数据分析师如何搭建数据运营指标体系？

总结了我公司分析师的一些经验，从全局到单点，系统地回答这个问题。

一. 单个部门无法完成数据指标体系建设

作为一名数据分析师，我们需要从更高的角度认识到，数据指标系统的构建不能由单个部门完成，至少应该有业务团队、数据团队和开发团队（包括但不限于市场、运营和产品团队）。

上图是我们总结和建议在企业内部建立数据指标系统的最佳实践过程。分为以下 6 阶段：

1. 需求收集阶段：业务团队一般提出业务需求、数据团队评估和总结业务需求。

2. 方案规划阶段务团队和数据团队需要共同制定和梳理 O ** 和 UJM，并总结每个环节的场景，设计一套指标系统。

3. 数据采集阶段：在团队内部达成协议后，建议数据团队牵头设计数据采集方案，规范指标命名。命名是一件非常重要的事情，可以说是互联网行业的两个痛点之一，下一篇文章将与您分享。

4. 采集方案评估：数据方案采集方案设计完成后，需要与业务、数据和开发三个团队一起评估采集方案，评估实现成本和实践的优先级。在这里，您可以根据之前提到的场景模块，根据成本和重要性，评估优先实施哪个场景。

5. 数据采集和数据验证在线阶段：该链接主要需要开发团队根据前端、后端埋点等数据采集方案设计数据库；然后进入一个非常重要的链接——数据验证，确保我们的数据验证与指标系统所需的数据口径一致，使数据是业务所需的数据，以回答业务问题。

6. 效果评价阶段：最后是一个非常有价值的阶段，即效果评价。在此链接中，数据团队需要领导数据构建一个视觉看板，并通过看板指导实现业务迭代效果。

业务迭代肯定会产生许多新的功能和新的业务线，这些新的业务线也需要反馈指标系统。也就是说，指标系统的建设不是在一夜之间实现的，而是在原始的基础上不断迭代的。

另一个重要环节是指标系统看板建设完成后，需要输出数据字典。数据字典可以协调整个公司的步骤，使每个人都能看到相同的数据口径，提高公司的整体协调效率。

除了专业能力外，数据分析师还需要具备全球思维和协调能力，才能真正在企业内顺利实施一套数据指标系统。

二是规划数据指标系统的两个模型1. O ** 模型：数据驱动的核心逻辑是业务目标下沉式

? O（Objective）：它指的是我们的业务目标。在这个链接中，我们需要思考或回答的问题是，我们的业务、产品，甚至其中一个小功能，它的目的是什么，用户可以解决什么问题，满足什么需求？

? S（Strategy）：指明确业务目标后，为实现上述目标，应采取的业务策略。

? M（Measurement）：用于反映业务战略的有效性，以及战略实施是否能实现业务目标。

以上就是 O ** 的基本框架。之后，我将分享电子商务的经典 O ** 模型，帮助您更好地理解它。

2. UJM 功能:梳理用户的生命旅程，耦合业务目标

UJM 是我们在设计产品的过程中必须梳理的用户生命之旅。

为什么我们在建立指标系统的过程中引入用户生命之旅的想法？

我们在前面通过 O ** 框架设计了业务目标、策略和测量指标后，需要回顾整个产品的用户生活旅程，校准我们的业务目标，判断它是否符合用户的每个阶段。

也就是说，UJM 是用来连续耦合我们的业务目标的。它们相互影响，相互作用，促进业务目标更好地满足用户的需求，业务策略可以更好地回答业务问题。

为了方便大家更好的理解，这里简单介绍一下 UJM 的思路。

如上图所示，电子商务产品品 UJM，它包括：拆除用户所处的每个旅程阶段，了解用户在每个阶段的行为，明确产品在每个阶段的目标，找到产品与用户在每个阶段的接触点，最终找到产品的痛点和机会点。

也就是说，用户使用电子商务产品将经历六个阶段：

通过各种渠道了解电商平台，进入产品 → 通过主页、搜索功能甚至商品类别页等其他入口访问平台→ 对商品感兴趣，进入商品详情页 → 进入付费流程，完成重要转型 → 分享和回购阶段。

在整个用户旅程中，用户会反复跳转各个环节。

我们需要为每个阶段设定相应的目标。在这个想法中设定的目标可以反馈我们之前设定的 O ** 框架，判断其是否有遗漏。

在确定了每个阶段的目标后，我们需要在产品中找到与用户的接触点，如主页、搜索页面、商品类别页面等。

在了解了接触点后，我们可以找到每个链接的痛点，而痛点的负面是我们的机会点。同时，这里的每一个机会点都可以反馈给 O ** 框架内的 S，就是我们的策略，机会点是否与策略相互吻合。

所以 UJM 的价值在于，在梳理了用户之旅后， UJM 和 O ** 相关性可以耦合和影响用户旅程和业务目标，使我们的业务目标能够满足用户的需求，我们的策略能够回答业务问题。

3. O ** × UJM：相关业务目标和用户旅程

这里还有一个经典的电商案例。

首先 GrowingIO 电子商务的战略目标（O）——“提升 GMV根据电子商务的经典公式，拆解已成为提高用户基、转化率和客户单价三大目标。

每个目标下都有相应的策略（S），其实这里的策略都来自刚才的 UJM 框架梳理用户每个阶段的机会点，每个策略都会有相应的测量指标（M）。

也就是说，这里的每一个目标对应的策略和测量指标都对应于用户旅程的每一个环节。这样了指标系统的大框架。

三、指标分级系统1.指标分级系统适用于分析师

指标分级系统使用的技能会更高，更适合 BI 或分析师可以帮助公司建立一个完整的数据指标系统，从而及时发现业绩的提升或下降以及原因。

数据本身是分层的。当我们思考指标时，我们也应该有一个层次的概念，而不是现阶段我们关心的；指标分类可以帮助我们更有效地定位问题并验证我们的方 ** ，不需要每次都考虑去看哪些指标。

我们可以针对不同的指标，分不同的层级。不一定要拆得太细，否则层级会过深，基本上 3 个层级就能够指导我们一线的业务人员去做一些动作。

1）一级指标

一级指标必须是全公司认可和衡量业绩的核心指标。能够直接指导公司的战略目标，衡量公司的业务实现，本质上需要管理层和下属员工的双向理解和认可，易于沟通，如公司的销售或社会产品的活动。

以 GrowingIO以 为例，在 GrowingIO 获取客户时，一级指标是新注册用户数。当用户创建的看板数量大于 5 时，GrowingIO 会认为这是活跃用户。因为当用户访问 SDK 并在构建图表时，GrowingIO 认为用户对产品功能和产品特性有着深刻的体验。

2）二级指标

二级指标是一级指标的路径指标。当一级指标发生变化时，我们可以通过查看二级指标快速定位问题的原因。

比如我们的一级指标是 GMV 随着订单数量的增加，如何确定二级指标？我们在历史经验的基础上拆除一级指标，这会影响 GMV 和订单数量的增加是我们的核心二级指标。比如商品单价上涨，或者最近做了一些活动。

3）三级指标

三级指标是对二级指标路径的分析。基于历史经验和拆解，可以有效定位二级指标波动的原因。

三级指标可以直接执行一线操作的角色和作用。 一级指标GMV例如，如果我们发现转化率在拆卸后有所提高，那么转化率就是二级指标。然后分平台拆解转化率时，发现是 IOS 客户端转化率有所提高。

那么为什么安卓没有得到提升是 吗？iOS 最近做了一些迭代吗？它的转换路径比其他方面好吗？这些想法可以引导业务人员采取行动。

2. 指标系统分级应用

那么如何应用指标系统的分级呢？

这里也是 GrowingIO 为例，GrowingIO 是一个基于用户行为数据的增长平台，是中国领先的数据运营解决方案供应商。为产品、运营、市场、数据团队和经理提供客户数据平台、客户获取分析、产品分析、智能运营等产品和咨询服务，帮助企业提高数据驱动能力，实现更好的增长。

GrowingIO 如何构建监控系统？

对应一、二、三级指标的增长指标、活跃指标和实现指标。

增长指标：新用户注册；活跃指标：DAU ，也就是登陆用户数。变现指标：用户从注册到下单，所完成的订单额或营业额。

如果我们看到一级指标（新注册用户数）的增长，我们应该快速查看是否有二级指标波动，以便快速定位一级指标增长的原因。随着二级指标的增长，我们可以通过三级指标拆除二级指标，以此类推，解决日常业务中遇到的 70% 问题。

以上都是对这个问题的回答，希望对大家有所帮助。

知友福利：点击领取 GrowingIO 数据指标体系建设方案

数据指标指标体系| GrowingIO - 硅谷新一代无埋点用户行为数据分析产品

GrowingIO 数据指标系统建设方案，提供 无埋点双模式，有效收集数据，视觉数据看板指导业务增长。我们拥有国内外专业的业务数据分析师团队，帮助客户整理数据指标系统，提出解决方案，有效地找到可实施的数据增长点。