酷应用

【数据质量】--认知指标的层次

百家作者：数据分析 2018-04-19 13:36:02

数据质量的第二篇，我们阐述了将数据流拆分为评价流和分析流；而在上一篇详述了指标命名的规范方式。为了让读者们对指标理解得更深刻，本篇将树立一种认知：指标其实有不同层次，不同层次对应不同的应用方式。

如上图，最宽泛的角度，我们可以将指标分为“核心指标群”和“业务指标群”两类，两类之间会有互相转换的关系。

核心指标群，可理解为“评价流”中所对应的指标。他们是从战略出发，为决策服务而形成的对业务关键环节的量化。核心指标群一般来源于稳定的业务含义和指标体系。如财务指标、客户生命周期、库存管理指标、年度&季度KPI、OKR等等。一般会不断新增，但极少改变原有某个指标的定义。

在核心指标群中，分为宏观评价指标和细分评价指标是何含义呢？细分即是在某些维度的细分，或者指标的拆解。比如，GMV是公司的核心宏观指标，那么构成GMV的客单价和单量，便是一类细分评价指标；比如，购买转化率是核心指标，那么来自SEM流量的购买转化率，便是按流量渠道细分的评价指标。

细分评价指标，要从指标和维度两方面来应用，往往能对宏观评价指标形成“分析”作用，具备较强的下钻分析，定位问题的能力。

业务指标群，特点是灵活多变，这与核心宏观指标长期稳定形成对比。

以业务结果指标来说，既然称之为“结果”，说明他也带有一定的评价属性。但这类指标的存在时间往往比较短，如月度目标或者周度目标；另外，业务结果指标往往对应的是从长期来看的关键过程的体现，比如某款产品的开发进度、某项目的完成进度等。

在某些业务链条长，管理层级多的公司，也会存在大量的业务结果指标，如对于渠道商的考核指标，对员工或者部门的考核指标等。这些指标往往由核心指标演化而来，但会高频变化。

业务追踪指标或者分析过程指标，其实不难理解了，就是具体问题具体应用时，需要作出定义的各种量化方式。只要能达到目的，每个人的定义都可以不同。

做完了两部分指标的阐述，如何应用这两部分指标？答案比较清晰，可阐述为两句话：

决策层，以核心指标群作为分析和判断的主要依据（即评价流），另外可借鉴业务指标群所透传的信息（即分析流）；重要的是脑中能区别对待，认清结果和过程，而不是产生混淆。
执行层，应用业务指标群，来达到业务目的，但用核心指标群，来认知结果。不要拿着业务指标甚至是过程指标，来衡量工作成果。

需要补充提醒一点：

根据观察，发现很多公司或者部门存在宏观评价指标按部门或区域直接下拆，成为业务结果指标的情况。举个例子，销售额是公司的核心评价指标，而到各大区，各省，各城市，销售额依然是员工的月度甚至周度考核指标。这种情况未必不对，但是值得警觉的。这样的KPI下拆方式，说明管理中层没有按实际情况进行业务分析，而只是机械地上传下达，有时会使得一线执行动作迷茫甚至畸形。

END

关联阅读：

原创系列文章：

1：从0开始搭建自己的数据运营指标体系（概括篇）

2 ：从0开始搭建自己的数据运营指标体系（定位篇）

3 ：从0开始搭建自己的数据运营体系（业务理解篇）

4 ：数据指标的构建流程与逻辑

5 ：系列：从数据指标到数据运营指标体系

6: 实战：为自己的公号搭建一个数据运营指标体系

7: 从0开始搭建自己的数据运营指标体系（运营活动分析）

数据运营关联文章阅读：

运营入门，从0到1搭建数据分析知识体系