數據分析：指標體系VS指標

對業務部門來説，數據分析部門的人。應該是數據挖掘、建立模型，這才是數據分析師價值的體現。例如：通過建模型，來預測未來的趨勢。通過聚類，告訴業務部門的客户有幾類、每類有什麼特徵、客户的忠誠度如何。

但是這是不是存在一個共性，好像只有在解決某個主題的時候，而這個主題只有通過模型的時候業務方才會想到數據分析師，數據分析人員的作用才體現出來。當然，很多公司數據分析人員還承擔着從數據庫存提取數據的，進行簡單統計、計算的過程這是不是就是數據分析人員的全部價值。

常聽到這樣後句話，通過數據分析來輔助商業決策(對於商業決策不同的人也不同理解，小到日常運營、大到戰略制定其實我的理解都説商業決策。)。輔助商業決策如何現呢?光看幾個指標就可以了嗎?指標之間有關係如何?針對某個具體決策應該看哪些指標?如何解讀這些指標體現出來的值?

例如：對業務人員來説，往往會關注某個指標(一般是他的KPI)。比如，最近我的運營成果如何?我的市場營銷活動如何?一般會問，帶來多少新會員?增加了多少交易量。許多時候，運營人員只會要這些一些簡單的數據。請注意，這些數據是事實已經發生情況下得到的.。

看完某個指標，有人的就得出結論，運營效果不好，因為沒有達到預期設定的值。有的也許會進一步問，為什麼失敗?下一次可以改進在哪些地方?

但是為什麼在進行這些事情的過程中，不進行監測呢?(事中進行。)便於及時作出反應，便於你從數據中發現問題，及時做出調整或者其它方面的決策，從而不斷持續優化這次活動效果。

當然最好的是，(事前)這很多時候會體現在市場調研，當然內部數據一樣可以提供給你很多信息，便於你事前進行更好的決策，降低決策風險。(學過信息學，你知道，未來都是有風險的，而你能做出最好的決策，就是站在決策點上你擁有完全可以用的信息。

如何去持續的優化你的策略性的東西，回答這些問題的根本是在於構建相應的指標體系?

第一：指標的針對性;

第二：指標的準確性;

第三：指標的完整性;

第四：指標的時效性;

第五：指標的層次性;

指標你能想到的也許是儀表盤，什麼是儀表盤，就像你駕駛汽車的油表一樣，他能及時告訴你，是不是需要加油。但是油表不能告訴你，你的油是怎麼消耗，消耗在哪?你的這種類型的油這次跑了幾公里?你上次另外一個類型的油你跑了幾公里?你走過怎麼樣的路?如果你走什麼類型的路，你應該加什麼類型的油最好，結果是最省的?

這通過構建指標體系你完全可能得到答案，記得醫生看病的例子嗎?

病人：醫生我感冒了。

醫生：看一下病人的一些特徵。然後叫其去做各種化驗。

如何去構建一個相對來比較符合上述標準的體系的呢?yes we can! But how we can?Now ,it’s the answer!

1、明確你的指標體系為誰構建?以後誰會去看這些指標?他們分別看指標體系的哪些部門(這個問題可以放在後面。)

2、他們關注什麼問題。千萬不要想當然，去和你之前的對象溝通。建議你溝通二次以上，第一次：瞭解他們的需求，也許他們也不很清楚。在完成後，你要把他們的需求轉化為對應數據指標，可以反應他們的需求，並給出相應指標的大概定義，也許這時候你不一定要放入時間維。第二次：把你的結果反饋給他們，讓你指標服務的對象來檢驗、確證是否是他們現在想要的。如果當場不能決策，再修改吧。這一定是一個迭代過程，你要做到最優，就迭代吧?運籌學的解決方法之一。

3、明確每個指標的具體定義，統計口徑，要反應的問題。請記住永遠圍繞業務目標來進行了。

4、發佈指標了，你可以自己寫SQL，有些指標你可以要通過模型跑出來，但是大多數是指標是不需要。應該和數據倉庫去討論，相應指標的開發了。

5、指標上線了。有指標了，很多人都可以當醫生。