指标体系构建-01-什么是数据指标

什么是数据指标

指标是指于其中打算达到的指数，规格，标准等,是用数据对事物进行描述的工具。通常指标对应是否有价值取决于这个指标的实际意义。同时关注指标对应的数值，主要关注其单位及波动性。

举个栗子🌰：

口头描述：这家店生意很好

数据描述：这家店昨天的营业额是16000元

数据指标：昨日营业额

数据指标，需要有清晰的定义,举个栗子🌰：

昨日营业额 这个数据指标怎么描述

数据指标：昨日营业额

统计时间：昨日00:00-23:59

数据来源：店铺POS机交易流水

数据计算：POS记录的交易订单（不含退货单） 的 金额汇总

再举个栗子🌰：

7日留存率 这个数据指标怎么描述

数据指标：7日留存率

统计时间：7天内的数据

数据来源：app登录数据

数据计算：留存率=某范围活跃用户数在第N日仍启动该App的用户数的占比

数据描述：比如8.2号新注册的用户在8.9号之前又再次登录的数据

数据指标、标签、维度的区别

数据指标 VS 标签 VS 维度

数据指标的作用上文已经说过，是数据对事物进行描述的工具

数据指标：昨日营业额（昨日营业额16000元）

标签是什么,举个栗子🌰：

是为了描述事物、区分事物的某种缩略代指。比如（百年）老店、新店（开业）中的老店和新店就是标签。

任何描述性的文本，都可以作为标签。它可以是成语，也可以是词语，也可以是不完整的句子。

甚至也可以是形象、图片、符号，也能是标签。一个笑脸、一个红心、一个太阳就能代表很多很多，一图胜千言。当然，每个人都有自己的解读。

标签和维度值的概念重叠度比较高。

数据指标：昨日营业额（昨日营业额16000元）

标签：店铺类型（旗舰店/社区店、老店/新店）

什么是维度，,举个栗子🌰：

物以类聚人以群分，一个自然而然的逻辑是：先有物和人，再有类和群。

这里的物和人就是 标签，但人又分为傣族人，汉族人，白种人，这个就是群，人按照群分就是维度。

建立维度，其实是归纳归类，继续做了一层抽象。

最简单的维度，是二元的：是/否。比如，测过核酸 / 没测过核酸。

维度是灵活变通的，可以持续细化，不同维度可以相互组合的。

为了讲清楚维度，我不得不再引入一个相关的词，粒度。

粒度，其实就是描述事物、事情过程的细致程度。

为了更细粒度的分类描述，我们可以利用更多不同的前后缀修饰词创建新的维度。

就拿测核酸这个事情来举例。,举个栗子🌰：

假如一开始只区分是否测过核酸，后来病毒持续演进，抗疫成了持久战，后来开始区分时间：近30天、近7天、近3天是否测过核酸。

后续为了更加精细化防控，再加上来小区的维度，那就变成：A 小区近 7 天是否测过核酸、B 小区近 3 天是否测过核酸。

维度之间也可以合并和归总。

正向可以，反之亦然，我们也可以将细粒度的维度合并成更粗的维度。

如果一开始就高瞻远瞩，基于现实情况，设定了较为贴切的粒度，将统计的维度设置为近N天、小区、是否测核酸。

后续抗疫效果显著，粒度不需要再那么细，只需要按照月份、城市进行统计的时候，这些维度也可以归总：月份、城市、是否测过核酸。

维度的下钻和上卷

按照很多文章的说法，这个两个模块叫做维度的下钻和上卷。

但是，下钻和上卷比较抽象，我比较建议大家通过实际例子来构建自己的理解。

其实可以看到，维度和粒度之间相互影响、相互解释：维度越多，粒度越细。

为了方便，也可以将常见的特别细粒度的维度组合，合并成一个新的维度进行统称。

任何维度的设定，以及维度的下钻和上卷，都是基于我们想了解什么粒度的信息。

标签 分类维度 指标

一般指标指的是连续型的数据，

而标签指的是有业务含义的分类数据

标签可以通过指标计算得到，比如老店：开业时间＞=24个月的店

标签是有强业务含义、强业务指向性的分类维度

如何得到数据指标

数据指标是事务的数据描述，所以……

1.对象是谁？

2.想描述他哪方面东西？

3.有没有数据记录？

举个栗子🌰：

注意！同一个目标，也会有不同判断,举个栗子🌰：

从单个数据指标到指标体系

当一个指标，不足以描述事务的时候，需要指标体系

在指标体系中，数据之间有三种关系

并列关系（没有关系）：高、富、帅

包含关系：财产= 流动财产+固定财产，流动财产=收租房间数*租金

流程关系：他对我感兴趣 → 聊天 → 约会 → 表白 →结婚

包含关系

在流程关系中，有过程/结果指标的区别

所谓建立指标体系，就是……

1.锁定一个观察对象

2.明确一个目标：我想了解它的XX

3.收集相关指标，确认有数据可采集

4.按并列、包含、流程，把指标组织好

5.进行观察，得到我想要的结论

用户画像指标体系