指标体系建设：理论与实践
2024
Chapter 1 什么是数据指标体系
我们不能管理我们不能测量的东西，我们不能测量我们不理解的东西，我们不能理解我们不知道的东西。
构建指标体系是组织管理中不可或缺的一环。它提供客观、可衡量的标准评估绩效，促进准确决策和资源分配，增进内部沟通与协作，促进持续改进和发展。指标体系为组织的成功和竞争优势提供了坚实基础。
1.1 数据指标
数据指标, 是用数据对事物进行描述的工具.我们可以给一个简单的定义 : 数据指标是对事物某段时间内某方面特征的定性/定量的描述. 通常而言, 每一个数据指标都需要非常清晰的定义, 例如:店铺A的月营业额, 这就是一个指标,定义他需要:
- 统计时间 : 某一个月份,1月,2月…
- 数据来源 : POS机的流水交易/线上交易数据
- 计算逻辑: 这里就是简单的聚合汇总
1.2 数据指标类型
数据指标可以分为两类 :
- 连续型指标
- 离散型指标
对于连续性指标而言,又可以分为:
- 数值型 : 一个数字,可以直接加减乘除 .例如2余份GMV是1亿
- 比例型 : 比例型, 例如转化率为 30% . 比例通常表示整体中的某一部分
- 比率型 : 比率型 , 昨日的环比增长率是 5% , 比率通常是两个比例之间的关系.
离散型指标通常是定性的, 这类指标的值通常无法直接计算,比较大小.
1.3 数据指标, 数据维度和数据标签
11 月 A 商铺的 总营业额 是 10w . 在这一段话中:
- 数据指标 : 总营业额度
- 维度 : 月份 , A店铺
简单的理解, 指标通常是一个事实结果, 而维度则是来描述这一个结果的角度.
而数据标签则通常是通过多维度和指标来定义的, 并且标签具备极强的业务含义,例如 :
数据指标 : 总营业额
▼
标签定义 : 过往三十天内, 每日营业额波动5%以内表示稳定
▼
标签 : 营业额稳定的店/营业额不稳定的店定义标签通常通常有三个步骤 :
- 梳理业务, 明确需要定义的标签
- 整理标签相关的数据指标
- 明确定义标签的规则(例如通过权重计算)
1.4 指标与指标体系
如果我们描述事物的角度比较单一, 此时我们是不需要指标体系的, 只有当我们需要从多角度来描述/评价一个事物的时候, 才需要指标体系.
到这里我们其实可以思考一个问题: 如何多角度描述/评价一个事物 . 事实上, 只有你知道了从哪些角度去评价/描述一个事物, 才能够进一步找数据, 用指标来描述它. 这就需要一些专业知识以及对于某个领域的深入了解.
例如, 如何全面的评价一步电影, 一般的观众可能会觉得好看, 或者不好看. 有一定专业知识的人可能会从镜头, 服装, 光影,色彩等等方面评价电影. 更专业一些, 可以从时长环境, 电影发展趋势, 资本等等面试来评价这一步电影. 总而言之, 你的知识越丰富, 对某个领域了解得越深刻, 越能全面的描述,评价一个对象.
例如, 如何用指标监控人体心脏的健康状况:
指标体系的构建就和分析挖掘一样, 需要去了解对应领域的知识, 因此构建指标体系也有一个非常关键的步骤: 业务理解. 我们需要去了解业务场景是怎样的, 流程是怎样的, 价值链是怎样的, 利益相关方是谁等等问题. 在本本书中, 不过多的讨论具体业务, 而是站在更加抽象的角度来说明一般的方法.
因此, 我在这里给指标体系下一个定义 :
指标体系是: 在特定的业务场景下, 针对于某目标,服务与某特定对象的指标合集
