隨著社會越來越發達，大家都選擇在網絡上汲取相關知識內容，比如統計指標體系（統計指標體系的例子），為了更好的解答大家的問題，小編也是翻閱整理了相應內容，下面就一起來看一下吧！

(資料圖片僅供參考)

統計指標體系（統計指標體系的例子）

編輯導語：指標體系的建立，能夠驅動業務或公司更好地前進，同時也有助于利用指標體系評判業務狀態，發現有異常的指標并予以修正。本文作者從自己實際工作實踐出發，總結分享了搭建指標體系的相關經驗，希望對大家有所幫助。

你對越刷越上癮的抖音又愛又恨，對千人千面淘寶智能推薦的心儀商品滿心歡喜，對踏足一個陌生城市因為有了地圖、共享出行以及眾多 App 的攻略而不再感到未知和害怕，互聯網和城市數字化帶來的變革，不僅僅是更便捷，還有人與人之間邊界的拉近。

這一切，依賴于海量數據的線上化，基于大數據和人工智能技術的價值挖掘。正如王堅博士的《在線》書中所言：數據量大不重要，讓數據在線才重要。

無論是企業還是個體，我們都在逐漸成為這規模不可及數據富礦的一份子。不管是原生互聯網企業，還是不斷進化中的傳統企業，今天的企業正在逐步進化成數據企業。“數據是核心競爭力”成為了主流觀點，而數字化轉型的本質是為了提高生產力，將數據變為生產資料。

這一切， 都是為了實現精細化運營從而達到降本增效的目的。正所謂：數據最了不起的地方，就是靠最小的成本撬動更大的價值。

01 數據與中臺

互聯網最典型的特征是將用戶行為和觸點線上化，積累著海量級別數據。

行為分析、運營觸達、用戶畫像、智能推薦、千人千面。一個個看似簡單的詞語，背后是海量數據驅動的結果。首先需要對用戶的行為進行量化并收集，用戶行為數據、交易數據又或者產品數據，都是企業數字資產極其核心的內容。而這些數據，往往會散落在企業的不同業務線，不同數據庫，被分為若干個數據集合單元，無法形成數據閉環。

“如果無法衡量，那么就無法管理”。

為了連接這些信息孤島的數據，可以借助中臺的理念，即沉淀和去重業務線的數據，將不同系統中的數據進行全面匯集和管理，提高信息傳遞效率。中臺的輸出形式為標準化的 API，數據中臺可以簡單理解為包含數倉體系和數據應用集的結合。

數據的利用可以分為四個階段：采集、存儲、分析、展示。，也對應著以上為數倉體系不同模塊。包含了數據底層（采集和存儲）、數據分析和數據展示。

數據底層主要負責管理數據，包括數據采集、數據 ETL、數據倉庫構建等環節，提供數據基礎；數據分析主要是利用SQL查詢、OLAP 分析、數據挖掘以及可視化等方法抽取數據倉庫中的數據，形成數據價值。

其中，數據分析和展示是堪比砂礫淘金的壯舉，將數據轉化為有價值的信息，減少主觀決策。然而口號容易，落地難。

無論是營銷活動，還是產品迭代，又或者是商業智能，做到數據決策的第一步，是搭建一套符合業務事實的指標體系。

02 指標與指標體系

指標是什么呢？我們為什么又需要指標體系。

無論是公司，還是產品又或者是服務，最終都會有使用對象。“自嗨”是大忌，“反饋”是必然，根據使用者的聲音和行為數據不段地調整產品迭代方向，才是一個良性循環。

指標的作用，則是將業務變的可描述、可度量、可拆解，通過將業務單元細分量化后，形成一個個統計的標準。而指標體系，則是將互相關聯而又相對獨立的指標組織分類，更好的以全局視野“以面看點”，分層次管理單個業務單元。

按照百度百科的介紹：“在統計研究中，如果要說明總體全貌，那么只使用一個指標往往是不夠的，因為它只能反映總體某一方面的數量特征。”

通過指標體系，我們可以通過客觀數據衡量業務發展質量，厘清業務發展階段和現狀，發現關鍵的“北極星指標”和“轉化率”指標，還能用作為產品迭代和活動評估的有力支撐。

總的來說，指標可以分為兩大類：過程類和結果類。

過程類指標：用來衡量事件的過程變化，該類指標可以用來關注用戶的需求為什么被滿足或沒被滿足。如轉化率、流失率等。

結果類指標：用于衡量用戶發生某個動作后所產生的結果，通常是延后知道的，很難進行干預，主要用來監控數據是否異常和業務事實。如 UV/PV、用戶注冊數等等。

03 指標的生產

無論是過程類還是結果類指標，要想保證各方的理解無歧義，除了保證數據輸入口徑統一，還需要保證指標定義的統一，而定義的統一，可以借助 MECE分析法（相互獨立，完全窮盡），最終將指標拆解為一個個原子指標。

其拆解過程如下：

以上每個過程，都對應著一個具體的分析方法，下面以一個具體案例闡述每個環節的含義。

1）業務線：即產品線，如阿里的手淘線。

2）數據域：來源數倉概念，指面向業務分析，將業務過程或者維度進行抽象的集合。如淘寶的手淘線商品域、用戶域、交易域等。

3）業務過程：相關業務事件組成的業務流程，如手淘用戶域的注冊、注銷等。

4）修飾類型：對修飾詞的抽象分類，如手淘的支付方式、用戶來源等。

5）派生指標：派生指標=時間周期+修飾詞+原子指標，可以選擇多個修飾詞，由具體的派生指標語義決定。如客單價（支付金額除以買家數）為派生指標。

修飾詞：繼承修飾類型的數據域，除了維度外的修辭詞語，如手淘的終端類型、用戶性別等。

時間周期：統計的時間范圍，如近 30 天訪問手淘的用戶終端類型等

原子指標：原子指標 = 業務過程+度量。其中度量是基于某一業務事件（支付、成單、退款）行為下的度量（份額、次數、頻率、金額），是明確的統計口徑，不可拆分指標，如支付金額，支付頻率等。

6）維度：是事物或現象的某種特征，指度量單位，具備唯一性，如地理維度、時間維度等。

屬性：隸屬于維度，有定量和定性的區分，如省份名稱、郵政編碼等。

定性：文字可維度如省份城市、性別、職業等。

定量：數值類維度如收入、年齡等。

最終，根據以上拆解過程，我們得到了一個指標實例：最近 30 天 IOS 的各省份的注冊數。

另外需要說明的是，上述案例得到的指標（最近 30 天 IOS 的各省份的注冊數）屬于過程類指標。實際上，過程類指標都是虛榮指標，即無法直接促進交易額增長，只能度量業務。常見的虛榮指標還有 PV/UV/總用戶量等。

03 搭建指標體系

講了這么多，終于開始步入正戲。

搭建指標體系需要貼合實際的業務場景，可以根據不同的分析方法和抽象模型自上而下的驅動指標體系建設。常用的指標搭建方法有OSM 模型和指標分級。

指標分級比較簡單，即將公司的北極星指標拆解成業務線指標，到最后執行側的指標。體現了金字塔式的結構化思維。而OSM模型（Obejective，Strategy，Measurement）分別對應目標、策略、度量。一句話概括為了目標采取了哪些策略，如果度量這些策略的效果。

O：目標——用戶使用產品的目標是什么？產品滿足了用戶的什么需求？

S：策略——為了達成上述目標我采取的策略是什么？

M：度量——這些策略隨之帶來的數據指標變化有哪些？

以筆者在云計算行業的為例，從該視角來看如何用 OSM 定義指標體系：

當然，以上僅是指標搭建方法。好比于我們做菜，有時候會需要菜譜，因為需要將順序的放入食材和適當的火候才能烹飪成一道美味。

搭建指標體系可以借助一些抽象模型，比如，交易類平臺最經典的“人貨場”模型，用戶、商品、場景以不同的方式組合在一起，往往也意味著不同的交易模式，但是核心還是一句話：誰在什么「場景」下「買」了什么「商品」。

以電商公司為例：用戶（企業/個人）在場景（平臺）購買了哪些資源（商品）。通過對三者的分析，覆蓋到了產品線的方方面面，從定目標到完成，也借此來調整運營的策略以及功能迭代的側重點。

“用戶”的視角，主要是識別用戶從哪里來（渠道）、用戶有哪些特征（畫像）、可以分成哪些層次（RFM模型）以及用戶的消費質量等等。

“場景”的視角，主要識別平臺的有多少流量，這些流量的轉化率，購買了多少金額，購買了多少商品等等。

“商品”的視角，主要分析售前時客戶需要哪些品類、這些品類如何定義，售中時是否需要優惠券，以及用售后時用戶對于商品的使用情況及反饋建議等。

其實，作為一種抽象模型，起源于傳統零售行業的“人貨場”理論，在電商行業發揚光大。在如今不僅運用電商和零售，還能應用內容、社交等一系列場景。

比如，可以“人貨場”的角度來剖析 B 站作為內容社區的發展。

人——如何 看待 B 站的用戶及創作者？用戶從二次元→Z世代→Z+時代。創作者實現正向循環，PUGV內容占比越來越高。

貨——如何理解B站內容與創作者生態？從二次元到番劇，再到多元化發展。PUGV和 OGV 兩頭抓。

場——B站平臺社區環境如何建立？相對公平的流量分配機制，雙列視頻展示形式 + 單列沉浸式小視頻，并承襲二次元彈幕的社區“梗文化”。

除了在經典的“人貨場”抽象模型，還有被稱為“海盜模型”的AARRR模型，分別對應了用戶生命周期中的五個階段：Acquisition [獲取] 、Activation [激活] 、Retention [存留] 、Revenue [收益] 和Referral [推薦] 。

當用戶處于不同的用戶生命周期不同階段時，也需要使用不同的指標去定義。根據海盜模型 AARRR 產品增長模型，可以將指標分為五大類：拉新指標、活躍指標、留存指標、轉化指標、傳播指標。

04 結語

數據是杠桿，借助數據能撬動更大的價值。但是玩轉數據的前提，首先是存儲和利用數據。很多時候，企業已經不滿足分析 T+1 周期的離線數據，正如抖音的智能推薦解決了人與信息的匹配，淘寶的千人千面解決了人貨匹配。這不僅要求數據在線，更對數據的實時性也有著越來越高的要求。

指標體系的生產和建立，依賴于數據的準確性、時效性和完整性。無論是數倉還是數據中臺，都只是一種手段，更重要的是借助數據去實現量化業務態勢，找到當前的癥結，最終實現業務升值。

參考資料：

《數據中臺實戰》董超華

《中臺產品經理寶典》劉天

《2019年中國數字中臺行業研究報告》艾瑞咨詢

《滴滴數據倉庫指標體系建設實踐》 滴滴技術

《從“人貨場”看B站社區生態的養成》 方正證券

#專欄作家#

零度Pasca，公眾號：大兵閑記，人人都是產品經理專欄作家。關注前沿技術趨勢，理性數據主義者；熱愛閱讀，堅信輸出是沉淀輸入的最好方式，致力于用產品思維解決用戶共性問題。

關鍵詞： 統計指標體系 統計指標體系的例子