数据是一个很大也很泛的概念，很多时候都不知道要从哪入手进行分析解读，甚至也有可能不清楚到底想要什么数据。这时候就非常需要有系统化、体系化的数据指标，通过建设数据指标体系，让多而杂的数据变得有序可循，并且根据业务场景的变化不断调整项目内容，从来推动业务发展。

数据指标有别于传统意义上的统计指标，它是通过对数据进行分析得到的一个汇总结果，是将业务单元精分和量化后的度量值，使得业务目标可描述、可度量、可拆解。

数据指标需要对业务需求进行进一步抽象，通过埋点进行数据采集，设计一套计算规则，并通过BI和数据可视化呈现，最终能够解释用户行为变化及业务变化。常用的数据指标有PV、UV等。

本文提及的指标是衡量目标的方法，指标由维度、汇总方式和量度组成（见图1）。

• 其中，维度是指从哪些角度衡量，是看待事物的视角与方向，决定了根据不同角度去衡量指标。

• 汇总方式是指用哪些方法衡量，是统计汇总数据的方式。

• 而量度主要是明确事物的具体目标是什么，是对一个物理量的测定，也用来明确数据的计量单位。

体系化的本质是将数据指标系统性地组织起来，具体会按照业务模型、按标准对指标不同的属性分类及分层。当然，不同的业务阶段、不同业务类型会有不同阶段的划分标准。

数据指标体系含有十分丰富的统计量，从宏观上看，它是一个相对全面的有机整体；从微观上看，每个数据指标都有其特定含义，反映了某一细节的客观事实。不同的数据指标定义不同，逻辑也不同，这些各种各样的统计量共同构成了数据指标体系，使其产生不可磨灭的价值。

总的来说，数据指标体系是对业务指标体系化的汇总，用来明确指标的口径、维度、指标取数逻辑等信息，并能快速获取到指标的相关信息。

第一步：找到主指标。这一步很重要，拆解指标，一定是从一个很重要的主指标开始的，比如利润、销售收入、GMV一类。不找到主指标，随便拿个指标就往下拆，只会让思路越来越乱。

第二步：找到负责主指标的部门。这一步也很重要，因为很多指标不止一种拆解方法。到底怎么拆合适呢？要看拆完以后，是否有一个部门对指标负责。如果有的话，负责部门就能根据指标变化做改善。如果没有，那拆了也白拆

第三步：确认子指标有数据采集。这一步也能重要，因为指标的背后是数据采集，如果没有数据采集，就只能用粗线条的拆解

第四步：列出拆解公式，进行数据对比。这里呈现的就是最终结果。

很多小伙伴在工作中会纠结，比如：

• 为啥拆来拆去越来越乱？

• 两种拆解方法，到底用哪一种？

• 为啥拆的很细，但是落地不了？

都是因为没有遵守这个拆解顺序导致的，一定要记牢哦

在经过多年实践以后，人们发现，有一些固定的拆解方法，很容易说明问题。比如杜邦分析法，其实就是以利润为主指标进行拆解，拆解为收入，成本两部分。

这样的拆解，能帮人们快速看清楚利润来源和收支结构，从而优化企业经营。比如零售行业最喜欢讲的：人货场模型，其实就是把销售收入，按用户、员工（人）商品（货）渠道（场）进行拆解，从而分析业绩好的原因是什么。这些方法，在介绍完九大基本方法以后，会一一介绍给小伙伴们哦。

总之，指标拆解法是一种基本方法，多在业务场景运用，能产生很多价值哦，小伙伴们可以在工作中自行训练，看看能发现新的分析模型不。