在产品的日常中，有着统一的业务逻辑和指标口径，才能继续后续的流程。这篇文章，我们就来谈谈数据分析过程中指标确定的问题。

指标是数据的逻辑，是产品需求的外显。只有通过指标才能将无逻辑的、散乱的、无价值的数据整合成逻辑严密、整齐的、有价值的业务变动，供产品、业务参考以应对直接挑战与钱攒风险。

微小的数据变动下潜藏着产品浪潮的变动，如拼多多对电商领域的冲击，直接反应在低客单价用户活跃数的缓慢下降，有着指标趋势敏感度的人才能够发现它。

而在产品的日常工作中，只有统一指标的业务逻辑和指标口径才能继续推进流程，否则轻则“加班加点”，重则“全军覆没”，可见产品指标的重要性。然而实际上，指标确定、数据分析的流程很简单。笔者将按照以下逻辑对其进行梳理：

一、数据告诉你的秘密

数据是客观的，不会说话，最终会被统合成同样客观的指标数字。但通过观察公司最核心指标的设立，我们可以了解管理层关注的重点。

比如，公司重点关注规模指标如GMV、单量、DAU等时，说明公司正在市场上拼杀or处于跑马圈地的状态；公司重点关注资金成本，说明公司开始注重效率发展，此时公司管理层认为野蛮发展的时代已经结束，需要进行精细化运营；公司重点关注市场、合作伙伴的指标，说明公司在该市场已经有利一定地位，并开始关注生态发展。

目前电商平台仍然以关注交易域的客单价等信息为主，仍主要处于关注“结果”的状态哦。

二、指标篇

2.1 指标设计

目的：不是为了设计而设计，是和业务逻辑紧密相关、需要时刻与产品&技术对齐的内容

以网易严选为例，目的可以划分为业务和计算两类。

在业务类别里又可以简单划分为供应链和商品营销两个方面，在供应链方面为成本类（如库存成本、物流成本等）、时效类（如到货及时率、生产及时率等）、体验类（如用户满意度、客诉率等）。在商品营销方面为用户类（如PV、CTR等）、流量类（如商品曝光等）、商品类（如退货率、好评率等）、营收类（如利润率、GMV等）。

在计算类别里，可以分为量指标（规模、量级）、比值指标（单位效能如库存、ARPU等）、比率指标（评估占比（如毛利率、退货、流量转化率等）。

设计：指标设计要目的性明确，需要和业务深度对接，确定指标将着重于效益、收益、质量哪一部分。

公式：一个指标口径可能会有多个公式，需要与业务运作逻辑强相关。

口径&范围：主要通过目前公开的行业白皮书、公开培训确定，成本较高，建议出问题第一个问口径一不一样。

2.2 指标解读

现象与归因：指标数据变动可以抽象展现现状变化，如拼多多入局对电商领域的冲击，然而指标本身并不会提供原因，需要深度探讨进行合理归因，注意“现象”和“归因”需要为因果关系，而非“相关关系”。

量化：举例说明，一个功能渗透率由4%升到6%，我们会说功能渗透率提升50%。

解读节奏：分为单一指标和指标体系两种解读逻辑。

1.单一指标：日常看波动即可。需要保持数据敏感度，设定阈值，超过阈值便需要复盘原因。

2.指标体系：首先对业务节奏分段-日常观察什么，活动观察什么，日常与活动指标的客观交叉规律；其次了解在不同时期需要观察什么

以网易严选供应链层面为例，网易严选有很规律的活动周期（411、618、双十一、双十二）。

1.日常：核心指标如库存、成本、客诉、商品专项指标等等。

2.大促：

• 促前：缺货风险；到货及时率；仓库存储风险；逾期率；分仓平衡性等。
• 促中：生产及时率；配送及时率；配送时效等。
• 促后：退货率、客诉率等。

三、数据分析的套路：准确看-客观判-选方法

• 准确看：看什么？看“数字+描述”（描述场景越具体越好）
• 判断方法：经验判断；专家判断（评分orAHP层面分析）；趋势判断
• 选方法：矩阵分析（Boston）；漏斗分析；杜邦分析；RFM分层分析；交叉分析（穷举数分）

四、数据分析避坑指南

• 一定要了解业务流程，熟悉业务逻辑最好的方法是有权限玩一遍整个产品。
• 多深度追问自己，“为什么找你”、“应该做什么”，多问为什么。
• 协调资源：和数仓同学协调规划、排期、反馈，打好关系；和业务方达成规划/流程/策略共识；和产品&技术对齐业务逻辑；和组内伙伴多进行专业交流、业务启发，交流工作方式。