什麼是數據指標

『壹』 房地產經濟數據指標是什麼意思

房地產經濟數據指標,指對企業景氣調查中的定性經濟指標通過定量方法加工匯總,綜合反映某一特定調查群體或者發展趨勢的一種指標。

它是根據經濟周期波動理論和景氣指數原理，採用合成指數的計算方法，從房地產業發展必須同時具備的三個基本條件（土地、資金和市場需求）出發，選擇8個具有代表性的房地產開發統計指標（投資、資金來源、土地出讓收入、完成土地開發面積、空置面積、新開工面積、竣工面積、商品房銷售價格）進行分類指數測算，然後進行加權平均得到的總體指數，並以1994年12月為基期對比計算出用百分製表示的指數體系。

『貳』 為什麼要關注數據指標，什麼是好的數據指標

引言

數據分析離不開對企業關鍵指標的跟蹤。這些指標與你的商業模式(即營收來源、支出成本、客戶數量以及客戶獲取策略的效果等)有關,因此往往十分重要。

但有時 創業公司 的關鍵指標卻並不容易判定,因為你連自己所處的商業模式都沒有辦法完全確定。你不停地修改自己分析的活動,並且仍在尋找正確的產品或目標客戶。對於創業公司而言, 之所以進行 數據分析 ,是為了在資金耗盡以前,找到正確的產品和市場。

但是在進行數據分析之前，CEO應該先確定你拿到的數據是不是一些好的 數據指標 ，還是虛榮數據指標，應該先確定是好的數據指標，再來談數據分析，因為依據虛榮數據指標進行的分析對你的公司來講無異於災難，它會讓你沾沾自喜而察覺不到真正的危險。

那麼對於創業公司來說什麼是好的數據指標？是用戶增長率么？還是用戶獲取成本？抑或用戶終生價值？好的數據指標評判的依據和價值是什麼？

一、什麼是好的數據指標

好的數據指標能帶來你所期望的變化

好的數據指標能帶來你所期望的變化,下面就是衡量其好壞的一些重要准則。

好的數據指標是比較性的

如果能比較某數據指標在不同的時間段、用戶群體、競爭產品之間的表現,你可以更好地洞察產品的實際走向。「本周的用戶轉化率比上周高」顯然比「轉化率為 2%」更有意義。

好的數據指標是簡單易懂的

如果人們不能很容易地記住或討論某指標,那麼通過改變它來改變公司的作為會十分困難。

好的數據指標是一個比率

會計和金融分析師僅需迅速查看幾個比率就能對一個公司的基本狀況(這些基本狀況包括市盈率、銷售利潤率、銷售成本、員工平均營運收入,等等。)做出判斷。你也需要幾個這樣的比率來為自己的創業公司打分。

二、比率是最佳的數據指標

比率之所以是最佳的數據指標,有如下幾個原因。

比率的可操作性強,是行動的向導。

以開車為例:里程透露的只是距離信息,而速度(距離/ 小時)才真正具有可操作性。因為速度告訴你當前的行駛狀態,以及是否需要調整速度以確保按時抵達。

比率是天生的比較性指標。

如果將日數據與一個月的數據相比較,你會得知該數據當前所經歷的是一個短期的突躍,還是一個長期的漸變。再以開車為例:速度是一個數據指標。可只有將當前速度與最近一小時的平均速度進行比較時,才能確知你在加速還是減速。

比率還適用於比較各種因素間的相生和相剋(正相關和負相關)。

就開車而言,單位時間內行駛的里程/罰單數這個比率顯示了二者的關聯性。你開得越快,行駛的里程就越多,但收到的罰單也越多。這個比率可以幫你決定是否應該超速。

以上均以開車為例,現在再來設想一個創業公司:其軟體產品採取免費加收費的模式,即同時擁有免費和收費兩個版本。公司面臨一個選擇:是該在免費版中提供盡量豐富的功能以吸引新用戶, 還是該將這些功能保留在收費版本中,以促使用戶為高級功能付費。兩種做法各有利弊:推出功能豐富的免費版不利於銷售額的增長;而免費版功能過簡又不利於新用戶的增加。此時,你需要一個結合了二者的數據指標來幫助自己理解,產品的改動對公司的整體業績會有怎樣的影響。否則,你可能會片面地為增加銷售額而犧牲新用戶的增長。

三、好的數據指標會改變行為

好的數據指標會改變行為，這是最重要的評判標准。 隨著指標的變化,你是否會採取相應的舉措 ?

-將日銷售額之類的「會計」指標納入財務報表,有助於進行更准確的財務預測。 這些指標是精 益創業中創新會計的基礎,它們能告訴你當前的狀態離理想的商業模型有多遠,實際結果是否印證了你的商業計劃書。

-「試驗」指標， 如一個測試的結果,其作用在於幫助你優化產品、定價以及市場定位。這些數 據的變化會極大地影響你接下來的動作。這要求你在收集數據之前就先行確定好針對各種不同情況的應變措施。例如,如果把網站做成粉色調能帶來更多的營收,你就該把它做成粉色調; 如果半數以上的反饋表明用戶不會為某功能付費,你就要決定不去開發此功能;如果悉心打造的最小可行化產品不能將訂單量提高 30%,你就該試試其他方法。

-學會根據數據確定一條做與不做的准繩 ,對規范你的創業行為大有裨益 。一個好的數據指標之所以能改變商業行為,是因為它與你的目標是一致的:保留用戶,鼓勵口碑傳播,有效獲取新用戶, 或者創造營收。

不過可惜,這招並不是任何時候都管用。

知名作家、 企業 家、演講家賽思·戈丁曾在一篇名為「Avoiding false metrics」的博文2中舉過幾個這樣的例子。

本去買新車。在簽寫購車協議時,銷售員對他說:「下周,您會接到一個詢問購車體驗的電話。時間很短,也就一兩分鍾。評分從低到高為 1 到 5。您會給我們打5 分,對嗎?我們的服務還不錯,夠得上 5 分,不是嗎?如果有不周到的地方,我確實很抱歉,但如果您能給我們打 5 分,那是最好的。」

本並沒有太把這當回事(奇怪的是,也沒有人「如約」打來電話)。賽思認為,這種評分機制就是一個錯誤的數據指標,因為它並沒有促使汽車銷售員為客戶提供更優的服務,反而讓他的口舌浪費在了說服客戶給他好評上(這顯然對他很重要),這與設計評價機制的初衷——提高服務質量——背道而馳。

由錯誤數據指標引導的銷售團隊也會犯同樣的錯誤。作者就見過某公司的銷售總監將銷售員的季度獎金與其正在接洽中的訂單數量掛鉤,而不是與已簽訂單數量或訂單的利潤率掛鉤。銷售員都是靠金錢驅動的,總是跟著錢走。在這個案例中,這就意味著銷售團隊會為了個人收入製造大量低質量的潛在客戶,並將其停在「接洽」狀態長達兩個季度,這就浪費了本來可以多談攏幾個高質量客戶的大好時間。

當然,客戶的滿意和確保接洽足夠多的客戶都對公司的成功至關重要。但是,如果想要改變公司員工的商業行為,就必須選擇那些與你希望促成的改變相關聯的指標。如果衡量的指標與目標不相關,員工的商業行為就不會隨之發生改變,這無異於浪費時間。更可怕的是,你可能還在沾沾自喜、自欺欺人地以為一切都幹得還不錯。這樣是不可能成功的。

另外,數據指標之間的耦合現象也值得注意 。譬如轉化率(訪客中真正發生購買行為的比例)通常就是和購買所需時間(客戶需要花多長時間才能完成購買)相綁定的;二者相結合可以告訴你很多關於現金流的信息。類似地,病毒式傳播系數(viral coefficient,平均每個用戶邀請來的新用戶數)和病毒傳播周期(viral cycle time,用戶完成一次邀請所需的時間)共同推動產品的普及率。當你開始探尋生意背後的關鍵數字時,就會注意到這些數據對;它們的背後隱藏著最重要的數據指標:營收、現金流,或產品普及率。

四、如何找出好的數據指標

那麼，在知道了什麼是好的數據指標之後，應該如何找出好的數據指標呢？

想要找出正確的數據指標,有五點需要牢記在心。

– 定性指標與定量指標

定性指標通常是非結構化的、經驗性的、揭示性的、難以歸類的;量化指標則涉及很多數值和統計數據,提供可靠的量化結果,但缺乏直觀的洞察。

– 虛榮指標與可付諸行動的指標

虛榮指標看上去很美,讓你感覺良好,卻不能為你的公司帶來絲毫改變。相反,可付諸行動的指標可以幫你遴選出一個行動方案,從而指導你的商業行為。

– 探索性指標與報告性指標

探索性指標是推測性的,提供原本不為所知的洞見,幫助你在商業競爭中取得先手優勢。報告性指標則讓你時刻對公司的日常運營、管理性活動保持信息通暢、步調一致。

– 先見性指標與後見性指標

先見性指標用於預言未來;後見性指標則用於解釋過去。相比之下,我們更喜歡先見性指標,因為你在得知數據後尚有時間去應對——未雨綢繆,有備無患。

– 相關性指標與因果性指標

如果兩個指標總是一同變化,則說明它們是相關的;如果其中一個指標可以導致另一個指標的變化,則它們之間具有因果關系。如果你發現你能控制的事(比如播放什麼樣的廣告)和你希望發生的事(比如營收)之間存在因果關系,那麼恭喜你,你已擁有了改變未來的能力。

『叄』 數據指標和統計指標的區別

沒有區別。數據指標是傳統意義上的統計指標，是通過對數據進行分析得到的一個匯總結果。數據指標和統計指標沒有區別。指標是一個漢語詞語，讀音是zhǐ biāo，意思是衡量目標的參數；預期中打算達到的指數、規格、標准，一般用數據表示。

『肆』 數據指標和統計指標的區別和聯系

區別如下：
1、數據指標有別於傳統意義上的統計指標，它是通過對數據進行分析得到的一個匯總結果，是將業務單元精分和量化後的度量值。
2、二者之間的聯系為：都是反映社會經濟總體現象數量特徵的概念和數值。

『伍』 如何才能搭建一套完整的數據指標體系

一個好的指標體系能夠讓我們快速了解當前所處的階段和環境，從而做出合理的調整決策。本文作者分享了關於如何才能搭建完整的數據指標體系，我們一起來看一下。什麼是數據指標體系？數據指標體系是一套非常完整而全面、量化、易判斷、有價值的分析工具。一般由用戶、產品、運營三大塊組成：用戶：核心用戶貢獻價值、用戶流失；產品核心任務、產品用戶分析；運營：產品運營指標、產品分析等十個子系統組成

對產品的需求不是一成不變的，往往會發生一些變化。用戶需求總是有變化的，如果只看到一個很小的點或是一個場景下出現多個用戶數據，那麼整個產品一定會被打斷，甚至會出現問題。所以在指標體系的設計上下功夫很重要，這是一個大原則，但是有很多時候對於沒有設計好的指標體系，我們會去關注它後面可能會導致什麼。

『陸』 指標是什麼意思

指標意思：衡量目標的參數；預期中打算達到的指數、規格、標准，一般用數據表示。

指標讀音：zhǐ biāo。

指標出處：郭沫若《天地玄黃·魯迅和我們同在》：「魯迅精神在這十年間所發生的領導作用，聞一多就是最明顯的一個指標。」

指標例句

1、因此，要達到預想的粒徑指標、穩定的分散體系，就必須充分利用砂磨機和化學物質。

2、方法以岩白菜素含量為指標，比較冷浸提取、超聲提取、迴流提取3種方法提取物中岩白菜素含量。

3、球團粒徑及其分布是衡量球團礦質量的重要指標。

4、先交定金，我們找指標，找到指標你必須辦。

5、目的研究貓杯狀病毒作為指標，評價化學消毒劑滅活病毒的中和劑試驗方法。

『柒』 什麼是指標、維度、度量

維度是描述事情的角度，依賴於指標，例如：年份是時間維度，北京是地理維度，月活是業務維度。
指標是一數值或者比例，通過某種計算得到的，用來衡量業務。例如好評量、好評率、增長率。
維度是用來說明數據，即對象的描述性屬性或特徵。例如，寬度指的是用戶群的覆蓋范圍大小。
1、指標
指標，用於衡量事物發展程度的單位或方法，它還有個IT上常用的名字，也就是度量。例如：人口數、GDP、收入、用戶數、利潤率、留存率、覆蓋率等。很多公司都有自己的KPI指標體系，就是通過幾個關鍵指標來衡量公司業務運營情況的好壞。
指標需要經過加和、平均等匯總計算方式得到，並且是需要在一定的前提條件進行匯總計算，如時間、地點、范圍，也就是我們常說的統計口徑與范圍。
指標可以分為絕對數指標和相對數指標，絕對數指標反映的是規模大小的指標，如人口數、GDP、收入、用戶數，而相對數指標主要用來反映質量好壞的指標，如利潤率、留存率、覆蓋率等。我們分析一個事物發展程度就可以從數量跟質量兩個角度入手分析，以全面衡量事物發展程度。
剛才說過，指標用於衡量事物發展程度，那這個程度是好還是壞，這就需要通過不同維度來對比，才能知道是好還是壞。
2、維度
維度：是事物或現象的某種特徵，如性別、地區、時間等都是維度。其中時間是一種常用、特殊的維度，通過時間前後的對比，就可以知道事物的發展是好了還是壞了，如用戶數環比上月增長10%、同比去年同期增長20%，這就是時間上的對比，也稱為縱比;
另一個比較就是橫比，如不同國家人口數、GDP的比較，不同省份收入、用戶數的比較、不同公司、不同部門之間的比較，這些都是同級單位之間的比較，簡稱橫比;
維度可以分為定性維度跟定量維度，也就是根據數據類型來劃分，數據類型為字元型(文本型)數據，就是定性維度，如地區、性別都是定性維度;數據類型 為數值型數據的，就為定量維度，如收入、年齡、消費等，一般我們對定量維度需要做數值分組處理，也就是數值型數據離散化，這樣做的目的是為了使規律更加明 顯，因為分組越細，規律就越不明顯，最後細到成最原始的流水數據，那就無規律可循。
最後強調一點，只有通過事物發展的數量、質量兩大方面，從橫比、縱比角度進行全方位的比較，我們才能夠全面的了解事物發展的好壞。

『捌』 數據分析指標有那些

用戶行為類指標

用戶行為指標是互聯網行業和傳統行業最大區別。傳統行業，用戶行為發生在門店裡，極難用數字化手段記錄，因此只有在發生交易時，才能記錄數據。

傳統企業的大部分數據都是交易數據。而互聯網行業依託小程序/H5/APP，能記錄用戶在每個頁面的點擊，相當於在網上店鋪的每一步動作都有記錄，因此能分析很多東西。

具體到指標上，可以套用AARRR模型，分模塊展開：

拉新：主要用於分析拉新的轉化效率與質量。拉新是很多互聯網公司最重要的任務，拉新成本是很多互聯網公司最大的成本支出，因此拉新關注度極高。

通過這些指標的分析，能讓負責商品運營的同事直觀看到商品暢銷/滯銷情況，從而調整商品進銷存計劃，避免商品積壓/缺貨。

注意，虛擬商品原則上是沒有庫存的（或者說庫存想設多少設多少）。但是濫發虛擬商品，又會引發互聯網中通貨膨脹與商品貶值。比如游戲里稀有皮膚賣的貴，是因為稀有才貴，為了短期收入搞大優惠，一但爛大街，反而大家都不稀罕了。

所以控虛擬商品的庫存，不是看商品動銷率或者在庫時間，而是看GMV整體目標。在達成GMV整體目標情況下，高中低端商品保持一個穩定的庫存結構，避免爛大街。

『玖』 數據指標的分類

《精益數據分析》這本書對數據指標的分類：

定性指標是一種難以量化、主觀的、不精確的指標。可以說定性指標是一種沒有指標的指標。定性研究往往有助於突破固有思維，特別是在創業初期或新功能開發的時候。

定量指標揭示「是什麼」和「多少」的問題，定性則能告訴我們「為什麼」。定性指標和定量指標相輔相成。

好的指標的一個重要的標準是能否指導行動。而虛榮的指標則是指那些華而不實、無法指導行動的指標。

常見的如「總注冊用戶」就是一個虛榮指標，既無法看出當前還有多少活躍用戶、也無法看出用戶量的發展趨勢。相反的「活躍用戶數」、「新增注冊用戶」等指標則更能指導我們的行動。

報告性指標是我們已經知道的，需要度量的指標。例如活躍用戶、留存率等常見的指標。報告性的指標可以讓我們了解產品過去和現在的狀況。

探索性指標是我們還不知道的，或者一些需要驗證的想法。例如求證用戶好友數量對用戶留存的影響。

先見性指標是指可以用於預測的指標。如次日留存率讓我們可以提前知道新注冊用戶第二天還能留存多少。

後見性指標是指在事務發生後反應出來的指標。如某個bug引起了用戶流失，流失用戶數量是後見性指標。當我們看到這個指標的時候用戶意見流失了。但是後見性指標能讓我們知道產品的現狀，從而分析其中的原因。

『拾』 詳解數據指標體系如何從設計到落地

導語： 幾乎所有的數據分析工作都會提到一個詞——「建立數據指標體系」，雖然這個詞對於大家來說並不陌生，但是數據指標到底是什麼以及如何具體的搭建，很多人還是一頭霧水的。

01  數據指標概述

在了解什麼是數據指標之前，我們思考一下：為什麼會出現指標？它是為了解決什麼問題？

人類及科學的發展是與時俱進的，早期為了使自然科學的實驗及結果更具統一性及方便標准化衡量，一些標准化的專業指標應運而生。隨著人類社會的發展，社會科學也越來越需要統計學來進行事物的衡量，一系列統計學指標也逐步產生了。隨著新信息技術的發展，數據指標逐步被大眾認可為衡量目標的方法。

從社會科學角度看，指標是統計學的范疇，用於數據的描述性統計。指標是說明總體數量特徵的概念及其數值的綜合，故又稱為綜合指標。在實際的統計工作和統計理論研究中，往往直接將說明總體數量特徵的概念稱為指標。

傳統的指標有國內生產總值（Gross Domestic Proct，GDP）、國民生產總值（Gross National Proct，GNP）、居民消費價格指數（Consumer Price Index，CPI）、滬深300指數等。

1、什麼是數據指標？

數據指標有別於傳統意義上的統計指標，它是通過對數據進行分析得到的一個匯總結果，是將業務單元精分和量化後的度量值，使得業務目標可描述、可度量、可拆解。數據指標需要對業務需求進行進一步抽象，通過埋點進行數據採集，設計一套計算規則，並通過BI和數據可視化呈現，最終能夠解釋用戶行為變化及業務變化。常用的數據指標有PV、UV等。

本文所述的指標是衡量目標的方法，指標由維度、匯總方式和量度組成，如下圖所示。

其中，維度是指從哪些角度衡量，是看待事物的視角與方向，決定了根據不同角度去衡量指標。匯總方式是指用哪些方法衡量，是統計匯總數據的方式。而量度主要是明確事物的具體目標是什麼，是對一個物理量的測定，也用來明確數據的計量單位。

比如，播放總時長是指用戶在一段時間內播放音頻的時長總和（單位：分鍾）。按照上述拆解，維度是指篩選的一段時間，匯總方式為計算了時間長度的總和，而量度就是統一的單位—分鍾數。

這里，我們可以理解為指標是由這幾個方面構成，相當於英文的構詞法，前綴、後綴等共同形成了一個單詞。

2、什麼是指標體系？

體系化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、按標准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准。

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，並能快速獲取到指標的相關信息。

02  數據指標體系搭建原則

1、搭建指標體系要有重點

不能只是羅列指標，這是很多數據分析師都會犯的通病，上來先把大量的指標列好，也不說明優先順序，先看哪個後看哪個，業務根本就看不懂。

2、搭建指標體系要有目標

很多人習慣了列指標，自有一套指標拆分的套路，不管我們要解決的業務問題是什麼，反正就是按照時間、渠道、區域等緯度拆分，分來分去也沒個具體的標准，最後還要糾結到底指標變化多少才是問題。

3、指標體系不是越全越好，和業務最貼切的才是最好的

這個之前的指標體系文章里反復強調了，寫文章的時候會為了吸引眼球，標題寫XXX行業指標體系大全，雖然給大家整理指標體系的時候盡量概括多個業務場景，指標列的很詳細，但是不同的公司，業務復雜不一樣，沒有一套指標系統是能夠通用的，只有和業務最貼切的才是最好用的。

03  如何設計和落地指標體系？

指標體系的搭建分為兩大步驟：設計指標體系和落地指標體系，這兩大部分又可以拆成一些小步驟，我們先來看一張指標體系從設計到落地的整體步驟圖，下面再根據這張圖細分拆解其中的每個步驟是怎樣落地的。

1. 如何設計指標體系？

1）需求來源

主要需求來源隨著產品生命周期而改變。搭建數據指標根據數據現狀分為初中後三個階段。首先要明確的是先有目標方案後再有數據指標，而不是憑空捏造出一些指標體系然後往產品上套。

在數據指標搭建初期以產品戰略目標為主，優先搭建北極星指標的全方位指標監控；中期以業務驅動為主，搭建指標衡量現有業務，業務驅動直接獲取到的指標一般是二級指標，需要整合到指標模型裡面去；到了後期，此時各數據指標已經搭建的差不多了，是時候根據模型查缺補漏，搭建針對產品的指標閉環，通過數據來反向推動產品的迭代優化。

2）確定一級指標

一級指標其實就是反映產品在各個重要方面的運營情況怎麼樣，把對用戶的運營當成一個流水線，圍繞著用戶生命周期即可挖掘到一些重要的一級指標並自然而然的形成閉環。

在眾多指標模型中AARRR模型能很好的概括用戶的生命周期，美中不足的是遺漏了用戶流失這一環節，個人覺得AARRRR比較能完整概括用戶生命周期，即Acquisition（獲取）、Activation（激活）、Retention（留存）、Revenue（收入）、Referral（自傳播）、Recall（召回）。

圍繞這六大方面，可以拓展以下一級指標（只是舉例一些通用指標，具體的一級指標可根據具體業務進行定義）：

3）得到二級指標

二級指標由一級指標衍生而來，為了實現一級指標，企業會採取一些策略，二級指標通常與這些策略有所關聯。可以簡單理解為一級指標的實現方式，用於替換定位一級指標的問題。

二級指標的作用就是將一級指標的漲跌落實到具體的業務部門或者是責任人，通過成分拆解我們可以從一級指標得到對應的二級指標。例如收入這個一級指標，通過成分拆解可以分為廣告收入和內購收入等。

4）得到三級指標

通過二級指標的分析可以找到相應問題的責任方，而三級指標的作用正是指導該責任方去定位具體問題，進而修復問題。

通過對二級指標的路徑拆解即可得到三級指標，一線人員可通過三級指標的具體表現快速做出相應的動作，所以三級指標的要求是盡可能覆蓋每一個關鍵路徑上的關鍵動作。

這里繼續拿內購收入這個指標舉例，通過路徑拆解，最終促成內購的關鍵行為路徑是：瀏覽商品、加入購物車、提交訂單、支付成功。

按照以上流程不斷查缺補漏確定各一級指標並對其進行逐步拆解，即可搭建出一套行之有效的數據指標體系。

2. 如何落地指標體系？

終於到了開干時候，有了目標之後接下來就是將規劃的指標進行埋點落地了。

落地指標就不像設計指標那樣首先著眼於一級指標，而是應該首先著眼於二級指標，因為一級指標是由二級指標組成的，二級指標埋點好了之後一級指標自然而然地可以計算出來。

埋點不是一個人的事情，需要各部門通力合作，下圖就是埋點的整個設計到落地的流程：

不知看完這張圖有沒有一個疑惑，責任方為什麼還要去理解熟悉需求，需求方不是給出指標了嗎，照著去埋點就好了啊。如果你這么想的話，那你註定只能做一個工具人。

首先各指標跟具體的業務邏輯設計緊密相關的，如果你不去熟悉業務，是無法針對指標進行多維度細化埋點設計的，最終設計出來的埋點方案必定是丟三落四漏洞百出。

再者需求方給出的指標不一定是全面的，需求方往往數據意識不強，無法洞察到當前業務的很多細節是數據可分析的。

所以這就需要數據產品經理熟悉業務懂產品懂用戶，才能一針見血設計出一套有指導性意義的埋點方案，而不是照本畫葫蘆搞出一些冷冰冰的數據看看就好，要記住，每一個埋點都是有深意的，數據也是有靈魂的。

明確了埋點的工作流程，接下來要確定的是選擇自研數據門戶還是使用第三方工具，如：神策、Growing IO、諸葛IO等。這兩者主要有以下區別：

自研工作量大，搭建周期長，第三方提供現成的模型，搭建周期短。

自研更靈活，相對埋點實施方上報數據更友好，無需過多無謂的邏輯記錄，在後期的指標計算方式上可以隨心所欲，如某些耗時只要打好點，自研就可以通過兩個事件的時間差計算出耗時，而有些第三方則不支持。

總之，自研前期痛苦後期爽，第三方前期爽後期痛苦。從實現難度上來說自研需要的人力物力遠遠大於第三方服務，絕大部分中小公司會選擇第三方服務，

下面的埋點介紹就基於第三方服務的方式進行講解。

老規矩，在講解之前先上一張整體的流程圖：

1）埋點規範文檔

正如前面所說，指標體系的搭建需要各部門通力合作，一份埋點規範文檔既能規范工作流程提高效率，又能明確需求規范減少溝通成本避免理解出現偏差。埋點規範文檔包括了工作流程規范、命名規范、需求文檔規范等，這些應該在指標體系落地之初就規定好。

當然由於一開始經驗不足並且有的問題在後續的工作中才會暴露出來，初版的規範文檔可能並沒有那麼詳細，但是大體框架還是要有的，後續再補充一些細枝末節的東西。

2）拿到需求原型

就是產品功能原型或者活動原型。

3）定義頁面、元素名稱

拿到需求原型後，首先將原型裡面的頁面及頁面中的元素名稱提前定義好，以便後續進行統一使用避免不同指標出現頁面命名不一致的情況。

如果是頁面的話建議全部命名，頁面裡面的元素可能會有點多，可以挑一些關鍵路徑上的重要元素進行命名，其它元素視後續工作需求再進行埋點（當然了有精力的話全部命名進行監控是更好的，畢竟數據是多多益善，避免後續需要用數據發現沒有埋點的情況發生）。

4）定義事件名稱

為什麼要規范事件名稱？我直接舉個例子吧，某天你想查看用戶的使用路徑，當你使用用戶路徑分析之後發現有大量的展示事件穿插在用戶行為事件中，這時候你是不是很惱火。

如果之前埋點的時候對事件進行規范命名，這時候你只需要在篩選條件中過濾掉事件名前綴為展示的事件，就可以輕松過濾掉所有跟用戶行為無關的事件。

事件規范命名除了以上好處，還有個好處就是方便需求方使用，使用者可以通過事件名輕松知道這個事件具體的含義，提高了使用效率，事件命名可由以下幾部分組成：行為、對象、結果、類型。

行為： 事件的具體行為，主要有 4 類：

點擊 – 點擊某個按鈕或元素的一類事件。

進入 – 進入某個頁面或功能的一類事件。

展示 – 展示某個頁面或元素的一類事件。

退出 – 退出某個頁面或功能的一類事件。

事件行為必須填寫，後續可按實際情況增加其他行為。

對象： 事件行為對應的具體對象可以是頁面，或者是功能，事件對象必須填寫。

結果： 對該對象進行的行為最終的結果，主要有3類：

成功 – 針對該對象進行的行為結果為成功。

失敗 – 針對該對象進行的行為結果為失敗。

結果 – 針對該對象進行的行為結果為成功或者失敗，此時具體結果存儲在該事件的維度中，事件結果必須填寫。

類型： 此參數為拓展參數，如展示事件可能展示的是頁面，也可能展示的是彈窗，這時候在事件後面加個頁面後綴或者彈窗後綴，後續使用起來就能很方便的區分事件的具體類型。事件類型為可選參數，視情況而定。

以上就是事件的命名標准，可以從該標准進行如下一些命名：注冊_指標_成功、進入_充值頁面_成功等。

5）梳理指標維度

這時候就要隆重介紹一下前面《指標體系搭建流程圖》中提到的新4W1H分析法了。為什麼叫新4W1H，因為針對傳統的4W1H進行了新的的解釋，在新的釋義上可以更加合理的加上本人在實際工作中總結的經驗。

根據平時的埋點總結，事件維度主要由主題和事件因果幾個大維度組成。主體即用戶、設備和應用，因果即這個事件的來源和結果。通過增加因果維度可以方便的看到一個事件的來源和去向。

我們先用一張圖來了解下新4W1H分析法是如何定義維度的：

Who： 觸發該事件的主體，是唯一區分用戶的標志，如果用戶登錄了則使用用戶ID（設備ID也需要記錄），未登錄則使用設備ID。

When： 事件發生的時間，使用UNIX時間戳就好。

What： 描述觸發這個事件的參與主體具體信息，一般有三個主體，用戶本身、應用、還有設備。使用第三方服務的話除了用戶信息需要我們埋點設置，其他的第三方SDK都會自動採集，所以這部分參數不是我們工作的重點。

Where： 事件發生的物理地點，可以用過GPS、LBS、IP來判斷，具體視用戶的授權而定。位置信息第三方SDK也會自動採集。

How： 事件的具體描述，這一塊才是我們工作的重點，缺乏經驗的話往往會遺漏一些重要的維度，導致後續的分析支持不上。根據個人總結的因果分析法可以將事件的描述分為來源和結果描述，事件的來源去向無非有兩類：多個行為造成同一個結果、一個行為造成不同結果。

例如：進入充值頁面，可能從不同入口進來的；點擊充值按鈕，可能會充值成功或者充值失敗。

事件的結果即為對該事件的具體信息描述。通過因果分析法進入充值頁面到充值成功這一系列行為我們可以做以下事件埋點（以下事件維度只列舉因果分析法相關維度，其它參數視具體業務自由增加）。

通過這樣的埋點，我們就可以很清晰的知道進入充值頁面各個入口的分布情況，也能知道點擊充值按鈕後充值成功和失敗的分布。

6）明確上報時機

事件的上報時機由事件的定義來具體決定。主要有以下三大類：

展示： 展示時候上報，需要明確重復展示是否重復上報，像那種自動輪播的banner就不需要重復展示重復上報，因為這樣的重復上報是沒什麼意義的，而用戶反復滑動導致的重復展示可以重復上報；

點擊： 點擊時上報，這個是最簡單的上報時機，一般沒什麼爭議；

介面： 這個涉及到與後端的介面交互，如前面舉例的購買_金幣_結果事件，上報時機則為充值成功或者失敗時上報，即客戶端拿到後端返回的具體結果時上報。

7）輸出數據需求文檔

當上面工作已經做完時，就可以輸出需求文檔了，需求文檔主要包含以下信息：

8）錄入指標字典

埋點指標上線後，為了方便業務方使用，可以將各指標按照業務分為不同的主題，方便使用者快速找到需要的指標，具體包含以下信息：

04  數據指標體系搭建方法及經驗

那怎麼才能搭建有效的指標體系呢，筆者給大家分享以下幾點經驗：

1、掌握基本的思維模型，全面洞悉業務

數據分析離不開業務，了解業務是我們搭建指標體系的前提，掌握一些基本思維模型，可以幫助我們快速、全面的洞察業務。

1）5W2H模型

經典的數據分析思維模型。以五個W開頭的英語單詞和兩個H開頭的英語單詞進行提問，從回答中發現解決問題的線索，即何因（why）、何事（what）、何人（Who）、何時（When）、何地（where）、如何做（How）、何價（How much）。

5w2h能幫助我們培養一種嚴謹全面的思維模式，讓分析的過程更加全面更有條理，不會產生混亂和遺漏，當你覺得你的指標體系已經很完美的時候，可以用這個模型來幫助你肯找到思維的漏洞。

2）邏輯樹方法及MECE原則

邏輯樹方法可以幫我們將復雜的業務問題拆解成多個簡單問題，從而幫助我們拆分更細的數據指標。

Mece原則的意思是「相互獨立，完全窮盡」，我們搭建指標體系的一個重要標准就是不重復不遺漏，運用mece原則可以很好的幫助我們把握核心指標，提升指標系統的有效性。

3）商業畫布

商業畫布是一種分析企業價值的工具，通過把商業模式中的元素標准化，引導我們的思維，將業務知識素材歸檔，在了解業務的過程中，我們可以按照下面張圖來完善填充，從多個角度全面的洞察業務

除了上面的思維模型，最好的了解業務的方式就是和業務方多交流，認識當前業務的關鍵問題，畢竟建立完善系統的指標體系需要很長一段時間，最好從部分關鍵點開始，先解決問題。

2、指標體系搭建方法論

對應業務場景的指標體系有相應的方法論，比如基於用戶生命周期的指標體系AARRR、客戶滿意度指標體系等等，簡單給大家分享幾個：

1）第一關鍵指標

這個概念是我在《精益數據分析》中看到的，指的是當前階段無比重要的第一指標，同時也指出了在創業階段的任意時間點上應該且只關注一項重要指標。這個概念在我們搭建數據分析指標體系的時候同樣有指導意義。

先抓住公司當前階段的「第一關鍵指標」，然後再把這個指標拆解到各部門，形成各部門的「第一關鍵指標」，也就是我們說的OKR，或者是KPI，然後再根據各部門的業務，基於這個第一關鍵指標思考應該關注哪些細化的指標。

2）基於用戶生命周期的指標體系：AARRR

3）客戶滿意度指標體系：RATER指數模型

總之，關於指標體系的搭建可以先模仿再優化，重點是解決業務問題，我整理的一些特定業務場景的指標體系，可以先模仿套用，再根據業務形態加以調整，快的話，2個小時一個指標體系即可搭建完成。

05  數據指標體系的價值點

數據分析什麼要搭建指標體系？有什麼用？可能大部分人都說不清楚。在筆者看來，搭建指標體系的價值主要有3點：

1、建立業務量化衡量的標准

指標體系可以建立業務量化衡量的標准，數據分析的目的就是說明、衡量、預測業務的發展。

比方說衡量一個門店經營的狀況，一個門店月凈利潤20萬元，剛看這個指標感覺這個店盈利不少，發展應該不錯

但是再一看前兩個月的凈利潤，發現前兩個月的凈利潤都是40萬以上，增加了這一個指標，我們就發現了這個店的經營狀況可能存在問題了。

在衡量業務經營狀況的過程中，單一數據指標衡量很可能片面化，需要通過補充其他的指標來使我們的判斷更加准確。因此，搭建系統的指標體系，才能全面衡量業務發展情況，促進業務有序增長。

2、減少重復工作，提高分析效率

有了指標體系，數據分析師就可以少干點臨時提數的活，指標體系建立後應該能覆蓋大部分臨時數據分析需求，如果指標體系搭建完了，還是有很多臨時的分析需求涌現，那證明這個指標體系是有問題的。

3、幫助快速定位問題

建立了系統指標體系，有了過程與結果指標，有了指標的前後關聯關系，就可以通過回溯與下鑽，快速找到關鍵指標波動的原因，老闆讓你分析原因，再也不用愁眉苦臉了。

不過這些價值發揮的前提是 建立合理、有效的指標體系，且數據質量有保證 ，數據質量都不能保證，指標體系搭的再好，分析出來的結果也沒什麼意義。

參考文獻：

7000字詳解數據指標體系如何從設計到落地 https://mp.weixin.qq.com/s/13BoA0lOqYyFF7KNsb_RRQ