指标体系构建-02-从0开始,梳理数据指标体系

简介: 指标体系构建-02-从0开始,梳理数据指标体系

指标体系构建-02-从0开始,梳理数据指标体系

一个例子,看懂并列式指标梳理

并列式指标体系,一般用于:描述个体情况

当我们想从几个不同角度,描述问题的时候,就需要并列关系

举个栗子🌰:

我要不要开个黄焖鸡米饭的店?

“有钱你就开吗?”

“真的是有钱就可以吗????”(单一指标,不足以描述问题)

建立并列式指标体系关键:找其他关键影响因素

问:开店成功,需要哪些东西?

1.这个店的投入/产出很可观

2.我有投入的本金

3.我有经营店的能力

4.我有经营店的时间

每个情况相互独立

每个情况都是决定影响

错误示范

“我手上有很多钱,开个小店才花几个……”

“我跟你算算,这个铺子租金……顶手费……桌椅板凳……工人……”

“我跟你算算,每天卖100份,还能卖啤酒20瓶,烤串200个……”

“不知道有多赚!”

考虑因素单一,非关键影响因素

找到关键影响后,尝试用数据量化

1.这个店的投入/产出很可观 → 调查X家门店,收集投入产出数据。

2.我有投入的本金 → 盘点自己手头现金

3.我有经营店的能力 → 跟一个门店老板实干一周(主观评估)

4.我有经营店的时间 → 盘点自己时间

注意!让指标体系好使,得配合标签/分类维度

1.这个店的投入/产出很可观 → 调查X家门店,收集投入产出数据

调查的店,存活了X个月?哪些倒掉的店也得调查

调查的店,装修、摆设、是不是有类型区别?(装修豪华/普通)

2.我有经营店的能力 → 跟一个门店老板实干一周(主观评估)

是否有些情况,不好打分,得用分类表示(勤奋、吃苦)

注意!指标体系本身不能解答问题,指标+标准才能

并列式。经常用于多角度评估某个体的表现,比如评估员工绩效、评估供应商表现、评估新产品等等。之所以叫并列式,是因为参与评估的指标是相互独立,并列存在的(如下图)。

一个例子,看懂包含式指标梳理

包含式指标体系,一般用于:反应内部结构

当我们想细看一个事务是怎么构成的时候,可以用包含式关系

比如:我的黄焖鸡米饭的店,盈利能力怎么样?

“赚了很多钱呀,一天3000块呢……”

“到底是哪些地方挣钱?又要花啥钱?”

建立包含式指标体系关键:了解内部结构

注意,这里有两种指标关系(加法关系)

注意,这里有两种指标关系(乘法关系)

包含关系的分类方法不止一种

具体哪一种好用,看实际需要

总结出指标体系

经典的零售指标体系

之所以经典,是因为每个指标,对应一个业务动作

注意!包含式的指标体系,自身带有分析能力

所谓的“拆解法”其实就是沿着指标体系,一路往下找问题的起点

一个例子,看懂流程式指标梳理

流程式指标体系,一般用于:描述转化过程

当我们面对的对象有好几步的时候,可以用流程式指标体系

比如:为啥来我的店吃饭的客人很少?

错误答案:因为你不好吃

正确答案:门前有人不?是吃饭的人不?进店有人不?

流程式指标体系,关键:梳理清楚有几步

主要指标:每环节人数+上下环节转化率

当然,这只是个例子,因为传统门店没法记录人流,线上才可以

典型的网上购物的流程

把整个过程表示为数据

影响漏斗转化的两类因素:局部变量和全局变量

利用漏斗分析之一:哪里差了,补哪里(局部变量)

利用漏斗分析之二:挑选更好的产品

✓ 很有可能,优化方式不是头疼医头、脚疼医脚而是颠覆式的整体改变

✓ 因此,可以在多个转化方案之间比较,直接挑选效果更好的方案

利用漏斗分析之三:观察改善效果

对比多个版本,观察效果。很有可能短期内业务能力有上限,怎么改也就那样

此时,给每个转化流程圈定能力上下限,判断是否稳定,就非常重要

利用漏斗分析之四:挑选更优质的渠道

注意:统计漏斗的小细节

实际情况可能比预想的丰富,需关注不同流程人数变化

现实中,梳理指标体系的难点

难点1:对业务不熟悉

建立销售运营指标体系……

销售,是啥销售?

销售运营,又运营了啥?

实际的业务流程,可能千奇百怪……

业务做得事,也五花八门

注意,这里有2个描述对象

难点2:没有数据采集

典型的如toB业务,销售跟客户的互动,完全没数据……

有数据,很简单,没数据,啥都难

难点3:没有业务目标

有目标,就很容做/没目标,就混乱

综上,交易型的指标体系,容易梳理

交易类的,不管是线下零售,还是线上电商,都好做

1.场景容易理解:进货、库存、销售

2.目标清晰:要提高成交率,提高交易额

3.数据相对清晰:线上埋点、线下成交订单

综上,非交易的,都相对难搞

行业上看:社交、内容、工具(saas)产品、toB各种

职能上看:客服、售后、研发、生产线、内容审核、风控

岗位上看:产品经理、品牌宣传

相关文章
|
2月前
|
数据采集 监控 数据可视化
数据治理成功的九大细节,你都忽略了哪几个?
数字化时代,数据作为新的生产要素受到了各界前所未有的重视。
|
4月前
|
监控 搜索推荐 数据可视化
数据指标体系搭建方法及经验
在当今数据驱动的商业环境中,构建一个有效的数据指标体系成为了企业成功的关键。数据指标体系是一套精心设计的测量工具,用于评估和指导企业的业务活动。通过这个体系,企业能够转化庞大、复杂的数据为有价值的洞察,从而指导决策,优化运营,增强竞争力。
数据指标体系搭建方法及经验
|
5月前
|
搜索推荐
产品运营方法论问题之在电商场景中产品指标体系拆解如何解决
产品运营方法论问题之在电商场景中产品指标体系拆解如何解决
|
运维 监控 算法
数据指标体系入门讲解(上)
数据指标体系入门讲解(上)
1211 2
|
6月前
|
数据采集 SQL 算法
你真的懂指标体系吗
你真的懂指标体系吗
|
7月前
|
数据采集 存储 监控
《数据资产管理实践》方法论梳理
《数据资产管理实践》方法论梳理
407 58
|
7月前
|
算法 搜索推荐 数据挖掘
如何搭建数据指标体系
【2月更文挑战第21天】
|
大数据 数据挖掘 视频直播
数据指标体系入门讲解(下)
数据指标体系入门讲解
48861 5
|
数据采集 数据建模 BI
数据中台实战(05)-如何统一管理纷繁杂乱的数据指标?
数据中台实战(05)-如何统一管理纷繁杂乱的数据指标?
478 1
|
Cloud Native 前端开发 IDE
「技术人生」第10篇:如何做研发效能提升(即指标体系建设过程回顾)
本文作者将给大家提供一些简单的容易实操的方法,能够让所有人都知道什么是效能的提升,如何提升个人的效能,如何提升团队的效能。
1661 11
「技术人生」第10篇:如何做研发效能提升(即指标体系建设过程回顾)