构建数据指标体系核心含五要素：主指标定业务结果（如销售收入），子指标拆解构成，过程指标追踪转化路径，分类维度拆分整体（如区域团队），判断标准提供对比参照
“构建数据指标体系”是很多企业的要求，然而，实操的时候，同学们经常有疑问：
“我列了一堆指标，算不算体系？”
“到底要列多少指标，才算是体系?”
“为啥列了好多指标，还是看不出所以然？”
今天一篇文章，带大家看清楚，文章较长，记得先点赞再慢慢看哦。
主指标，即用来评价业务好不好的核心指标。比如说：“产品卖得好”。直观地想到是“销售金额”这个指标，因为这是我们卖货直接收到手里的钱，钱多了当然好。
每个指标得有以下要素：
有可能需要多个主指标，来做综合评价。比如产品卖得好，光看金额还不够，可能还要关注毛利（这才是赚到的钱），还要关注库存（避免好卖的卖断货，不好卖的没人理），此时就有：销售收入，毛利，库存三个主指标。
主指标不宜太多，大家都知道“既要……又要……还要……且要……我都要……”类的任务，是压根完成不了的。
主指标可能由几个子部分构成。比如：
销售金额=用户数 * 付费率* 客单价
如果销售金额没达标，我们会很好奇：到底是购买的客户少了，还是卖的人不够多，还是卖得太便宜了，了解细节有利于我们找到真正的问题，这时候就得拆解子指标。拆解完成后，可以按照指标之间计算逻辑，如下图展示。
主指标往往是最终的结果，过程指标记录这个结果怎么来的。比如toC的电商业务，用户首页→商品列表页→详情页→支付页，就是转化过程，此时每一步的转化率，就是过程指标。
比如toB业务，销售线索→售前跟进→需求确认→产品体验→价格谈判→竞标→签约乙烯类过程。同toC一样，这些也是过程指标（如下图）。
有可能一件事是很多人、在很长时间内完成的。想知道总销售金额是怎么构成的，每个地区、每个团队分别完成多少，这就是分类维度。通过分类维度，把主指标切成若干块，这样能避免平均数陷阱，把整体和局部一起看清楚（如下图）。
即使有了以上四个点，我们还是不能说：A产品卖得好。因为好是个形容词，是和差相对的。因此就需要一个对比的参照物。这个参照物就是判断标准。
在构造指标体系的时候，判断标准要和和当前数据一起呈现的。这样在看数据的时候，可以直观地做出判断，使用起来就很方便了。判断标准让指标体系有了灵魂。
小结一下，构成指标体系五部分是：
有了这五部分，诊断起问题来非常轻松。
先看主指标+判断标准，比如主指标是：销售金额，先看本月是否达标了，没达标差多少达标。再看年累计达标没有，有多少亏空/盈余。这样很容易看清楚：问题是什么，有多大。
再看分类维度。哪些区域没有做好，是不是一贯做不好；哪些区域做得好，是勉强完成还是持续上涨。这样谁有能力兜底，谁是拖后腿的一目了然。
再看子指标/过程指标。哪个环节没做好，是线索太少了，得加大推广力度；还是跟进成功率低，得提升销售能力；还是报价总miss，得增加一些折扣。怎么处理问题一目了然。
可以说，做好了数据指标体系，基本上能干60%数据分析师的活。好的数据指标体系，就能让业务人员看一眼就知道该在哪里干，该往什么方向干，非常好用。注意：基于指标体系的诊断，只解决战术问题，不解决战斗层面的细节问题。比如这些问题：*我没有思路，该怎么设计方法？*我有三种方法，哪种更适合当前问题？*我想用方法一，成功几率有多大？这些用专题分析的方法更容易解决。毕竟报表报表，只是报告状况的表，至于未来怎么干，得有更针对性的分析才行。
一共分五步走：
注意！服务不同目的的指标体系，分解颗粒度有明显差异。
监控集团经营状况，主指可能是营收入、资产规模、ROE等，分类维度是各个事业部，这是最宏观的指标体系，向集团高层汇报
监控销售部门状况，主指标可能是收入，毛利，回款率，分类维度是客户类型、商品类型、销售团队，这是中观的指标体系，向销售部门领导汇报
监控APP内一个转化流程，主指标可能是UV、转化率，分类维度是页面素材，这是微观指标体系，只向产品经理汇报
总之，要结合具体业务需求，才能做出适合的指标体系
本文由人人都是产品经理作者【接地气的陈老师】，微信公众号：【接地气的陈老师】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
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。