说到数据指标，你可能会想到互联网常用的几种指标，例如GMV、UV、留存率……那么多数据指标中，哪些才是业务需要的呢？本文作者基于2B运营视角，分享了2B数据指标体系的搭建流程，一起来看一下吧。

什么是数据指标？如何搭建数据指标体系？一说要搭建数据指标体系，大家就会想到互联网常用的几种指标，什么GMV、UV、PV、ROI、留存率、日活、月活、流失率、退货率……那么多数据指标，哪些才是业务需要的？2B数据指标和2C有何不同？本文基于2B运营视角，和大家分享2B数据指标体系的搭建流程。

一、什么是数据指标体系

1. 什么是数据指标？

数据指标由维度和度量组成。

1. 维度：进行问题分析的角度
2. 度量：进行衡量的统计值

指标：即维度和度量的组合，用以衡量目标的参数，具有可描述、可衡量性特征。

在2B业务流程中，会有很多业务场景，产生很多数据信息，从产品→销售→物流→市场，业务模式不同，关注的数据指标也不同，例如：

1. 产品关注的生产和采购指标：物料采购量、生产量、采购成本、生产成本等；
2. 销售关注的客户和业绩指标：签约客户数、下单客户数、下单数量、下单金额等；
3. 物流关注的库存和发货指标：库存量、在途量、发货量、发货率、周转天数等；
4. 市场关注的推广和预算指标：预算金额、推广花费、投资回报率等；

2. 为什么要搭建数据指标体系？

在实际运营过程中，业务往往在多个系统间运作，例如：交易系统、CRM系统、ERP系统、WMS系统、BI系统等。每个系统产生并存储不同的数据信息，数据之间往往存在孤立、统计口径不一等问题。

单一的数据指标无法全面描述业务的真实状态，因此，我们需要将各个系统内的孤立的数据信息整合起来，统一各个数据指标的统计口径，建立指标之间的逻辑关系，输出可以衡量业务的数据指标体系。

3. 如何搭建数据指标体系？

数据指标体系由数据指标和体系组成，体系：即在一定范围内按照一定的秩序或内部联系组合而成的整体。

数据指标体系：即若干数据指标按照一定的秩序或联系组成的系统，各个系统再按照一定的关系组成一个整体的系统。这个整体的系统也就是我们所说的业务模型。

搭建数据指标体系不是指标的简单罗列和堆积，也不是陈列得越多越好。数据指标体系是一套可以用来描述业务现状，衡量业务发展，预测业务趋势，指导业务决策的模型。因此在建立数据指标体系之前，我们需要梳理业务规则，整合业务需求，了解业务目标，确定业务逻辑的合理性和准确性。

二、如何搭建2B运营数据指标体系

1. 数据指标体系搭建流程

数据指标体系由5要素组成，分别是：

1. 北极星指标：也是主指标，即现阶段最关键的指标，作为公司当前重点增长的指标，能够放映公司为客户带来的价值，为公司的增长提供指导。
2. 关键指标：也是子指标，一般由主指标拆解而成。例如销售金额=签约客户数*下单转化率*客单价，其中的签约客户数、下单转化率和客单价就是子指标。
3. 过程指标：间接影响主指标的指标，例如影响客户下单的加购指标和收藏指标等。
4. 维度拆分：即分析问题的角度，可以按照时间、地域、客户、产品等维度进行指标拆分。
5. 评价标准：即衡量指标质量的标准，用以判断指标优劣势和表现。

2. 基于业务逻辑梳理数据指标

基于5要素，我们以分销业务为例，搭建2B数据指标体系。

2B业务与2C业务不同，2C更加关注流量与转化，C端的转化一般由用户个人行为决定，决策根据个人需求和满意度决定，转化链路短。2B的业务场景更为复杂，B端面向的是企业个体，企业的转化由多人共同决策，决策行为受到经济利益和企业发展的影响，转化周期链路长。

2B运营往往以客户为中心，将产品、营销、推广、技术、服务等环节串联起来，形成一套完整的、标准的运行体系。分销业务也是在此基础上，通过建立从“sale in”到“sale out”的流通价值链，基于“人、货、场”模型，建立以“客户-产品-市场”为主的销售阵营。

对于业务人员来说，2B运营流程一般表现为寻找商机（线索）→商机转化→客户签约合作协议→客户下单转化→商家发货→销售业绩，关注的是企业与经销商之间的销售数据。

对于公司管理层来说，2B运营的监测范围是从sale in-sale through-sale out 的全链路销售流程。不仅需要监测企业与经销商之间的合作健康度，同时还需要管理产品从经销商出货至零售商再到消费者的转销流程，以便及时调整公司战略方向。

因此对于不同业务职能的运营人员，需要搭建不同的数据指标体系。

3. 2B数据指标体系搭建

1）确定北极星指标

不同时期，不同阶段，企业的战略目标和发展方向不同，北极星指标的选定应该根据企业当前的业务目标来确定。很多企业，将销售业绩作为运营的KPI考核指标，那么销售业绩是否可以作为2B运营的北极星指标？企业将销售业绩作为北极星指标并不是最佳的选择。

北极星指标的选定原则是：该指标可以用来反映企业给客户带来了更多的价值。只有客户拥有了更多的正向价值，企业才能够持续正增长。

企业的销售业绩是客户支付给企业的价格，而北极星指标是客户以该价格获得的价值。企业将销售业绩作为北极星指标的劣势在于，该指标只能展现企业从客户获得的价值，反映企业短期内期望从客户中获得更多钱，并不能体现企业与客户形成长期发展的合作目标，无法衡量客户获得的收入表现。因此北极星指标需要能够同时衡量企业获得的价值和客户获得的价值，只有客户的收入增加了，才能反向带来企业的持续增长。

在分销链路中：sale in 是指货物从企业销售至经销商， sale through 代表货物从经销商销售至零售商， sale out 代表货物从零售商销售至消费者。

企业的销售业绩仅仅能够体现 sale in 好坏，并不能反映客户获得的价值。真正能够体现客户成功的指标是sale out，sale out 增加了，说明客户获得了增量收益。当客户获得了增量收益，就会持续与企业产生支付行为，从而促使企业也获得了正向增长。

因此我们将sale out 设为北极星指标。一些初创或者小型企业由于系统建设不完善，数据的获取成为一大难题，由于无法准确采集经销商销售至零售商再到消费者这后半链路的数据信息，因此无法量化客户的收益情况，只能进行sale in分析。在这种情况下，sale in可以作为企业的北极星指标。

那么使用sale out 的销售金额还销售数量作为主指标呢？由于企业很难管控中间商的出售批发价和零售价，同时企业对于中间商没有经营管控权，因此sale out的销售金额其实很难抓取，在这种情况下，sale out销售数量更适合定为企业的北极星指标。

2）确定关键指标

2C的用户主体较为单一，支付行为都在线上完成，数据采集较为容易。2C运营常常用漏斗模型和公式法来确定子指标，例如AARRR模，即Acquisition（获取）、Activation（激活）、Retention（留存）、Revenue（变现）和Referral（推荐）。电商的销售模型：GMV（销售金额）=UV（用户数）*CR（转化率）*AUS（客单价）。

2B分销的用户主体更加多元化，支付链路更长，参与支付行为的业务场景更为复杂，很多交易都是在线下完成，因此数据的采集较为困难。有的企业数字化建设较为完善，可以实现sale in-sale through-sale out的全链路数据采集，但也会存在数据质量脏乱差，数据统计口径不一等问题。

虽然2B分销的业务场景与2C的漏斗转化不同，但由于销售流转也具有传递性特征，因此sale in出货量和sale through批发量可以作为关键指标。

3）确定过程指标

为了提升北极星指标而做的外部动作产生的指标可以定义为过程指标。为了提升sale out，需要通过提升客户转化率，例如提升客户的拉新、激活和复购：

1. 提招商，签约更多的客户，提升签约客户数和商机转化率；
2. 提激活，激活签约但未下单的客户，提升下单客户数和下单率；
3. 提复购，促进下单客户二次下单或持续下单，提升复购客户数和复购率；

4）确定分析维度

分析维度即分析业务的角度，可以从地域、时间、客户、产品等维度进行分析。

1. 地域维度：省、市、区
2. 时间维度：年份、季度、月度、日
3. 客户维度：客户签约类型、客户经营模式、客户级别
4. 产品维度：产品品类、产品SKU、产品行业线、产品毛利

5）确定评价标准

只是简单的描述数据指标的变化无法衡量业务的好坏。例如：这个月销售业绩下降了5%。这个指标是好还是坏？

1. 如果前几个月销售业绩都是下了10%左右，这个月下降了5%，那么这个指标在变好。
2. 如果前几个月销售业绩都是正增长，这个月下降了5%，那么这个指标变差了。
3. 如果前几个月是旺季，这个月开始变淡季了，那么这个指标的下降属于正常现象。

业务场景不同，衡量的标准也不同。同一个指标在不同的场景下会有不同的业务表现，因此还需要确定数据指标的评价标准。评价标准可以是既定的达成率、同比、环比、排名、转化率等，需要根据历史数据和真实的业务场景合理制定，不宜高估，也不宜低估，以免影响指标的判断。