一、什么是数据指标？与数据标签有什么区别？
1.数据指标是反应同类现象总体综合数量特征，用于衡量事物发展程度的单位或方法（例如：利润率），一般通过数据汇总计算方式得到，数据汇总计算通常有统计口径与范围限制。在数据产品中，数据指标是根据数据分析得到的一个汇总结果。在生活中，数据指标有很多，比如居民消费价格指标，股票价值指数，空气指数，洗车指数，穿衣指数等等。
2.标签是用于形容某个事物的特征（例如：漂亮），可能是主观性的判断，也可以是通过某些复杂的方法获得。在机器学习和深度学习领域，为数据打标签也是一项重要的基础工作。
二、数据指标的分类
1.按照所反应的总体特征不同可以分为：绝对数指标和相对数指标。绝对数指标从数量上反应事物的规模大小，例如：用户数、人口数、收入等等，相对数指标可以从质量上反应事物的好坏，例如：覆盖率、留存率等等。分析事物的发展程度，就需要从质量和数量两个角度全面衡量。
2.按照统计时的时间特点的不同可以分为：时点指标和时期指标。时点指标是指在某一时刻状态下总体水平的指标，时期指标是指一定时期内的累计总量水平指标。
3.按照统计参考依据的不同可分为：客观指标和主观指标。
4.按照指标的属性可分为：高优指标、低优指标和中性指标。高优指标指数据值越高越好，通常是效益型指标；低优指标指数据越低越好，通常指成本型指标；中性指标指数值稳定在一个固定值最佳，或落在某一个区间内最佳。
三、为什么要搭建数据指标体系？
1.确认关键指标（北极星指标），统一团队的努力方向；
2.成熟的指标体系可以高效的为各部门提供数据支持；
a.指标体系可以建立业务量化衡量的标准，系统的指标体系才能全面衡量业务发展情况；b.可以减少数据支持工作中的重复工作，提高分析效率；
3.搭建产品数据监控指标看板，方便综合分析各项指标，及时发现业务问题；
a.合理、有效、系统的指标体系，通过指标之间的关联，可以快速定位业务问题；b.基于数据指标建立的数据监控看板，直观展现重要数据指标的变化波动；
四、搭建数据指标体系的前提是什么？有什么要求？
1.了解业务，对当前的数据状况、业务逻辑关系、各部门的数据需求、团队目标等有详细的了解；
2.熟悉基本的数据分析模型，有助于基于合适的数据分析模型搭建合理、健全的数据指标体系；
3.对所处的行业有所了解，能够罗列出该行业中常用的数据指标。
五、数据指标设计原则
1.可靠的数据源，保证数据指标的准确度；
2.数据指标的计算逻辑透明、清晰，帮助用户可以快速理解数据指标的含义，信赖数据指标所反应的真相；
3.考虑清楚每个数据指标可以使用的范围；
4.数据指标名称的设计要考虑含义的清晰明了，尽量不要使用误导性的名称；
六、现有的数据指标体系
列几个大家常用的数据指标体系模型，关于这些数据模型有一篇不错的文章推荐：
https://blog.csdn.net/qq_34069667/article/details/107064289?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522159852270419724845004974%2522%252C%2522scm%2522%253A%252220140713.130102334…%2522%257D&request_id=159852270419724845004974&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2allfirst_rank_v2~rank_v25-1-107064289.first_rank_v2_rank_v25&utm_term=%E6%95%B0%E6%8D%AE%E6%8C%87%E6%A0%87%E4%BD%93%E7%B3%BB&spm=1018.2118.3001.4187.
1.基于用户生命周期的指标体系（AARRR）
2.用户满意度指标体系
3.基于业务流的数据指标体系
4.基于产品功能的数据指标体系
七、如何搭建数据指标体系？
1.数据指标体系构建流程
2.搭建数据指标体系
（1）确定第一关键指标
当前阶段无比重要的第一指标；要先抓住当前阶段的‘第一关键指标’，然后再把这个指标拆解到各部门，形成各部门的‘关键指标’;最后再根据各部门的业务，细化或拆分出下一层指标；
（2）选择合适的数据指标分析模型
在搭建数据指标无头绪的时候，选择一个现有数据指标体系模型也是一个不错的方法.重点在于要将数据指标分析模型与自己所要分析的业务和产品结合，调整得到适合自己业务的数据分析指标模型。
