踏入数据圈，经常会对一些数据指标或者数据本身的概念很模糊，尤其是跟IT部门、分析部门聊需求的时候，会被这些繁琐的指标定义给弄糊涂。为了更好的在这个行业里打滚，查阅了大量书籍和大咖交流，慢慢的搞清楚了。现在挤出一些时间重新梳理了关于数据指标相关的一些知识，给大家普及下。

首先，我们需要了解数据指标的定义和范畴，它是企业运营过程中，对已记录历史信息进行处理，转化成为数字。根据特定商业目的：对相关数字按一定的业务逻辑，使用一定的技术手段进行加工处理后，成为描述、衡量、分析、预测业务结果的工具。

其实“指标”，大多数对它都不会陌生，不仅仅是与数据相关的人员熟悉它，几乎所有人都多少与它有所关系，与我们工作考核的相关的KPI指标、与财务工作相关的统计指标、与销售或营销相关的销售指标及营销指标等等。都与我们日常生活、工作相关，与数据分析工作相关的人员更有深刻体会。

而为什么要有数据指标的存在，其实它的价值非常大，总结核心一点是：数据指标是服务商业的。通过使用数据指标，对数据进行分析，更清楚了解自己企业经营状况，可以更快，更好的做出各种决策，从而让企业的决策风险降低，更容易把握市场机会，提升商业目标，帮助企业取得竞争优势的一种“工具”，而它存在是有一定意义，至于如何去使用和搭建它的体系，是需要我们深入探讨的话题。

有了标准的数据指标，我们还需要数据指标体系来规范数据指标的定位、应用并承接组织的业务策略及业务目标。

一般我们会通过横向及纵向分析这两种方式，最终形成数据指标体系。横向上可以采用OSM模型的思想，但是很多人觉得OSM模型不太落地，这里不用担心，我们只是利用它的思想，来充分分析组织中的业务目标与数据指标的关系，通过这样的思考方式，我们明确各数据指标的相互关系，提取或制定出符合组织策略的关键指标。而纵向划分可以形成我们一般指标体系的三层框架，一级指标、二级指标、三级指标。指标框架一般为三层框架，不建议层级太多太复杂，不利于通过数据指标来有效反馈业务目标。

我们可以参考的模型如AARRRR模型，它教会我们在分析时，可以通过某种核心业务数据的生命周期来制定数据指标体系的框架。下面分享下医院绩效指标的搭建示例：

其实我在研究指标体系的时候还发现了它的发展过程分为2个阶段：

企业进行了为期数年的大幅提高公司数据质量的改革，而改革的核心就是以指标为核心构建指标体系，指标体系的搭建分为两个阶段：

一、在以指标为核心的初始阶段，是以IT为主体来构建指标体系

IT对指标进行了一系列的梳理、规划、处理、创建，构建了完整统一标准的指标体系，并存储在指标库中。统一的指标库相当于在上游数据和下游消费之间搭建了桥梁，不仅IT能够灵活地进行数据变更，同时将一致且正确的数据提供给各种下游消费者进行可视化分析。

当业务有新的指标需求时，IT先去指标库中搜索是否已经存在类似指标，已有指标无需重复构建；部分指标IT可以基于已有指标计算得出；剩余指标IT再根据业务需求进行定义、取数、计算、存储等操作，从而解决了重复加工和数据口径不一致的问题。因此，就出现了指标模式的第二阶段。

二、让业务直接参与指标体系构建

业务和IT基于平台配合定义基础指标，业务进行指标的定义、业务属性、口径等，IT进行指标技术上的加工实现，两者各尽所能，相得益彰，平台的依托可以直接进行需求澄清，沟通效率高、数据解读准确。

业务还可以基于已有的指标进行再加工，生成计算指标，无须每个指标都让IT开发实现，提高了需求响应的及时性。这种以业务和IT最佳协同的指标模式，打造了自增长的指标体系，实现企业数据资产的沉淀！

那么，前面讲了这么多指标搭建的内容和步骤，但是实际上在指标梳理和搭建时，很多人还是会犯错误，主要是不清楚哪些指标还是最合适进行建设管理的，我跟大家说下我的感受。

我认为数据指标是需要遵循统一规范、标准化的，因为指标的结果是基于有效数据资产且可以准确、精确、科学反映或监控业务活动行为，所以不能胡乱的定义它，另一方面，我们建立数据指标是为了体现企业的业务策略、指导并监视业务策略落地，所以必须指标要符合企业价值导向并全面覆盖企业当前发展阶段的业务活动的体系化内容，这两大原则我们必须要严格把关，数据结果导向才会更加精准和有依据，好了，希望上面这些内容可以帮助到大家，后续有时间再给大家整理更多关于指标管理的详细内容。