互聯網的數據之大，數據之雜，往往不知道從哪里入手，甚至不知道想要什么數據。數據產品經理在與數倉工程師、數據分析師系統配合工作的職責，就是把這些數據變得“規矩”起來，并且結合業務場景，產出一套有規有矩的指標體系。作為指導業務人員監測、分析、指導業務產品的數據依據。
一、什么是指標體系
分開來開，什么是指標？什么是體系？
1.指標由維度和度量組成。
維度即是從那些角度看待數據，屬于看待數據的視角和方向。
度量是通過一定的匯總方式，產出一個帶有計量單位的數值。
2.指標體系，就是將數據指標系統性的組織起來。
指標體系的本質是將數據指標系統性地組織起來，具體會按照業務模型、按標準對指標不同的屬性分類及分層。當然，不同的業務階段、不同業務類型會有不同階段的劃分標準。數據指標體系含有十分豐富的統計量，
從宏觀上看，它是一個相對全面的有機整體；從微觀上看，每個數據指標都有其特定含義，反映了某一細節的客觀事實。不同的數據指標定義不同，邏輯也不同，這些各種各樣的統計量共同構成了數據指標體系，使其產生不可磨滅的價值。總的來說，數據指標體系是對業務指標體系化的匯總，用來明確指標的口徑、維度、指標取數邏輯等信息，并能快速獲取到指標的相關信息。二、如何搭建指標體系
常見的指標體系建設方法，我們比較常用的是OSM+UJM 模型，當然這也不是絕對的，主要還是得看我們的業務場景和業務目標。
從零開始構建指標體系，比較常用的方法是，圍繞產品業務的核心指標，確認用戶的關鍵行為，將核心指標向下一級逐層拆解。由主要到次要，由內而外延展，逐漸形成一個圍繞核心指標，拆解成多個可監測、可操作的關鍵用戶行為的指標體系。具體說來：
確定核心指標
常用的做法是確定一個北極星指標，這個指標通常和公司的業務戰略相關，也可能和某一活動運營的目的相關。通過與業務同學的需求梳理，將最高優先級的目標數據出來，選出最重要且最能反映業務的指標。
|
選取原則
|
指標能直接洞悉產品/活動的價值
|
|
指標具有典型性，能夠完全反映業務情況
|
|
做到以小見大，和公司整體情況息息相關
|
|
獲得業務部門的認可
|
|
指標應具有指導意義，不能存在滯后性
|
核心指標的拆解
因為單一的指標，只能用作觀測使用，它的變化情況，如果沒有相對應拆解的二級指標，就很難歸因數據的變化情況。舉個例子：核心指標：用戶營收拆解：每一步都是需要觀測的指標，通過環比，來查看數據變化的原因具體在哪個指標上。
確定用戶的關鍵行為
把握用戶的行為數據，是指標體系的關鍵，通過關注業務流程和用戶行為數據，能夠更好的了解業務發展情況。比如常見的內容獲客，用戶閱讀內容之后做分享，就包含了一個一個可以監測的“獲客漏斗模型”，相應的關鍵用戶行為包括：
業務需求維度拆解
確定好關鍵行為后，需要進行更加細致的維度拆解，來滿足各個視角的評估分析，引導下一步的運營策略。同時也滿足當指標發生異動時，可以快速定位問題，找到原因，及時制定相關策略。
具體的維度可以結合具體的角度，比如：從數據分析的角度，拆成新老用戶不同觀測；從運營角度，區分不同的渠道，不同的投放素材；從產品角度，區分不用的系統平臺，abtest等。三、指標體系注意事項
1.非越多越好 關鍵指標在一個體系中，并非越多越好，防止相互沖突的情況，和業務最貼切才是最好的。數據指標體系建設流程：
2.非一成不成
指標體系并非一成不變的，需要不斷的完善和更新。甚至基于產品的變化，業務的調整，指標的口徑和邏輯一直在發生變化，數據產品經理要時刻知曉第一線業務的變動情況。
3.非閉門造車
指標體系并非是閉門造車，由數據產品經理一言堂。是需要與多方團隊（數倉開發工程師、數據分析師、數據科學家等）溝通協同確認，定義好各個指標的權重，讓各方接受并宣講推廣。
4.非都有意義
指標體系并不是我們算的每一個指標，都有實際的意義。但每個指標，都需要投入實實在在的人力資源。這個時候，作為數據團隊，計算某個指標的投入產出比，以及所消耗的機器資源，就是一項必備工作。
這其實就是阿里的OneData方法論希望做的事情：統一口徑、減少分歧、準確衡量效果，但更重要的是，降低投入的成本。
在超大規模數據量 + 超大業務復雜度情況下，《阿里巴巴大數據之路》這本書，才能看出一些門道來。
注：公眾號后臺回復：06，即可領取大數據之路PDF版
正常規模的公司，其實用不到復雜的指標管理方法。但“量變都會引起質變”，當數據表的數量達到千萬級別時，就需要專門的方法論來治理數據，以及相應的指標了。我們通常把這些工作，稱之為“
數據治理”。四、指標體系的價值
指標體系完成后，是業務數據的具象化和標準。既對指標進行了統一管理，也方便了后期的維護修改及分享。具體價值：
全面支持決策
管理層的老板可以對公司概況有一個大體認知，而不是管中窺豹。同時可以靈活的添加新的數據，使把握業務發展更加靈活。
指導業務運營
指標體系的建立，通過對業務流程的數據化拆解，可以實現數據變動的反饋。可以根據這些流程拆解和漏斗模型，分析用戶喜好，進行最新的運營策略。
統一口徑和降本增效
指標體系作為數據中臺的一部分，將數據隔閡打破，融合公司內的全部數據，實現統一管理、統一口徑，減少重復工作和資源浪費，提高了
數據質量和復用率。 結束語
今天的分享到這里就要說再見了，希望能對你有所幫忙。數據產品經理DPM和數倉開發工程師是相愛相殺的關系，高效協同配合才能搭建好數據指標體系。One More，再次謝邀，也歡迎大家關注這個高質量的公眾號，一起進步！
（部分內容來源網絡，如有侵權請聯系刪除）
