​导读： 在海量数据中，如何获得自己需要的数据指标，做好数据指标的设立与管理至关重要。

本文将介绍指标管理的意义和具体做法，主要包括以下两大部分：

1. 为什么要进行指标管理

2. 指标管理系统的主要内容

分享嘉宾｜崔文迪 美团 数据产品专家

编辑整理｜薯片 跨境公司

出品社区｜DataFun

01/为什么要进行指标管理

首先关于为什么要进行指标管理，我们来看一些例子。

通过上图中的例子可以体会到指标管理的重要性。指标管理是希望保证大家在工作中，使用一致的数据指标，避免一些因为信息差导致的沟通工作，保证大家使用数据指标时的简易度和准确性。

1. 统一数据语言

当出现大家对同一个数据指标名称有不同理解时，往往会造成沟通效率低。

统一数据语言，解决同义不同名/同名不同义的问题，用精确的可定量的业务语言来定义指标，可以降低工作中的沟通成本，提高沟通效率。

2. 统一数据生产

同一个数据指标名有多种不同的取数口径，会出现数据差异的存在，导致数据可信度不高，核对成本较高。统一数据的生产需要保证同一个数据指标，从加工到落地是一样的生产方式，这样可以保证整个数据指标体系是规范的不变形的。统一数据生产可以帮我们解决同名同义不同数的问题，保证需求从加工到落地到使用都符合规范，提升数据的准确性和可信度。

3. 统一指标使用

数据指标治理后，需要在页面中进行引导，并进行营销推广，让业务使用起来。统一指标使用，是要解决指标长期无人使用的问题，保证业务、研发都能看懂，提高数据指标的使用率。

--

02/指标管理系统的主要内容

如何做好指标管理，主要包括三个部分：业务过程指标化、指标管理标准化、指标使用运营化。

1. 业务过程指标化

指标是将业务目标和策略进行数据化呈现，从公司策略制定，到每条业务线的打法，再到所有的运营动作，从宏观到落地的细节，都是可以用同一套数据指标来拆解衡量的。要保证目标和执行传递了相同的信息，就要用同样的数据语言代表同样的做事准则和评估标准。需要知道现在的业务流程和背后的逻辑关系，将这些关系转化到可定量化、可计量的数据指标上。

业务过程指标化主要包括以下环节：

• 理解业务场景：理解业务的底层逻辑，了解业务当前的发展阶段以及后续重点策略方向。
• 转换业务指标：根据业务场景，将原子化的指标进行组合，合理评估业务表现结果。
• 对齐指标口径：与 BA、业务方充分沟通，共同讨论指标定义和计算口径。
• 理解指标体系：将业务目标根据策略逐层拆解，保证每一个关键动作都有指标可以评估。

①将业务场景转换为业务指标

上图中，以某个用户转化场景为例，首先是业务环节的拆解，可以看到一个常见的用户从访问到下单的过程。在这一过程中，需要明确关键动作是什么，考虑哪些环节有优化提升的空间。对应每一个关键动作需要建立一个指标关系，比如对于提升首页到详情页的分发效率，需要观测首页资源位曝光点击率这个指标。这样为每一个业务环节建立一个指标，利用这些指标真实地去考量这个业务的发展方向。

②对齐指标口径

在确定了业务指标后，要对齐指标口径。

对于单个指标，需要明确定量考察的方向，明确指标的业务口径，还要明确数据口径，并考虑影响范围、成本和复用性。

单个指标明确后，还要进行业务指标池管理，明确指标影响和应用范围，通用的核心指标需向上对齐，还要明确各方向指标负责人。

③理解指标体系

深入理解业务：多思考、多沟通，了解业务场景，发展方向和变化，同时自我检验指标体系在整个链路是否有缺失环节。

设计核心指标：关注各方核心价值，建立收益+成本或风险的配对指标；

设计过程指标：保证观测角度完整，并合理拆解业务环节。可以提前考虑一些归因的动作指标，过程指标拆解到动作，制定具体的策略。

2. 指标管理标准化

在实际工作中经常遇到指标命名不规范，口径和算法不统一，或是一些已经过时的指标仍然在维护。针对这些问题，我们就需要在指标定义中明确，命名标准化，口径管理标准化，并进行生命周期管理。在数据服务方面，开发规范要标准化，对数据分层管理。数据应用要保证多产品同源，在不同看板中同一个指标的值应该是相同的。

整体上要注重标准化，从而提高数据准确性，并提升研发效率。

①命名标准化

我们将指标分为了基础指标，复合指标和应用指标。

基础指标是某一个业务行为下事件的度量，是比较固定的基础指标。这类指标应该是表示单一业务概念的基本单元，在名称中应剔除多余的限制条件和维度信息，直接表达出指标的基本含义即可。指标命名规范为：业务修饰词_{实体修饰词_}基础词根，例如交易订单量。对于专有名词，例如行业"黑话"，优先考虑以专有名词进行命名，这样可以降低业务人员的理解成本。

复合指标是在基础指标上增加了一些修饰词或一些维度。业务指标是在基础指标上增加一些四则运算。指标命名规范为：{日期修饰词+}[环境/专题修饰词]+{聚合修饰词+}业务修饰词+{实体修饰词+}基础词根，例如近 30天小程序交易订单量。

② 口径管理标准化

口径管理标准化，避免沟通、开发的过程中产生歧义或传递的缺失，导致需求反复。管理内容主要包括：指标名称，指标领域，指标定义，计算公式和计量单位。但这里所列的并不一定是完整的管理内容，大家可以根据实际场景，增加管理内容，比如关联的埋点信息、精度等等。

③生命周期管理

指标需要进行生命周期的管理，制定完整的规范机制以避免二次治理和重复劳动。包括制定指标新增、删除、修改的流程，明确指标负责人，分级管理指标等。

3. 指标使用运营化

主动运营让指标被广泛使用，提升指标使用率。

要以客户为中心进行运营。变化时需及时主动触达用户。让信息容易获取，如通过指标说明、数据字典，在相应的使用场景提供指标说明；可以通过指标找产品，指标找数据表。有疑问时及时沟通。让指标贴近用户的使用场景，同时保障沟通渠道相对顺畅，能及时接收到用户反馈，给产品迭代提供一些输入，形成正向闭环。

最后非常重要的一点是要有团队合作的机制，要保证数据指标在团队内目标方向一致，节奏一致。明确负责人、项目里程碑以及协作方式。工作规范也要健全，才能保证产出内容和形式是一致的。

今天的分享就到这里，谢谢大家。

▌2023数据智能创新与实践大会

• 4大体系，专业解构数据智能
• 16个主题论坛，覆盖当下热点与趋势
• 40+演讲，兼具创新与最佳实践
• 1000+专业观众，内行人的技术盛会

第四届DataFunCon数据智能创新与实践大会将于⏰ 7月21-22日在北京召开，会议主题为新基建·新征程，聚焦数据智能四大体系：数据架构 、数据效能 、算法创新 、智能应用 。在这里，你将领略到数据智能技术实践最前沿的景观。

欢迎大家点击下方链接获取大会门票～
DataFunCon2023（北京站）：数据智能创新与实践大会