构建指标体系1：概述

构建指标体系1：概述

指标的确是一个比较神奇的数据能力，基本上所有人都知道怎么开发报表、使用指标，但细细一想，又却觉得有点似是而非的样子。就好像大家常常会看到原子指标、派生（衍生）指标、复合指标，那竟然为什么要把指标拆成原子指标呢？其在业务、数据、技术上的价值如何？

其实说实话，除了如何拆解原子指标和建模，指标梳理部分的内容，只要把模版拿出来，大家就能明白个95%。。。

一、指标的定义

我们先来看看大厂对指标的定义：

阿里：指标是衡量业务特征的统计数值，用于体现企业某一业务活动的业务状况。指标通常分为原子指标和派生指标，与指标相关的参数还包括修饰词和时间周期。派生指标则是由原子指标 + 时间周期 + 一个或多个修饰词组成。

华为：指标是衡量目标总体特征的统计数值，是能表征企业某一业务活动中业务状况的数值指示器。指标一般由指标名称和指标数值两部分组成，指标名称及其含义体现了指标在质的规定性和量的规定性两个方面的特点；指标数值反映了指标在具体时间、地点、条件下的数量表现。

要注意的是，在华为的定义中，没有派生指标这一说法，另原子指标的定义也有一点差异；

本文对两者结合讲解，大伙也可以在搞懂基本原理后，自己按需进行定义。

于是，我们总结一下，可以得出从业务与数据两个观察的角度：

业务上：指标是对业务上度量，可以是度量绩效、可以是度量经营过程，也可以度量其它；

技术上：指标是统计数值，第一是要统计，第二是要数值（比例也算，如同比）。

二、指标在业务度量上的思考

不论是度量一个业务，还是度量一个员工的绩效，其度量指标肯定不止一个，这就是我们员工绩效考核中常说的360度考核。即然单一指标无法单独有效地度量，那必定要是需要一个体系来支撑，这就是我们所说的“指标体系建设”。

我们先来看看一些中厂对指标体系建设的定义：

某数据资产工具厂商：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。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。

另外某数据中台厂商：指标是数据资产的一部分，是数据价值体现的核心，需要通过体系化的管理，从生产到价值评估，体现数据在业务上的价值。

​

如果用Gartner的述语来说，指标体系的建设，其实是数据资产编织的过程。

​

三、指标体系构建思路

按照Gartner的理论，指标体系构建可以用以下生命周期表示：

1、业务调研：

属业务动作，其有两层含义（两层含义见本文最后的指标实现路径图）

（1）如果项目中有咨询部分，那么业务调研一般会从场景开始，拆解核心业务要素，推导出核心考量因素，与业务部门一定制关键度量指标；

（2）如果是指标落地工作，那么一般只需调研指标的业务含义，业务上统计口径等的内容；

2、指标定义和生产：

属技术动作，把调研得到的指标进行梳理，归类（就是设定主题域），拆解原子指标，建模、开发等；

3、按场景编织指标：

这个也是业务动作，其实需要一套工具做支撑，把业务场景需要的指标、标签、元数据等的内容拉到一块，重新组织后对外提供业务服务能力；

4、指标价值估标及反馈：

属业务动作，指标不是全部有用的，有可能有些指标定义不准确不能反应业务价值，也有些可能是开发了的指标一年也没有人用一次。因此，定期对指标的价值进行盘点，有利于更好实现数据驱动业务；

5、指标处置

也就是指标生命周期的终点了。

四、指标体系实施流程

指标实施流程，请参考上图，其实我是把整个指标的实施交付框架中，指标数据处理部分重点拎出来进行讲述：

第0步，指标设计：这一步其实是咨询要做的事情，属于轻咨询的工作，咨询顾问会对业务进行调研，然后逐级分解业务需求，找出痛点和考核需要的关注点，进而对指标进行设计，再与业务部门进行确认；

第1~4步：从指标收集，到处理的全过程，属数据治理范筹，也是本次我们要讨论的重点；

第5步：后续是技术实现的过程了，包括建模、开发等，若有时间后续我可以把建模等的内容进行分享，还是蛮过瘾的，如DWD、DWS建模等。

下一篇文章，我们从指标收集正式切入指标数据处理流程。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。