在多业务环节和大数据背景下，如何突出业务关键点并了解问题根源成为挑战。如何通过指标体系解决业务痛点，提升企业运营效率呢，让我们阅读本文深入探讨指标的概念、构成和应用来解决这个问题吧！

在多业务环节的背景下，各业务节点有太多的关注点，如何将业务关键点重点突出，了解问题的发生，分析问题的根源，就成了业务大量运行后的痛点。

如：流程在线上线后，大量的流程实例运行，如何快速了解有多少异常流程，异常流程有哪些异常节点，异常节点发生的原因是什么？

多系统配合运行，大数据的背景下，该痛点被指数级加剧！

指标、指标体系则应运而生。 

01  指标

1、指标

指标是通过对数据进行分析得到的一个汇总结果，是将业务单元精分和量化后的度量值，使得业务目标可描述、可度量、可拆解。

指标是衡量目标的方法，指标由维度、汇总方式和度量组成。

• 维度是指从哪些角度衡量，是看待事物的视角与方向，决定了根据不同角度去衡量指标。
• 汇总方式是指用哪些方法衡量，是统计汇总数据的方式。
• 度量主要是明确事物的具体目标是什么，是对一个物理量的测定，也用来明确数据的计量单位。

播放总时长是指用户在一段时间内播放音频的时长总和（单位：分钟）。按照以上进行拆解，维度是指筛选的一段时间，汇总方式是计算时间长度的总和，量度就是统一的单位：分钟数。

2、指标体系

指标可以是单一的数据点，也可以是一整套体系，旨在通过数值传递信息，帮助人们了解和监控各种现象、过程或结果。

指标体系

数据经过初步抽象，形成原子指标，即绝对数指标；如：销售额、客户数、用户量等。

原子指标经过3种加工方式，形成衍生指标。如：销售完成率、平均客单价、用户价值、GDP等。这3种加工方式分别为：进行对比、计算统计量、指数设计（结合对比和统计计算）。

对原子指标和衍生指标，进行维度限定，就形成了派生指标。如：销售一部销售完成率、电商平均客单价、初三班数据平均成绩等。

指标分解不是简单化的一个等式，而是由业务目标向下多级拆分后的指标堆叠，是由多个指标组成的。如：销售额指标可以按照销售部门向下拆解，拆解到各个销售员；产线FTT（一次通过率）可以通过工厂、产线、线段、工位的方式逐级拆解。

3、指标体系应用

指标抽取、指标衍生、指标派生构成多样多级指标，完成指标体系的初始搭建。要凸显指标的意义，释放指标体系的价值，需要完成指标体系的构建，需要依据业务的需要来进行。

指标体系应用

指标是信息密度的集中，通过指标查看某项业务是否异常；通过指标体系查看异常的具体区域，从而锁定问题；通过解决指标异常部分，从而处理问题，让生产恢复正常状态。

指标异常跟进 

02  精益生产指标

在生产制造企业中，需要进行指标化跟进的业务内容很多，则按照业务方面进行细分，具体包含：S（安全）、Q（质量）、D（交付）、C（成本）、P（人员）、M（设备）、E（环境）。

精益生产指标

• FTT：Q（质量），首次通过率；
• FTR：Q（质量），一次下线合格率；
• OTD：D(交付)，工单到完工（制造期时间），按时交货率；
• TT / CT ：D(交付)，产线节拍/工位节拍；
• JPH：D(交付)，单位小时产出；
• 生产成本在线：C(成本)，产品单台成本；
• JPMH：P(人员)，单人单时产量；
• OEE：M(设备)，设备综合效率（时间效率、性能效率、良品率）；
• 工单关闭率：D(交付)，上线工单及完成工单比率；
• 计划执行率：D(交付)，周计划、月计划执行情况；
• 班组成本卷积：C(成本)，机物料、低值易耗、废品损失、产量；

TT，节拍时间，是流动线的节奏或拍子，决定了生产线上每个工位或工序的操作速度。对于优化生产流程、提高生产效率和响应市场需求具有重要意义。

指标的有效提升，将带来极大的经济效益。

案例：发动机生产厂商生产节拍TT由35秒提升到32秒，生产效益。单班次8小时，有效时间6小时 * 2班轮班 * 每小时3600秒 / 生产节拍35秒 = 1234台/天单班次8小时，有效时间6小时 * 2班轮班 * 每小时3600秒 / 生产节拍32秒 = 1350台/天一年产值 = （1350 – 1234）台 / 天  * 260 天工作日 / 年 * 5000元 / 台 = 30160 台 * 5000元 / 台 = 1.5亿元

03  指标运营

1、指标可视化表达

指标的可视化表达是通过图形、图表等形式将数据直观地展示出来，以便更快速、准确地传递信息和洞察趋势。

指标可视化要选择合适的可视化工具。基本图表中，条形图、折线图、饼图等，能够直观地展示数据的趋势、对比和比例关系；可以通过PowerBI、Tableau等专业数据可视化工具，创建更复杂、交互性更强的可视化效果；也可以通过低代码工具搭建可视化大屏，构建自定义的生产看板，增效生产。

基础图表

指标的可视化中，有以下几个注意事项：

（1）选用合适的图形表达合适的指标，占比使用饼图、趋势使用折线图；指标表达最核心意义需要明确，如进度66%，是否正常（绿色正常，黄色异常，红色告警）；

单指标展示

（2）指标需要让查看者知晓意义，是通用或共识的指标，可以只针对特殊点进行说明；其他的则需要对指标进行解释（可以不直接展示，交互触发）；

（3）指标数据组成需要明确易懂，如考勤：应到30，实到26，请假2人，异常2人；能够在展示面板上查看到：应到 = 实到+请假+异常，若是异常不展示，就会在人员出现这个情况时，不清楚原因，带来更多的确认时间成本；异常可以增加扩展处理功能，确定是因为迟到、未打卡，还是没来得及处理请假流程。

指标数据组成

2、指标运营

指标在定义时，还需要定义指标的正常、异常状态，其中部分指标自带正常异常状态，如：生产事故次数，次数大于0就表示已经发生过事故，已经表明当前已经处理异常状态时期；而另外的一些指标需要配合其他因素来确定当前指标是否异常，如：年销售额100W，实际销售额10W，就需要当前时间来辅助判定。

（1）指标运营需要设定指标的判断条件，基于实际运营数据和判断规则，实时反馈当前指标状态；

（2）指标运营需要异常处理闭环机制，在指标出现异常时，及时纠正实际运营，将生产销售等业务恢复正常。

指标异常处理中需要有以下特殊情况的兼容：挂起（当前实际情况就是如此，业务没办法改变– 这种情况实际建议修改指标判断条件；数据更新延迟，待数据更新即恢复正常）、处理（补充处理方案，定时跟进）、指派（让另外的责任人来跟进）、关闭（偶然因素触发，忽略本次，下次再出现再处理）。

其中，挂起需要设定挂起截止时间，促进责任人积极更新当前状态，让业务向更有利的方向推进；处理中存在定时跟进需要设定跟进频次，定时生成待办提示，辅助跟进的落地。

指标异常的处理需要及时反馈到可视化上，然后其他相关人员知晓当前的情况，减少疑虑、降低重复指派与跟进。

指标体系

指标在线在组织决策、业务发展、数据分析、促进团队协作与沟通，推动企业数字化转型等方面都发挥着重要作用。企业应高度重视指标运营工作，建立健全的指标体系和管理机制，以充分发挥其价值。