指标体系是数据分析师在JD招聘中经常使用的词汇，也是分析师必备的技能，尤其是社会招聘岗位。虽然数据分析师在学校招聘岗位的比例没有社会招聘的高，但也有50%的比例。随着就业后工作的开展，这也是一项必须掌握的技能。
对于产品经理和运营专业的学生来说，要想证明自己的数据分析能力，指标体系是一个非常重要的点，尤其是在他们向高级产品和运营发展的时候。
本文的主要目的是让读者了解什么是指标体系，并通过两种不同的方法来构建。
本文的结构如下：
一、指标体系的概念
二.指标系统的好处
三.如何构建指标体系
一、指标体系的概念
从字面上看，“指标体系”可以分为两个词：“指标”和“体系”，那么我们先来看看什么是“指标”。
1.什么指标：
来自百度百科的定义：指数是说明整体数量特征的概念和价值的整合。
综合数据的定义V:对特定事物或行为进行定量描述的数值。
以上两个定义可能不是特别好理解。看下面三个例子会更生动，GDP 9.96亿，GMV 4982亿，UV 12.13亿。这些是指标。当人们问他们通常看什么关键指标时，只需交换具体的名称。
直接说“9.96亿GDP、4982亿GMV、12.13亿紫外线”的数字，相信大家一定有所怀疑。这里我们开始介绍“维度”的概念。
2.什么是维度：
维度是指标的属性或特征，也是指标的必备属性！而看下图，如果把2019年江苏省的这两个属性加上9.96万亿元，是不是更清晰更有意义？是的，2019年是时间维度，江苏省的区域维度，天猫和微信是平台维度。时间维度包括日、周、月、季度、年等。从低级到高级。区域的维度包括区/县、市、省、国家等。从低级到高级。当然也可以根据自己的业务需求重新定义和划分。
下图是电子商务业务中常见的分析维度。
3.良好指标：
因为指数是指标体系的关键，所以需要强调什么是好的指数，为后续的指数池建设奠定基础。
准确性：对于一个指数来说，最重要的是能不能算准。如果这个不能满足，那就没别的可以讨论了，否则只会搬起石头砸自己的脚(切忌，切忌！)
可比性：就是有维度可以比较，比如同期比较，不同地区比较。如果没有对比，指标就没有意义。
业务指导：当一个指标发生异常变化时，对下一步操作没有指导意义，或者继续按照前面的方式执行，这个指标没有指导意义，可以直接放弃。
简单易懂：一个指标如果不能快速理解，应用效果肯定不能令人满意。
4.什么是指标体系：
经过长时间的铺垫，我们终于得到了指标体系的概念：
一个指标不能称为指标体系，几个不相关的指标也不能称为指标体系。
二.指标体系的好处
大局
从宏观角度看业务流程或关键节点，分析维度更全面。
高效率
当发现关键目标异常波动时，可以根据系统快速定位问题点。
逻辑性
每个指标都有内在联系，我们看到的问题可以更深层次。
三.如何构建指标体系
构建指标体系主要有两种方法。
：业务流程法、OKR拆解法。下面通过案例逐一讲解。1、业务流程法
从整体的流程来说主要包括下面八个步骤，每个步骤电商网站双十一GMV成交额(GMV)案例来说明。
需求收集&明确目标：一般是围绕公司级别的目标拆解下来，或者某个项目的具体目标，这个目标可能不止一个。案例是双十一成交额500亿。梳理业务流程：以用户的目标节点往前推，看用户达到这个目标有哪些环节
确定关键环节：在上步梳理的业务流程中相对会复杂一些，也都是有必要的，我们还需要将关键环节进行明确，也是我们后续优化的逻辑之一。电商我总结出来的关键环节是：进入网站=》查看商详页=》加入购物车=》下单(商详页也可以直接下单)=》付款。建设指标池：根据梳理的业务流程、及关键环节找出每个环节的必要指标拿出指标池，这也是我们指标体系的原始素材明确关键指标：从指标池中挑出关键指标，同时和第三步相呼应。这里的关键指标，在为数据可视化中的大盘打下一个基础。在上图中没有将指标池画出来，直接了关键指标，包括每个关键环节的UV/GMV/转化率等。维度选取：在完善了指标池和和关键指标之后，我们需要分析指标的属性，也就是维度，维度尽可能的丰富，一套指标体系的丰富程度很大程度上取决于维度的丰富度。经过上面几步，脑图版本的指标体系已经初步完成，数据、产品、运营各个团队就可以进行讨论和优化了。
明确指标口径：我们在上面有提到好的指标中第一个就是“准确性”，准确性的前提是有明确的定义，如果定义不清楚，准确性无从谈起。设计数据可视化：可视化一般分为3个层面，核心指标的数据大盘、部分关键指标的图表展示，常规数据的表格展现。
2.OKR拆解法
OKR（Objectives and Key Results）即目标与关键成果法，是一套明确和跟踪目标及其完成情况的管理工具和方法。整体流程和业务流程法大同小异。
关键点就是下图虚线矿中的目标拆解。我们以豆瓣MAU1000万案例来说明。
在拆解的过程中就是逐层的抽丝剥茧，但是每个人的剥法可能不同，结果也会有差异，但是在相同的业务基本框架差不多。下面是我个人的拆解方法。
第一层拆解：月活MAU=月新增用户+老用户数第二层拆解：月新增用户月新增用户=∑日/htdsw用户相加日/htdsw用户=日/周访客数*注册转化率第三层拆解：日/周访客数日/周访客数=广告投放访客+用户裂变访客数第二层拆解：老用户数老用户数=累计用户数*用户留存率老用户数=主动回访用户数+营销回访用户数第三层拆解：用户留存率、营销回访用户老用户留存率、新用户留存率付费回访、免费回访
ORK在拆解的过程中注意下面三点，其实整体下来OKR拆解是比业务流程法有一定的难度的，这也是为什么要熟悉/精通业务的原因。
3.OSM模型
两种方法讲完了，补充一个有用的模型工具，OSM模型
（Obejective，Strategy，Measurement）分别代表业务目标、业务策略、业务度量。
O：用户使用产品的目标是什么？产品满足了用户的什么需求？
S：为了达成上述目标我采取的策略是什么？
M：这些策略随之带来的数据指标变化有哪些？
OSM模型主要有下面三大用处，尤其是第三点，上面我举的2个案例，相对来说还不够细，无法有效的在某家公司进行落地，只有根据该公司具体的业务场景进行本土化，才能有效落地。但是这些内容对于求职面试已经是足够了。
1、协助确认关键流程或者节点
2、补充丰富指标池
3、建立企业本土化指标体系
作者：xiaohai 数据rqdjd