数据体系搭建（二） — 指标体系
作者&投稿：廖柯 （若有异议请与网页底部的电邮联系）
由于目前网上关于数据体系相关的知识较少，本文尝试从笔者从事过的产品设计与用户运营经验中，结合自己对数据分析的理解，从0开始搭建一个完整的数据体系，从顶至底拆分，将分析模块的不同功能抽象整合成各个子体系，力求梳理清楚其中的脉络关系，全文共分为6部分，以平台型电商为例子，一步步从框架设计拆解到具体的指标设计，可视化设计：
1.基础概念
2.指标体系
3.分析体系
4.报告体系
5.报表体系
6.产品体系
先给定指标体系的构成：
指标体系=数据主题+场景专题+指标量化
简单来说，就是将统计指标系统性地组织起来，指标体系是由体系与指标两部分组成的。
体系是数据主题+场景专题组成的：
数据主题：渠道、产品、用户、营销、商品、营收、服务、市场等
场景专题：用户规模、用户质量、健康度等；
指标则是依照着数据主题/场景专题进行抽象量化出来的：
用户指标：用户数、次数、人均次数、时长、点击率、渗透率、留存率等
指标是指标体系的砖块，而数据主题是楼层规划图，决定要建几层高，场景专题是室内规划图，每一层里面需要几厅几室几卫，只有先规划好楼高，并依照着室内规划图，才能将一堆毫无组织的砖头搭建成规整的，四平八稳的，有主题有内在逻辑关系的大楼。
指标体系是一个不断体验、熟悉产品，分析业务然后进行量化修正的过程，需要明确产品在各个阶段的关注重点，并且考虑不同角色的关注偏向，然后按照下方四个步骤来设计指标：
其中第1步跟第2步，是在整个指标体系，甚至整个数据体系的基础框架，需要在前期就制定好大致的内容与方向，后期只是在既定的基础上进行新增与调整，不会大幅变动，所以这两步非常重要。第3、4步主要是对前面定义的场景专题进行抽象，并设计指标进行量化的过程，在这个过程中，需要不断评估指标是否已经完整地描述了所要抽象的业务场景（场景专题），如果不完备，则需要继续设计补充，直到有足够的指标能够很好反映出该业务场景（场景专题）的各种变动情况。
下面从平台型电商的八大主题：渠道、产品、用户、营销、商品、营收、服务、市场，来简单介绍下“如何进行指标量化”
渠道的定义会比较宽泛，并不是只有应用市场，应用商店这种才属于渠道，只要能够有稳定的客流，能持续吸引来用户进入产品的客源入口都可以称为渠道，由此我们得知，渠道的存在目的是为了给产品导入流量，而我们导流都是花了真金白银的，自然我们会希望花出去的钱能够看到效果，以便我们能随时调整投放的比例。
所以我们需要对导入的用户进行监控并分析，判断渠道带来的用户的特性是如何？以及哪些用户质量比较好，哪些用户质量比较差？以这些数据可以对渠道进行评价。
那么我们需要监控的内容就包括：
产品是用户产生交互与交易这些行为的场所，所以我们需要从场所本身来监控，也就是产品自身的使用情况，包括产品各个功能的使用率，使用体验，产品主路径的转化情况，不同频道的商品分发情况等
用户是一个产品能否存活的根本所在，所以用户这个主题中，需要深入地去挖掘用户的信息，监控用户的日常变动情况，运用各种分层模型，以尽可能多，可能细的维度，对用户进行刻画。从用户注册到流失的每个阶段，每个周期，都需要有详细的指标在监控着，只有对用户有详尽的了解，再配合上对应的运营工具，才能对对用户进行分层分群的精细化运营，设计对应的运营策略，以达到做大用户盘子、促进用户成长、延长用户生命周期、最大化用户生命周期价值的目的。
用户主题的指标量化也有不少现有的模型可以参考，如AARRR海盗模型、RFM模型、生命周期模型等，都可以拆分出对应的指标来监控与分析。
用户流动情况是衡量历史到当前用户贡献的收益（生命周期价值是整个周期，包括未来），以及每天的价值流动、变化情况，它是精细化运营的前提，不同价值的用户采取不同策略使其流动以最大化效果。
营销是指在基本的市场商品交换行为上，辅以各种有助于销售的思维与行为，因为营销的范畴有点大，包括市场营销、活动营销、网络营销等，限于篇幅，在这边先狭义地理解成各种促销活动，如拼团、秒杀、满减等，这些都是电商常用的一些营销手段，目的是为了在一段时间内，快速促进商品的销售，所以我们需要监控营销活动中，用户的行为状态与交易状态，以便能清晰准确地的掌握促销活动的效果，为下次活动做好经验沉淀。
商品的整个生命周期第一步是招商的工作人员负责吸引供应商入驻，需要有一套对供应商的严格筛选标准， 能直接决定商品的档次、品质和货源的稳定性等因素（平台型无）。
第二步是商品的选择，呈现给用户的得是有质量的好商品，包括商品的款式、质量、性价比等指标。细节的地方我们会涉及到商品的图片及文案，每个细节对商品的转化率都有比较大的影响，因为用户是否下单是有很多因素的，我们把可控的因素做到最好，那就可以比较好的提高转化率。
第三部是商品的销售环节，我们怎么通过数据挑出好卖的货给到我们的用户的呢？
最后商品卖出去后我们的售后怎么样、我们的发货速度怎么样，也是直接影响用户的体验，可以说商品的每个环节都直接决定我们产品给用户的价值。
电商平台的用户，进入产品的核心需求是购物，所有为了满足用户的需求，在商品这个主题下，也需要对商品的整个销售周期（进销存）进行监控，包括售前的商品总数、库存、上架数，售中识别商品的优势，商品销售过程是否健康，哪些畅销？哪些滞销了？以便运营人员可以及时发现并做出调整，售后的退货率，投诉率，满意度等。
商品的规模主要是从广度、宽度、深度三方面来描述，采购广度是商品品类，越充足的品类越能满足消费者的消费，采购宽度是SKU占比，代表商品供选择的丰富程度，采购深度是平均每个SKU的商品数量。
营收主题是所有主题中跟钱最直接相关的，主要从全平台的角度，对成本与收益等方面内容进行衡量，以便了解整个平台的流水情况
服务主题在整个业务过程中并没有明确的划分界限，而是分布在整个业务流程中，当用户注册时需要进行风控监测，用户购买时咨询客服，用户下单时需要检测支付风险，账号风险，以后售后相关的服务等等
从用户进入页面的的那一刻起，注册、登陆、领券、浏览、购物、仓配、评价到售后，每一个环节每一个步骤都进行统计。当某一个环节出现数据暴增等异常，就可以第一时间进行预警，控制风险的蔓延，并防止次生风险的发生。
市场类的数据一般比较难获得，来源渠道也比较多且杂，数据噪音会比较大，一般只是作为参考，但也有另外，如果你是开发平台类产品的话，平台上的商户足够多，这些商户汇总的一些统计性指标是可以当成一个市场类的参考值作为分析与监控的，如所有商户的均值可以作为基准来对比用户的新增、留存；交易的规模；商品的售卖情况等等。
1.完备性：通过指标体系能够对产品的经营状况一目了然；如产品现在增速如何？现状是否健康等？
2.系统性：通过指标体系能够粗略定位到数据波动的原因；如活动用户下降，通过指标体系能够拆解到大概原因。
3.可执行性：指标体系是可量化并实现的；
4.可解释性：所有指标的统计逻辑都是可解释的，容易被用户理解的。
~
1.基础概念
2.指标体系
3.分析体系
4.报告体系
5.报表体系
6.产品体系
先给定指标体系的构成：
指标体系=数据主题+场景专题+指标量化
简单来说，就是将统计指标系统性地组织起来，指标体系是由体系与指标两部分组成的。
体系是数据主题+场景专题组成的：
数据主题：渠道、产品、用户、营销、商品、营收、服务、市场等
场景专题：用户规模、用户质量、健康度等；
指标则是依照着数据主题/场景专题进行抽象量化出来的：
用户指标：用户数、次数、人均次数、时长、点击率、渗透率、留存率等
指标是指标体系的砖块，而数据主题是楼层规划图，决定要建几层高，场景专题是室内规划图，每一层里面需要几厅几室几卫，只有先规划好楼高，并依照着室内规划图，才能将一堆毫无组织的砖头搭建成规整的，四平八稳的，有主题有内在逻辑关系的大楼。
指标体系是一个不断体验、熟悉产品，分析业务然后进行量化修正的过程，需要明确产品在各个阶段的关注重点，并且考虑不同角色的关注偏向，然后按照下方四个步骤来设计指标：
其中第1步跟第2步，是在整个指标体系，甚至整个数据体系的基础框架，需要在前期就制定好大致的内容与方向，后期只是在既定的基础上进行新增与调整，不会大幅变动，所以这两步非常重要。第3、4步主要是对前面定义的场景专题进行抽象，并设计指标进行量化的过程，在这个过程中，需要不断评估指标是否已经完整地描述了所要抽象的业务场景（场景专题），如果不完备，则需要继续设计补充，直到有足够的指标能够很好反映出该业务场景（场景专题）的各种变动情况。
下面从平台型电商的八大主题：渠道、产品、用户、营销、商品、营收、服务、市场，来简单介绍下“如何进行指标量化”
渠道的定义会比较宽泛，并不是只有应用市场，应用商店这种才属于渠道，只要能够有稳定的客流，能持续吸引来用户进入产品的客源入口都可以称为渠道，由此我们得知，渠道的存在目的是为了给产品导入流量，而我们导流都是花了真金白银的，自然我们会希望花出去的钱能够看到效果，以便我们能随时调整投放的比例。
所以我们需要对导入的用户进行监控并分析，判断渠道带来的用户的特性是如何？以及哪些用户质量比较好，哪些用户质量比较差？以这些数据可以对渠道进行评价。
那么我们需要监控的内容就包括：
产品是用户产生交互与交易这些行为的场所，所以我们需要从场所本身来监控，也就是产品自身的使用情况，包括产品各个功能的使用率，使用体验，产品主路径的转化情况，不同频道的商品分发情况等
用户是一个产品能否存活的根本所在，所以用户这个主题中，需要深入地去挖掘用户的信息，监控用户的日常变动情况，运用各种分层模型，以尽可能多，可能细的维度，对用户进行刻画。从用户注册到流失的每个阶段，每个周期，都需要有详细的指标在监控着，只有对用户有详尽的了解，再配合上对应的运营工具，才能对对用户进行分层分群的精细化运营，设计对应的运营策略，以达到做大用户盘子、促进用户成长、延长用户生命周期、最大化用户生命周期价值的目的。
用户主题的指标量化也有不少现有的模型可以参考，如AARRR海盗模型、RFM模型、生命周期模型等，都可以拆分出对应的指标来监控与分析。
用户流动情况是衡量历史到当前用户贡献的收益（生命周期价值是整个周期，包括未来），以及每天的价值流动、变化情况，它是精细化运营的前提，不同价值的用户采取不同策略使其流动以最大化效果。
营销是指在基本的市场商品交换行为上，辅以各种有助于销售的思维与行为，因为营销的范畴有点大，包括市场营销、活动营销、网络营销等，限于篇幅，在这边先狭义地理解成各种促销活动，如拼团、秒杀、满减等，这些都是电商常用的一些营销手段，目的是为了在一段时间内，快速促进商品的销售，所以我们需要监控营销活动中，用户的行为状态与交易状态，以便能清晰准确地的掌握促销活动的效果，为下次活动做好经验沉淀。
商品的整个生命周期第一步是招商的工作人员负责吸引供应商入驻，需要有一套对供应商的严格筛选标准， 能直接决定商品的档次、品质和货源的稳定性等因素（平台型无）。
第二步是商品的选择，呈现给用户的得是有质量的好商品，包括商品的款式、质量、性价比等指标。细节的地方我们会涉及到商品的图片及文案，每个细节对商品的转化率都有比较大的影响，因为用户是否下单是有很多因素的，我们把可控的因素做到最好，那就可以比较好的提高转化率。
第三部是商品的销售环节，我们怎么通过数据挑出好卖的货给到我们的用户的呢？
最后商品卖出去后我们的售后怎么样、我们的发货速度怎么样，也是直接影响用户的体验，可以说商品的每个环节都直接决定我们产品给用户的价值。
电商平台的用户，进入产品的核心需求是购物，所有为了满足用户的需求，在商品这个主题下，也需要对商品的整个销售周期（进销存）进行监控，包括售前的商品总数、库存、上架数，售中识别商品的优势，商品销售过程是否健康，哪些畅销？哪些滞销了？以便运营人员可以及时发现并做出调整，售后的退货率，投诉率，满意度等。
商品的规模主要是从广度、宽度、深度三方面来描述，采购广度是商品品类，越充足的品类越能满足消费者的消费，采购宽度是SKU占比，代表商品供选择的丰富程度，采购深度是平均每个SKU的商品数量。
营收主题是所有主题中跟钱最直接相关的，主要从全平台的角度，对成本与收益等方面内容进行衡量，以便了解整个平台的流水情况
服务主题在整个业务过程中并没有明确的划分界限，而是分布在整个业务流程中，当用户注册时需要进行风控监测，用户购买时咨询客服，用户下单时需要检测支付风险，账号风险，以后售后相关的服务等等
从用户进入页面的的那一刻起，注册、登陆、领券、浏览、购物、仓配、评价到售后，每一个环节每一个步骤都进行统计。当某一个环节出现数据暴增等异常，就可以第一时间进行预警，控制风险的蔓延，并防止次生风险的发生。
市场类的数据一般比较难获得，来源渠道也比较多且杂，数据噪音会比较大，一般只是作为参考，但也有另外，如果你是开发平台类产品的话，平台上的商户足够多，这些商户汇总的一些统计性指标是可以当成一个市场类的参考值作为分析与监控的，如所有商户的均值可以作为基准来对比用户的新增、留存；交易的规模；商品的售卖情况等等。
1.完备性：通过指标体系能够对产品的经营状况一目了然；如产品现在增速如何？现状是否健康等？
2.系统性：通过指标体系能够粗略定位到数据波动的原因；如活动用户下降，通过指标体系能够拆解到大概原因。
3.可执行性：指标体系是可量化并实现的；
4.可解释性：所有指标的统计逻辑都是可解释的，容易被用户理解的。
~
