这篇文章将带大家认识整个数据指标体系的框架，帮助大家形成全面的认知。随后，会围绕 L2 级数据分析师所需具备的能力展开重点讲解。在下一篇文章中，我会给出更详细的步骤和案例，带着大家一步一步梳理出数据指标体系。
不少人在其他机构学了很多数据分析知识，可一到实际工作中，却不知道怎么运用。这并非课程内容有误，而是因为学生学了知识却难以落地应用，而这些机构通常不关注学员能否在求职和涨薪上取得成果。要是学员学了不能用，那这样的课程无疑是失败的。
很多时候，大家学了不少数据分析知识，到工作中却用不上。问题不在于课程本身，而是知识与实践脱节，机构又不负责学员能否学以致用。
还是有一些新手心存疑惑：到底什么是指标，什么是指标体系，学这些有什么意义？因此，我们得先解决这些问题，再深入探讨今天的重点内容。
管理学大师彼得・德鲁克说过：“如果你不可衡量，你就不可管理。” 公司存在的目的是盈利，经营和管理也都是为了实现更好的盈利。那么，怎么判断盈利情况，又如何让盈利变得更好呢？这就需要借助数据来衡量。下面，以 “硬核私房菜” 餐馆为例展开分析。
一天工作结束后，老板问餐厅员工滚滚：“今天咱们餐厅的业绩怎么样啊？” 滚滚回答：“老板，我们今天业绩不错，有 2 万呢。” 不妨思考一下，如果你是老板，会觉得 2 万业绩 “不错” 吗？
1. 会
2. 不会
3. 不清楚
虽然滚滚的回答在日常交流中很常见，但从数据分析师的角度来看，至少存在 3 个错误。
错误一：沟通不严谨
沟通包含客观事实和主观观点两个要素。事实不会因不同人而改变，案例中一天业绩 2 万就是事实。但主观观点会因人而异，对于 2 万业绩的好坏，员工和老板可能有不同看法。
所以，数据分析师在日常沟通中，应尽量陈述客观事实，避免主观描述。若要表达主观观点，需提前和沟通对象明确标准。比如和老板约定，2 万以上业绩为好，1 万 5 到 2 万为一般，1 万到 1 万 5 为较差，1 万以下为很差。可见，2 万业绩的好坏，取决于设定的标准和对比对象，和餐厅历史经营数据、同一条街其他餐厅数据，或者设定的经营目标对比，结果会大不相同。
错误二：数据太笼统
假如你是老板，知道今天业绩是 2 万后，肯定会有更多疑问：这 2 万业绩是怎么来的？成本占比多少？相比以往好在哪里？既然 2 万业绩已成事实，作为经营者，更关注如何提升业绩。这就需要拆分 2 万业绩，从营销角度，分析多人聚餐和单人点餐的占比；从产品研发角度，分析 A 菜品、B 菜品等的销售情况。
前面提到，数据分析师表达时应尽量基于客观事实。假设和昨天业绩对比，正确表达方式可以是：“老板，我们今天总业绩 2 万，比昨天增长 20%。其中，1.5 万来自 2 人以上聚餐，5 千来自单人点餐。今天 A 菜品销量最高，50% 的顾客点了 A 菜，但 B 菜品利润贡献最大，因为 B 菜成本低、售价高，只有 30% 的顾客点 B 菜。”
在实际工作中，通常不会这样长篇大论汇报，而是通过 “数据报表” 呈现数据，这就涉及数据报告制作和数据可视化知识。
错误三：缺后续行动
数据分析不是为了分析而分析，目的是改善经营状况，让公司多赚钱。如果只了解现状，却不知道接下来怎么做，分析就没有意义。
因此，获取客观数据后，还需进一步分析，为后续行动提供指引。比如：
这些问题涉及 L4 级别高级数据分析师通过数据预测未来结果的能力。如果提不出这些问题，也不用担心，这不是今天的重点，只是在讲解数据指标体系时有所涉及。
职场中的数据分析并不简单，看似简单的 “今天业绩怎么样” 问题，背后需要运用大量知识、深入思考才能回答好。不妨想想，看了上面案例后，你是否觉得这三个错误及对应的解决方案很繁琐，缺乏条理，自己很难想到？
1. 有点难
2. 并不会
实际上，这三个错误对应数据分析师的三个层次：
每个层次都有相应的数据指标。要是把这些内容混在一起讲，会让人摸不着头脑，缺乏框架感，更不知道如何应用。所以，我们对这些问题进行了梳理，只要跟着学习，就能逐步掌握不同阶段数据分析师所需的能力。
对于 L2 级数据分析师，熟练掌握客观现状描述，对主观评价有一定了解即可。对于未来发展的预判，这个阶段有个初步认识就行。
而 L3 级中级数据分析师，需要深入分析主观评价，熟练掌握相关方法，并对未来发展预判方法有初步了解。
热身思考题
问题一：KPI 设计题
作为硬核私房菜老板，你想提升餐厅业绩。学了数据分析课程后，知道提升引流、转化、复购这 3 个指标，就能提升业绩。于是，你让发传单的小 A 把每天发传单量从 100 份增加到 200 份，又让传菜员小 B 引导客户发好评，提高 “好评率”，还规定如果好评率没提升就扣小 B 工资。定好指标后，你满心期待业绩提升。那么，你觉得这样做可行吗？
1. 可以
2. 不行
问题二：数据驱动题
硬核私房菜一直做堂食。最近，“吃了吗” 外卖平台运营人员邀请餐厅上线外卖服务。理论上，上线外卖平台能增加销量，但作为老板，需要全面考虑以下问题：
1. 上线外卖后，会不会有部分堂食客户转为外卖客户，导致业绩降低？
2. 上线外卖后，准备一次性餐具、增加额外运营人员，成本会增加多少？
3. 上线外卖后，会不会影响堂食出餐效率？如果影响，要不要增加厨师？
4. 外卖平台要求参加运营活动，长期低价补贴客户是否可行？
5. ……
面对这些问题，你能帮老板通过数据分析，决定是否上线外卖平台吗？
1. 我可以
2. 还不行
同样，再来一组热身思考题：
问题一：KPI 设计题
作为硬核私房菜老板，你想提升餐厅业绩。学了数据分析课程后，知道提升引流、转化、复购这 3 个指标，就能提升业绩。于是，你让发传单的小 A 把每天发传单量从 100 份增加到 200 份，又让传菜员小 B 引导客户发好评，提高 “好评率”，还规定如果好评率没提升就扣小 B 工资。定好指标后，你满心期待业绩提升。那么，你觉得这样做可行吗？
1. 可以
2. 不行
问题二：数据驱动题
硬核私房菜一直做堂食。最近，“吃了吗” 外卖平台运营人员邀请餐厅上线外卖服务。理论上，上线外卖平台能增加销量，但作为老板，需要全面考虑以下问题：
1. 上线外卖后，会不会有部分堂食客户转为外卖客户，导致业绩降低？
2. 上线外卖后，准备一次性餐具、增加额外运营人员，成本会增加多少？
3. 上线外卖后，会不会影响堂食出餐效率？如果影响，要不要增加厨师？
4. 外卖平台要求参加运营活动，长期低价补贴客户是否可行？
5. ……
面对这些问题，你能帮老板通过数据分析，决定是否上线外卖平台吗？
1. 我可以
2. 还不行
不少基层数据分析师在公司地位不高，自嘲是 “取数的工具人”，每天就是满足业务部门的取数需求，感觉没什么发展前途。但实际上，数据分析师之所以地位低，核心原因是 “不懂业务”。对于数据分析师来说，真正的价值在于助力业务增长，帮公司多赚钱或者节省成本，而不是会多少 Excel 函数、Python 编程工具。
数据分析师属于后勤岗位，想提升在公司的影响力，就得借助数据分析能力，帮助老板、营销部门、产研部门提升工作效率，比如：
除了掌握方法，还得具备良好的沟通和表达能力，用业务部门能接受的方式提出想法和建议，不能让他们，尤其是业务部门领导丢面子。要做到这一点，就需要对公司业务有全面、深刻的理解，能从老板、营销部门、产研部门、基层员工等不同角度看待问题。这些内容，外面的数据分析课程和书籍很少涉及，因为教一个没有商业思维的小白理解业务，既复杂又困难。
而我们三篇文章时间，教大家一个工具，帮助大家从零搭建公司完整的数据指标体系，让大家照着操作就能学会并应用。这个指标体系呈金字塔型，分为三层：
分为 4 个模块：
三个层级和四个模块组成 12 个部分，我们要做的就是按照这个框架填空，填满后就完成了指标体系的搭建。下面，先从三个层级入手，结合 “硬核私房菜” 餐厅案例，逐步讲解每个模块的含义。下篇文章，还会展示一些常见行业指标体系案例，方便大家参考。
请大家关注滚滚老师的下篇文章哦~
本文由 @财源滚滚 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自Unsplash，基于CC0协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。