū)別的。

第三個挑戰(zhàn)是數據質量的問題能不能解決。數據的現狀，數據的缺失性、完整性，質量問題不是發(fā)現了就能夠解決的，有些其實是無解的。比如做預測，可能用到數據指標的數據，整體的年限周期拉得比較長，這個時候會發(fā)現兩年、三年以前的數據是很難去追溯的，能追溯也很難去解決。所以這里其實有個問題，第一個是質量到底有沒有問題？第二個是這些問題到底能不能解決？這在整體的數據指標治理中是非常復雜與常見的問題。

總體的挑戰(zhàn)問題是這三點，這三個也不是全部的挑戰(zhàn)。這三個問題不僅僅在數據指標治理中是有的，在主數據治理、元數據治理，以及 BI 報表的數據整理工作當中，也面臨著這幾個挑戰(zhàn)。數據治理的艱難不僅僅是這三個問題，每家企業(yè)有每家企業(yè)不同的問題點，需要結合大家的實際情況去做分析。

03.指標應用的未來展望

數據指標治理工作的未來展望，能夠覆蓋更長鏈路，實現從底層的數據治理、指標構建、指標需求管理、指標需求全鏈路的自動化實現、智能化加持。

數據治理是相當困難的，有人的問題、業(yè)務的問題、技術的問題，到了指標構建階段也存在這三方面的問題，到了指標需求的管理，需求指標的定義，特別是指標消費，指標消費不僅是分發(fā)到不同的應用系統，是指標能夠支持業(yè)務運營、業(yè)務決策，這是整個指標消費完成的一個動作點。在整體的鏈路當中，人干預的越多，問題越多，而且還越復雜。未來的展望是指標從生產到消費，能每一個環(huán)節(jié)都實現智能化。

底層數據治理，可以實現智能定標、智能糾偏、智能分析；

指標構建可以實現自動化，可以智能化構建，不需要人工去干預，能根據業(yè)務策略以及經營、運營的目標來幫助進行指標構建；

指標需求的管理，能智能識別，哪些需求是合理的，哪些需求不合理，哪些需求是已有的，哪些需求是未有的；

指標消費，能夠支撐不同的業(yè)務場景，不同的業(yè)務問題的解決，這是在大模型加成之后最大應用點的展望，也是最復雜的，是當前各行業(yè)、各企業(yè)面臨的社會性的難點。結合當下的數據資產入表，入表最難的一個工作點還是在應用層面，數據有沒有價值，如何體現？若整體鏈路通過大模型、AI 的加持能夠實現半自動化或者說 90% 的自動化，那未來的價值會走得更長遠，也會被更多的管理者甚至企業(yè)的老板所發(fā)現。