如何建设数据指标体系？

前言

指标，只要做业务或者做数据，没有不知道的。但是，近年来，随着数据中台推出，数据标签、用户画像等时髦热词涌现，突然间，人们不太讲指标了，仿佛一切又都变成只要有标签就万事搞定。

实际上，标签和指标是两码事，标签和指标的作用场景有重合，但是更有区别。举个例子，我们常说“贴标签”，生动的说明了一个场景，就是给一个事物或者对象进行标记，说明我们对它的分类，用于后面的各种筛选。指标不同，指标不是“贴”上去的，指标是数字化的反映业务过程的发生、发展情况。对于被考核一方而言，盯着指标“做指标”；对于管理者而言，盯着指标“控指标”，这个和标签管理不是一个概念。

同时，我们也注意到，虽然从企业第一天就有指标，但是对指标的管理却并不一定体系化、科学化。很简单的道理就是，能否在一个地方看到全部的数据指标？能否有一套管理手段和系统来保证指标之间不要出现重叠、冲突、矛盾？能否快速的了解一个指标的口径和编制者？很遗憾，过去和相当程度上，我们可能只是知道“报表”。在一些管理过程中，我们可能也只是知道一些“查询功能”。我们并不能很快的回答上面的问题。

因此，指标体系的建设就非常必要，某种意义上讲，指标体系的建设对经营管理的数字化是基础性的。既然是体系，就必须有自己的理论基础和管理机制。就指标体系的理论基础而言，并不复杂。常规的总结就是：原子指标+派生指标+组合指标。就指标体系的管理机制而言，无非是几个过程的管理：需求阶段的管理、开发过程的管理、使用过程的管理。

在推进数据治理的过程中，尤其是数据梳理清理工作和数据中台建设工作的实施，我们也日益关注这个方面的工作。以下是我们的一些思考和实践。

一背景

在没有数据指标体系之前，往往由业务人员作为指标的提出方和使用方，同时成为指标的管理方。但由于业务不同条线之间的不互通和对指标管理缺乏整体概念，往往导致以下各类问题层出不穷。

在数字化转型的背景下，需要不断缩短数据供应和数据应用之间的距离，让每一个业务人员都能自主使用数据。而指标体系正是连接基础数据和数据应用之间的桥梁，它可以随着业务扩展而同步，随着应用建设逐步完善，统一数据业务口径，不但提升业务数据服务准确性，而且从被动服务变成主动服务，实现数出同源、人人用数的目标。

二指标与标签的区别

标签是根据业务场景需求，通过对目标对象（含静态、动态特性）运用抽象、归纳、推理等算法得到的高度精炼的特征标识，用于差异化管理和决策。由此可见标签是体现目标对象特征的标识，往往集中在客户、产品等具有营销价值的目标对象上，且不局限于描述数量特征，还包括属性特征等。而指标描述的是目标对象的数量特征，是能表征企业某一业务活动中业务状况的数值指示器，对可描述目标对象范围更广。

三建立指标体系的流程

1.盘点现有指标

现有指标是企业数据资产的重要组成部分，是企业级指标体系建设过程中必须要考虑的部分。目前指标分散在各个系统中，用户很难知道这些指标的含义、口径、应用场景，这样的指标很难满足用户数据分析的要求。在盘点的过程中，需要明确指标的名称、业务含义、业务口径、应用场景、主管部门、创建日期、最近更新日期、来源、权限等信息。考虑大部分指标存在于分析管理类系统中，因此可以考虑先从这类系统入手。盘点结果需要及时导入数据治理平台，使用指标应用工具，实现“可搜索、可分析”。当指标应用工具可以满足业务需求的场景下，完全不需要总行开发，直接在指标应用工具中实现需求。

2.建立指标标准

指标是衡量目标总体特征的统计数值，一般由指标名称和指标数值两部分组成。指标名称及其含义体现了指标在质的规定性和量的规定性两个方面的特点；指标数值反映了指标在具体时间、地域、条件下的数量表现。

根据指标计算逻辑，可以将指标分为原子指标、派生指标、组合指标三种类型。