TechDay直播回顾：数据索引系统的设计与开发|下载课件

科学完善的数据指标体系是企业开展数字化运营管理、构建数据驱动组织的重要支撑。 通过多维数据指标，运营者可以清楚地了解业务的现状，产品/研发者可以有效地识别系统问题，管理者可以更准确地做出分析决定。

那么，如何在充分了解业务需求的基础上，建立有效、易用的数据指标体系呢？ 本文回顾了TechDay“治数训练营”系列第三期直播课，为大家展示 《数据指标体系设计与开发实战》 。

:

课程回顾

:

数据指标与指标体系

数据指标是特定类型的元数据信息，是对业务部门进行细分和量化的测量值，也是业务与数据的交汇点。 数据指标使业务目标可描述、可测量、可分解，为产品运营的日常开发迭代和引导科学决策提供了可量化的支撑。

数据一般分为结果型指标和过程型指标两类。 结果类型指标用于衡量用户在某个动作后产生的结果，并用于衡量在某个场景中是否满足了用户的需要。 这个结果通常会延迟得知，人们很难介入。 过程型指标是用户在行为过程中产生的指标，过程型指标更关注用户需求为何得到满足或未得到满足，人们可以通过特定的策略影响过程型指标，进而影响最终结果例如，就电商促销活动而言，最终销售额是结果型指标，商品页面曝光、点击、补购等数据都是过程性指标，电商经营者通过运营策略可以实现曝光量、点击率、补购转化率等过程性指标

: 通过分析转卖链接各个环节的数据指标，业务人员可以清楚地了解业务情况，各个数据指标不能完全反映业务运营情况，而且我们要从全局出发，零散、单点数据体系的构建过程其实也是我们思考业务本质的过程。 科学完整的数据指标体系可以衡量业务的发展质量，帮助我们从一点看业务全局，从全局解决一点业务问题。

:

数据指标设计与开发

企业要建立数据指标体系，首先要根据业务目标，梳理相应的数据指标。 建议参考OSM模型分解业务目标，完成数据指标的设计。

:

OSM模型

在此，" o "指目标Objective，" s "指战略Strategy，" m "指测量指标Measurement。

以电子商务运营场景为例，电商平台的运营目标( o )往往是GMV的提升。 根据公式“GMV=支付用户数每单位成本用户购买频率”，其提高策略( s )和相应的衡量指标( m )可能为：

提升支付用户数

策略( s )是给予新注册用户9.9限时抢购的福利，指标( m )是新注册用户数。

提升每笔单价

战略( s )进行投资组合销售，测量指标( m )为每个订单的平均单价。

提升用户购买频次

策略( s )为休息日进行优惠券营销，测量指标( m )为用户下单频率。

OSM模型将宏伟抽象的目标分解为一系列具体、可落地、可度量的行为，适用于产品运营、用户运营、绩效管理、企业经营等多个场景。

以用户分析方案为例，结合使用OSM模型和UJM用户旅行地图模型( User-journey-map )，运营者可以定量管理用户从点击、查看到购买、下单、共享的全过程体验

例如，在产品运营场景中，产品人员将OSM模型与HEART模型相结合，通过一组指标定量评估用户对产品特定功能的使用体验，为产品的迭代升级提供数据支持。

:

指标分级

数据指标体系的设计是一项比较复杂的工作，企业需要根据自身的战略目标、组织和业务过程等进行自上而下的指标分级，从而使管理层、业务人员等不同角色能够更有效地理解数据指标的含义，并通过数据指标的变动快速定位相关问题

一般来说，数据指标分为第一重要指标、别名“北极星指标”、第一指标、第二指标三个阶段。 例如，出租车类APP的第一重要指标是成单率，对成单率进行分解后，分别得到单数、完单数两个一级指标。 将一级指标划分为单数，可以得到司机取消订单数、乘客取消订单数等二级指标。 对于客服人员来说，需要关注二级指标，跟进了解司机和乘客取消订单的原因，解决司乘用户体验问题。 对于出租车APP运营人员来说，更要关注发单、完单等一级指标，通过运营和激励措施提高相应指标。

:

指标设计

在设计指标之前，您需要了解指标的几个主要组成部分，包括维度、度量、统计周期和筛选条件。 这里，维度是描述性数据，是指地域、产品名称、产品类型等指标被统计的环境； 度量是产品的销售额、账户余额等数字数据。统计周期是指计算指标的时间范围，例如本月、本季度、本年度等； 筛选条件是计算指标的条件限制，例如有效状态、非工作日等。

指标的构成要素决定了指标的生产逻辑。 按构成要素、生产逻辑，数据指标可分为原子指标、衍生指标、复合指标等类型。 其中原子指标是指交易件数、交易金额、交易用户数、账户余额等针对某个业务行为事件测量值的派生指标，是根据原子指标进行维度、统计周期或过滤条件的派生，例如最近一周的账户消费金额、去年的账户余额等

:

指标元数据

企业可以根据指标类型、生产逻辑，明确组织生产指标所需的数据源和需要建立什么样的数据模型来计算指标结果。 为了更规范地进行指标的生命周期管理，企业输出指标元数据说明书，明确罗列指标名称、指标代码、指标目录、指标分类、业务口径、技术口径、指标负责人、指标数据更新频率、说明信息等重要内容，包括数据开发者、指标使用者、指标维护者等

:

指标评审与开发

指标模型、指标内容等设计完成后，数据分析师/数仓设计师召开指标审核会议，与数据开发/业务人员在指标定义、业务口径、技术口径、更新周期等方面进行了充分讨论并达成一致。

业务负责人是数据指标的需求者和使用者，能够对衍生指标维度有哪些、统计周期有哪些、复合指标加工自哪些指标等问题提出建设性意见的数据开发人员对企业数据源现状了如指掌，他们从几仓的哪些数据模型中进行加工生产

综合指标审核会议上的诸多反馈，负责指标开发的数据分析师/数仓设计师可以优化并迭代指标元数据和指标生产逻辑，正式开始指标开发工作。

:

经验总结

数据体系是企业非常重要的数据资产，结合在数据管理和指标体系构建过程中积累的经验，建议在数据指标体系的构建过程中把握以下三个关键点。

按照标准规范指标集构建方法论，设计企业级数据指标体系有全面管理和管理数据指标生命周期的统一过程控制机制； 建设统一的指标管理平台，集中管理数据指标，沉淀指标资产。

:

QA精选

直播中，大家就课的内容进行了交流。 本文选择了直播间的精彩问题进行QA整理。

Q1：如何使用非结构化数据和半结构化数据搭建指标体系？

这需要对具体问题进行具体分析。 一般来说，我们在构建指标体系时，是以结构化数据为对象的。 对于非结构化数据，需要首先对其进行管理，转化为结构化数据，然后进行指标体系的建设。

例如，对于视频格式的数据，需要利用视频识别算法将视频格式的数据转换成结构化数据，并将其整合到整个数仓体系中，之后进行指标体系的构建。

Q2：如何衡量指标体系的质量？

高质量的指标体系不仅能清晰地反映企业经营的现状，而且可以用于不同层次的人员，帮助企业/组织更好地发展。

目前，许多企业都在搭建数据招牌、数据驾驶舱，根据主题不同组合展示多种数据指标，帮助管理层、中层领导、业务人员看到企业的经营状况，分析和研判企业的经营问题，衡量业绩和经营目标的实现情况

为了使企业能够更方便、更高效地分析和使用数据，每日治理平台DIOS采用了低代码的设计理念，营销、人力资源、财务等不同部门的业务人员也可以灵活地进行数据APP，包括看板、数据门户等

Q3：可以使用数据湖中的非结构化数据建立指标吗？

是的，可以了。

数据湖改变了原几仓先进行数据处理再使用数据的方式。 数据湖强调先存储数据，以后想使用数据时再考虑具体的数据加工处理方式。

数据湖存储了大量的半结构化和非结构化数据，包括图像、音频和视频。 如何从非结构化数据中有效地提取有价值的信息是利用数据湖中非结构化数据构建指标体系的难点。

:

下期预告

个推TechDay治数训练营第四期即将来袭！11月30日（下周三）晚上19:30-20:30，来自个推治数平台部的资深数据产品经理将为大家详细梳理企业进行标签体系建设的方法论与核心策略，深入分享标签数据的资产化运营管理经验，解读画像标签体系的场景应用案例。

• 上一篇：魔兽世界国服下载安装教程(魔兽国服客户端登录美服)
• 下一篇：入坑，三国志战略版，必须知道：比赛从下载游戏的时候就开始了，我后悔犯了一个赛季的错误。