| 导读 | 想要解答这个问题，就要来分析录入报表中的这些数据本质上到底是什么。其实，数据报表所罗列的各个数据项在数据分析中有一个专业的名词，叫作数据指标。 |
想要解答这个问题，就要来分析录入报表中的这些数据本质上到底是什么。其实，数据报表所罗列的各个数据项在数据分析中有一个专业的名词，叫作数据指标。
本文我们就来看看指标的完整定义。
对于一些偏重于功能型设计的产品人员来说，初次听到“指标”这个词可能会觉得十分陌生，但是指标的概念实际上早已遍布我们的日常生活，如下图1所示。
图1 生活中常见的指标
从图1可以看到，任何一个级别的组织中都存在指标，大到一个国家(比如，使用GDP、CPI等对国家运行状态进行判断)，小到个人(比如，每次过年回家，亲戚朋友通过你的个人收入这一指标来评判你工作的好坏)。
对于日常与产品相关的工作中，相信有一定经验的读者都可以脱口而出几个指标，比如日活、月活、注册率、转化率、交易量等，这就说明指标其实离我们的产品工作并不遥远。
可见，指标实际上就是用来量化事物的一个工具，用数字来帮助我们描述一些抽象的事件。指标具体是指一组能反映某一业务在单位时间内的规模、程度、比例的数字。
例如，我们通过日活能判断出整个产品的用户量，而这个用户量又能反映出这个产品的健康程度—是否处于不断增长的过程中。
在日常的数据分析工作中，我们通常将指标分为如下三大类。
- 产品概要类指标：用于评价产品现阶段的整体情况。
- 产品流量类指标：用于评价产品内用户的数量与质量。
- 客户价值类指标：用于评价产品的盈利状况与可持续性。
前面提到的日活，实际上就属于数据流量评价类的指标。
那么指标的重要作用是什么呢?这里引用字节跳动创始人张一鸣在微博上发过的一段话来更形象地介绍指标的作用：
“为什么刷牙不能坚持认真刷，为什么在跑步机上却能坚持跑步。有许多事情不容易做好和不被重视的原因就是因为没有指标系统。比如，如果健康有准确方便度量的指标，那么大家的身体素质一定会提高。
但是指标不见得好提炼，提炼指标的过程，本身是分解事物特征的过程，而且指标要常测量。比如：当我今天发现眼镜度数上升100 度的时候，才意识到用眼过度了，才意识到在手机上看书是非常不恰当的行为。”
知道了指标的定义，下面具体来看看指标这一产物要怎么去描述，也就是如何去设计一个新指标。
我们可以根据业务的需要去自定义指标。例如，我在订单模块中就曾经定义过一个很独特的指标—订单取消率，含义是单位时间内用户订单取消数与用户下单次数之比，用来判断该用户是否属于恶意刷单用户。
但是在工作中，很多新手在对指标理解不充分的时候，如果需要为业务挑选指标，往往是在网上搜索各类指标库，从而找到自己对应业务的指标，然后进行照搬。实际上这种做法是不正确的，我们首先应该学会指标的定义方法，然后在此基础上根据自己的业务需要定义专属于我们业务的衡量指标，这样定义的指标才能精确地反映自己业务的特殊性。
要想自己去定义指标，首先需要搞懂指标都是由哪几部分构成的，这里为大家提供一个构成指标的统一公式，下面让我们对公式里的两个部分分别进行解读：
指标 = 业务维度描述 + 技术维度描述
业务维度描述就是阐述清楚这个指标的业务需求是什么，这个指标想要指代什么业务，反映出什么问题等。其实也就是大家日常与业务方讨论得最多的数据需求，例如，运营同事A说：我要看商城复购率。运营同事B说：我要看产品的日活。
这其中，对指标来说，最重要的是能清晰地定义如下两方面内容。
- 维度(Latitude)：衡量业务的具体维度，如用户参与次数、业务发生时间、交易频次、订单规模、用户规模、新用户增长规模等。
- 量度(Particle size)：指标的取值范围与单位，如用户参与人数为“200人”、交易频次为“每周3笔”、用户规模为“20万注册用户”、新增用户规模为“日新增1万注册用户”等。
注意：在设计量度时，我们可以参考统计学中的常用事物测量方式，将事物按具体内容和表现形式从三个不同角度划分为总量规模测量(总数)、相对测量(比率)和平均(日均)等。
下面用一张图来表示通过维度和量度构成的指标关系，如下图2所示。
图2 指标构成
除了上面两个描述项外，下表还总结了在业务维度中必要的描述字段。
表1 指标业务维度描述属性
技术维度描述的是一个指标除了要定义清楚具体的需求外，还要面向技术人员准确定义该指标的实现逻辑，因此该维度也就是技术人员为了实现这一需求而必须了解的内容。表2总结了从技术维度来说必须要描述的字段。
表2 指标技术维度描述属性
在掌握了指标的这两个维度后，我们就可以根据自己的需求去自定义一些指标了。下面来看看实战中是如何去定义指标的。
搞懂了指标后，接下来我们了解一个进阶的指标概念—指标体系(Indication System)。
众所周知，我们进行数据分析的核心目标是为了帮助业务人员发现当下业务存在的问题以及背后的原因，从而制定下一步决策。
试想一下，如果你仅看到一两个孤零零的数据指标，如日均订单量下降20%，你虽然能确定当前的业务存在问题，但是这背后的原因是无法从这单一的指标上得知的。所以这时就需要更多的数据指标来定位问题了，如下单用户量变化等，在上面的叙述中已经通过三类指标分类梳理出了指标库。但在指标库的基础上，我们还需要将指标按照一定的层级逻辑进行组合，在指标体系中，可以分为以下两个层级。
- 问题指示指标：发现并定义问题的指标，如用户数下降中的用户数指标。
- 原因定位指标：描述全局现状的其他指标，如各渠道新增用户数、流失用户数指标等。
至此，我们可以得出指标体系的定义：
多个指标以一定的逻辑组合成的能反映当前的业务问题，并能定位业务问题背后原因的指标集合。
那么指标体系要如何定义，才能精准找到原因并定位指标，且让数据后台发挥应有的作用呢?欢迎阅读《高阶产品经理必修课：企业战略驱动下的数据体系搭建》。
原文来自：
本文地址：//gulass.cn/detailed-data-indicators.html编辑：KSJXAXOAS，审核员：清蒸github
Linux大全：
Linux系统大全：
