指标思维：如何搞清楚各种不同的指标类型

前文提到数据分析师要做到客观严谨，其中的客观就要求我们所有的观点都要有事实依据，尤其是作为数据分析师，我们要用数据来描述事实。但是面对数据库中那么多的表，那么多字段，究竟用什么样的数据来准确地描述业务现状呢？我们一般可以提前制定需要的指标，然后根据指标的定义提取具体的数据。

今天我就来讲一下，如何用指标衡量业务现状。

指标&指标体系

我们先来说说数据和指标的区别，有些同学搞不清楚指标和数据的关系。

业务环节下最原始的数据，一般来说不是指标。比如用户的登录数据，一般会记录下用户 id、登录时间等基础信息。这些信息随着用户的登录一条一条地记录下来，这些都是数据，但是不进行加工，我们没办法直接从中获取有用的信息。你总不能一条一条地看吧？

如果我们根据日期，算出这一天所有登录的用户 id 的总数。那么我们就能算出这一天总共有多少用户来过我们的 App，这个加工后的数据就是日访问用户数，对于衡量整个 App 的健康度来说，就非常直观。最后得出日访问用户数的具体数字是一个数据，日访问用户数的衡量方法就是一个指标。

单一的一个指标能带来的意义是有限的，需要结合其他指标一起看。比如同样两个业务，A 销量是 100 万，B 销量是 50 万，哪个更好？

答案是不一定，单纯销量这一个指标带来的信息还不够，我们需要和利润、客单价等指标一同判断。也许 A 业务销量高利润低，B 业务销量低但是利润高。各有不同的特点，你用单一维度去评判是不合理的。

所以我们需要把相关的指标整合起来，做成指标体系。了解业务的指标体系对数据分析来说至关重要，有两个好处：

• 你能了解业务是如何运转的，了解业务人员最关心什么；

• 当遇到数据异常的时候，顺着指标体系排查问题，你能很快找出问题。

数据分析师面试的时候有一道几乎必问的题目，那就是“如果某个指标突然出现了异常，怎么排查问题？”如果你有指标体系的概念，那么这是一道“送分题”。而如果没有指标体系的概念的话，就会东一榔头西一棒子，想到哪说到哪，这样的回答说明你没有基本的指标体系的概念，这就成了“送命题”了。

一般的课程讲指标体系的话，会列举某一个业务的指标体系案例，然后罗列一堆的指标。比如电商指标体系是长什么样的，有哪些指标，等等。比如这样：

（图来源于网络）

但罗列指标对你的理解会有局限性，比如我列举电商的例子就不适用于销售，列举销售的例子就不适合直播。为了让不同业务背景的同学都能理解如何搭建指标体系，我就不以具体的业务背景来罗列指标了。我会告诉你构建指标体系的一般过程，让您根据你本身的业务搭建适合自己的指标体系。

如何构建指标体系

我们可以通过以下四个步骤完成指标体系的构建。

• 确定主指标

• 拆分子指标

• 拆分过程指标

• 添加分类维度

我们逐一来看。

1. 确认主指标

首先看主指标。主指标就是用来评价你负责的业务到底怎么样的最重要指标。比如销售部的责任是尽量多卖出产品，所以主指标是销售额；渠道运营的责任是拉来更多的有效新用户，所以主指标是有效新用户数。

主指标的制定要根据业务的实际情况，不同的业务的主指标不同，同一个业务不同阶段的主指标也不同。

以不同的产品阶段为例，一款 App 的常见主指标如下。

• 引入期：这个阶段产品刚刚启动，需要注重产品的打磨，主指标是留存率，当留存率达标之后，再进行大规模推广。

• 发展期：这个阶段用户量猛增，主指标是用户数、活跃率等。

• 成熟期：这个阶段用户数已经稳定，重心转移到了商业化上，主指标是跟营收有关的指标，如销售额、利润率等。

• 衰退期：这个阶段的用户增长停滞、用户活跃下降，主指标是用户流失率等。

简化一下，就是初期做留存，爆发期做增长，成熟期做营收，衰退期做回流。主指标要根据产品目前所处的阶段特点进行建立。

这里我要提醒一点，主指标一般是多个综合使用，因为一个指标很容易造成“虚荣指标”的结果。比如成熟期如果只看销售额，那么销售额猛增，但是利润却没变甚至变少了，那么这样的销售额增长并不代表业务在变好，所以除了销售额，可以将毛利也作为主指标。

主指标的制定是整个指标体系构建的重中之重，主指标选择地不对，后面的所有工作都是无用功。确定业务的主指标可以通过 OSM 模型，OSM 分别对应三个单词。

Obejective（业务目标）：用户使用产品的目标是什么？产品满足了用户的什么需求？

Strategy（业务策略）：为了达成上述目标我采取的策略是什么？

Measurement（业务度量）：这些策略随之带来的数据指标变化有哪些？

第一步就是要确定业务目标是什么。如果你没有清晰的业务目标，那么也就不可能制定出准确的指标。你现在能理解为啥我把“目标思维”放到第一节课了吧，因为目标思维实在太重要了，做什么事都要先思考目标。

这个 OSM 模型，听起来还是有点虚，我举一个例子。

以滴滴网约车为例，按照 OSM 模型，它的指标是什么样的？

O：用户使用滴滴的需求和目标是什么呢？

• 用户的需求是便捷、能快速打到车、并且安全到达目的地

那如何让用户感受到自己的需求被满足了呢？

S：滴滴做的策略如下。

• 便捷方面，滴滴提供了多个产品入口，有独立 App 版本、小程序版本，以及高德、微信、支付宝等打车入口。

• 快速方面，滴滴针对不同的需求提供了不同的产品选择，比如快车、优享、拼车、出租车等业务。并且根据早晚高峰的出行需求调节运力，减少用户排队时间

• 安全方面，实行司机准入机制和司机合规机制。

M：我们需要针对这些策略去做指标。

• 便捷：渠道转化人数。

• 快速：乘客取消率、供需比。

• 安全方面：司机服务分。

2. 拆分子指标

上一步我们确定了业务的主指标，第二步我们把主指标拆成子指标。

什么是子指标呢？比如主指标是毛利润，而毛利润又是根据销售额和成本计算出来的。公式如下。

毛利润=销售额-成本

那么这其中销售额和成本就是毛利润的子指标。而且销售额和成本这两个指标还可以继续往下拆解到更小层级的子指标。比如：

毛利=营业额-成本

营业额=用户数×付费率×客单价

经营成本=渠道成本+营销成本+商品成本+其他成本

拆分子指标，放在之前滴滴的指标案例中就可以这样表示。

• 便捷：渠道转化人数。子指标为渠道人数×渠道转化率

• 快速：乘客取消率、供需比。供需比=司机人数/乘客人数

• 安全方面：司机服务分。具体看服务分如何来的，一般有一个有公式，可能会参考驾龄、驾驶事故次数、信用风险分等综合得出。那么公式中的因子就是子指标。

在实际的工作场景中，如果主指标是整个公司的共同目标，那么子指标通常是作为部门的绩效考核目标。比如用户数、付费率、客单价可能是由三个不同的部门负责的。如果主指标是部门的共同目标，那么子指标一般就是分到小组或个人的目标。比如供需比是司机人数和乘客人数决定的，司机人数和乘客人数一般就是两个小组分别负责。所以在拆解子指标时，要注意与各部门的业务实际情况一致。

3. 拆分过程指标

接下来我们继续拆解，拆解出过程指标。主指标和子指标通常是最终的结果，这类指标一般我们称作“结果指标”，结果指标可以明确地告诉我们业务到底做得好不好，但是它有个缺点，就是反应太慢了。

比如销售额其实是一连串销售行为的最终表现，当我们发现销售额下降的时候，其实已经晚了。销售额下降不是在看到这个数据的时候才下降的，而是在平时的获客、跟进过程中就已经出现了问题，所以我们需要一个更灵敏的指标，提前发现问题。我们可以监督销售流程的各个环节，这个各环节的表现，就是过程指标。

过程指标最常见的形式就是漏斗模型。比如一个产品的销售流程：落地页→购买页→支付页→支付成功。我们可以根据这个流程把“付费用户数”这个指标拆分开，单独计算每一个环节的用户数。

到了这个流程的最后一步，也就是支付成功这一步的人数，数据的结果和“付费用户数”指标是相同的。这样，我们不用等到最终“付费用户数”这个指标出问题了之后才去想办法，而是在结果出来之前，我们就已经通过过程指标提前预判出会不会出问题。

除了各个环节之间的转化率，在每一个环节内部，还有一些衡量这一步效果的指标。比如分享、收藏，等等，这些都是过程指标。

之前滴滴的案例中，衡量便捷的主指标是渠道转化人数，我们可以拆解过程指标，比如渠道触达人数、渠道下载人数、渠道转化人数。

如果你要为业务方提出分析建议，尽量分析到过程指标。业务方要你分析如何提升销售额，你如果只拆解了子指标，把销售额拆解成用户数、转化率和客单价，你能怎么提建议？你只能说“要想提升销售额，可以提升用户数、提升转化率、提升客单价。”然后呢？然后就没有然后了，这是一句标准的废话。业务方自己难道不知道要提升这三个指标吗？问题是怎么提升。

而如果你拆解到过程指标，就更容易落地。因为过程指标对应具体的某个环节，而具体环节解决的问题往往是比较清楚的。比如我们拆解了过程指标，告诉业务方“要提升销售额，可以提升落地页的转化率”。这样业务方就容易讨论后续方案，因为落地页的目的就是引导用户浏览商品信息，那么之后就可以思考如何更好地激发用户兴趣，产生购买意愿。

4. 添加分类维度

拆完过程指标还没结束，我们还可以给指标添加维度。维度就是指标的某个特征，常见的分类维度有时间、地域、渠道、用户群体等。

给指标添加维度是拆解问题的基础，但是如何选择好的维度是一件非常困难的事情，新手很容易在拆解一堆的维度，最后得出一些完全没用结论。维度的选择必须符合业务的特点。比如滴滴的业务在不同城市、不同地段、不同时间的差异较大，而且都有对应的业务含义，所以在维度上我们可以选择例如城市维度、商圈维度、渠道维度、时间维度、用户标签等维度。不好的维度是类似手机系统、机型、App 版本等维度，这些可以用来做系统 Bug 的排查，但是对业务来说意义并不大。

经过了主指标、子指标、过程指标和维度的罗列之后，我们就把某个业务的指标体系建立起来了。通过上述的步骤可以看出，指标的拆解有三种方法。我们分析问题必然要拆解问题，而拆解问题逃不开这三种拆分方法。

子指标：按照指标公式拆解

过程指标：按照生成过程拆解

分类维度：按照业务维度拆解

这样当你在面试时遇到面试官问你如何拆解，你就能做到思路清晰有条理。

这里要提醒一点，子指标和过程指标的方法不一定适合所有的指标，比如用户数这个指标，就拆不出子指标。新用户的获取有些外部数据无法拿到，就没法拆过程指标，所以我们可以按照这三种方法思考如何拆解，如果无法拆解跳过就可以了。

至于如何更有效地拆解问题，会在后文详细讲解。这边先对指标的理解打个基础，课后你可以看一下公司里的指标体系或者网上的案例，思考一下它们分别都属于哪一个类型，加深下对指标的理解。

最后留个思考题：参考之前滴滴的指标体系案例，思考一下拼多多的指标体系如何建立。假设拼多多目前在发展期，业务目标是抢占市场份额，策略是老用户带新用户，那么主指标是什么？再根据指标体系的拆解方法拆出子指标、过程指标和维度。