系列：从数据指标到数据运营指标体系

原创读书人数据分析

在业务环境中，通常单个数据指标无法完成对整体业务的描述，于是就有了数据指标体系。对比单个数据指标，数据指标体系具有结构化、流程化、体系化等特点。数据指标体系将多个数据指标有基结合，从多方面全面衡量业务单元，在构成数据指标体系的各数据指标之间又相互独立，完全穷尽。如果说数据指标是砖。那么，数据指标体系则是由砖搭建而成房屋模型。

选择好的数据指标

好的数据指标通常有两个基本特征，一是数据指标与目标的相关程度，用来衡量目标的期望值；二是数据指标的准确性与稳定性，以长期稳定的准确的反应目标结果。

除此之外，好的数据指标还应该包括以下特征。首先是易获取，易理解。其次是适应性强，适合不同的运营活动，适合横向与纵向的对比，且与业务的相关性比较密切。除此之外，指标的可持续性也非常重要，而且持续性表现在，口径的统一以及长期可用上。虽然说不同的阶段所关注的指标不一样，但这些指标都要满足上述特点。

数据运营指标体系的搭建套路

业界搭建数据指标体系的套路通常包括两种，一种是以精益数据分析为代表的第一指标法，通过寻找关键指标，然后利用杜邦分析法通过拆解第一关键指标的方式，围绕第一关键指标搭建运营数据指标体系；另一种是根据业务衍变过程（逻辑）构成的海盗数据指标框架：AARRR，与AARRR相近的还有类似于PRAPA,AMAT等数据指标框架。

上述两种套路，最终都殊路同归，最终指向业务核心诉求：收益。而最终将收益拆分，对不同影响因素冠以不同的套路的过程，就是数据指标体系搭建的过程。以B2C电商为例，将目标收益拆分为由客流量、转化率、客单价、购买频率和毛利润率以及成本等指标，随后又将这些核心指标根据影响因素拆分为比如SEM、EDM等单位影响模块，最终由核心指标和影响模块指标构成了完整的数据运营体系。

立体化的数据指标体系

核心指标，影响因素和发展阶段将数据指标变的立体化。由核心指标与影响模块构成的数据模块，伴随着业务发展阶段的变化而变化，最终形成立体化的数据指标体系。

数据指标体系的立体化可以从四维空间的角度去理解，首先的立体化是核心数据指标以及对应因素影响因素所构成的二维数据指标系，随着业务的发展以及人员分工的细分，并在此基础上引入了岗位层级关注度，至此二维数据指标系由二维转变为三维，最终形成一个一个的数据指标模块。其次，随着时间的推移的，业务发展阶段不同关注的核心指标不同，最终形成数据指标模块的动态衍变，最终将数据指标模块衍变为立体化的数据指标体系。