快捷搜索:  汽车  科技

统计描述的指标有哪些:数据指标体系是什么 5 5

统计描述的指标有哪些:数据指标体系是什么 5 5这一步也非常重要,涉及到这是“一个有用的报表”还是“一堆花花绿绿的数字”。什么算“好”是一个非常关键的问题。既然已经找到了主指标,就得为它建立配套的判断标准。这样才能解读数据含义,才知道怎么看分类维度。这是最重要的第一步,先整明白:我做这一堆指标为的是什么。把主指标树清楚,后边判断标准才知道围绕谁做,子指标才知道对应哪些流程。只要是在企业上班的部门,都有各自KPI,因此主指标是肯定能找到的。可以说,做好了数据指标体系,基本上能干60%数据分析师的活。好的数据指标体系,就能让业务人员看一眼就知道该在哪里干,该往什么方向干,非常好用。注意:基于指标体系的诊断,只解决战术问题,不解决战斗层面的细节问题。比如问:这些用专题分析的方法更容易解决。毕竟报表报表,只是报告状况的表,至于未来怎么干,得有更针对性的分析才行。

第五要素:判断标准

即使有了以上四个点,我们还是不能说:A产品卖的好。因为好是个形容词,是和差相对的。因此就需要一个对比的参照物。参照物的选择,本身是个复杂的分析过程,需要做深入的分析。

在构造指标体系的时候,往往这些判断标准是和当前数据一起呈现的。这样在看数据的时候,可以直观的做出判断,使用起来就很方便了。

04 数据指标体系如何发挥作用

小结一下,构成指标体系五部分是:

  1. 主指标
  2. 子指标
  3. 过程指标
  4. 分类维度
  5. 判断标准

有了这五部分,诊断起问题来非常轻松。

  1. 先看主指标 判断标准,比如主指标是:销售金额,先看本月是否达标了,没达标差多少达标。再看年累计达标没有,有多少亏空/盈余。这样很容易看清楚:知道问题是什么,有多大。
  2. 再看分类维度。哪些区域没有做好,是不是一贯做不好;哪些区域做的好,是勉强完成还是持续上涨。这样谁有能力兜底,谁是拖后腿的一目了然。
  3. 再看子指标/过程指标。哪个环节没做好,是线索太少了,得加大推广力度;还是跟进成功率低,得提升销售能力;还是报价总miss,得增加一些折扣。怎么处理问题一目了然。

可以说,做好了数据指标体系,基本上能干60%数据分析师的活。好的数据指标体系,就能让业务人员看一眼就知道该在哪里干,该往什么方向干,非常好用。

注意:基于指标体系的诊断,只解决战术问题,不解决战斗层面的细节问题。比如问:

  • 我没有思路,该怎么设计方法?
  • 我有三种方法,哪种更适合当前问题?
  • 我想用方法一,成功几率有多大?

这些用专题分析的方法更容易解决。毕竟报表报表,只是报告状况的表,至于未来怎么干,得有更针对性的分析才行。

05 如何构造数据指标体系

第一步:明确工作目标,清晰主指标

这是最重要的第一步,先整明白:我做这一堆指标为的是什么。把主指标树清楚,后边判断标准才知道围绕谁做,子指标才知道对应哪些流程。只要是在企业上班的部门,都有各自KPI,因此主指标是肯定能找到的。

第二步:清晰判断标准

这一步也非常重要,涉及到这是“一个有用的报表”还是“一堆花花绿绿的数字”。什么算“好”是一个非常关键的问题。既然已经找到了主指标,就得为它建立配套的判断标准。这样才能解读数据含义,才知道怎么看分类维度。

常见的有四类标准(如下图)当然,立标准本身是个很复杂的分析,也可以做的很复杂。但最后,哪些算好,哪些算不好,得区分的很清晰。

统计描述的指标有哪些:数据指标体系是什么 5 5(1)

第三步:了解业务管理方式,找合适的子指标

有了主指标和主指标的判断标准以后,可以进一步梳理子指标。子指标和业务管理方式有直接关系。比如销售金额,既能以分公司为单位进行指标拆解,也能以用户为单位进行。

具体怎么看,要看业务能怎么管这件事。比如销售一般按区域管理,那就按分公司拆。市场一般按用户管,就按用户拆。总之,业务方便最重要。

第四步:梳理业务流程,设定过程指标

过程指标理论上越多越好,越多过程指标,可以越细的追踪流程,发现问题。但在业务上,不见得每个动作都做了数据采集,因此要结合具体业务流程来,在关键节点加以控制。

统计描述的指标有哪些:数据指标体系是什么 5 5(2)

第五步:添加分类维度

有很多维度都能当分类维度,选用哪些,完全看业务上能从什么角度管理问题。把对管理有意义的维度加进来。(如下图)

统计描述的指标有哪些:数据指标体系是什么 5 5(3)

这样就搞掂了一个数据指标体系,过程一点不复杂。大部分时候,实际问题是:没做过数据采集,没有数据记录可以做指标。这才是最头疼的。然而问题是:为啥看起来简单的过程,做出来却没那个体系化的感觉呢?

06 为什么我做的不是指标体系

常见问题一:没有主指标,不知道在干啥

这是最常见的问题。很多同学的报表是从离职同事那里交接来的。为什么做?做了给谁看?看了又怎样?一问三不知。反正每天照猫花虎,定时更新就好了。

有些同学试图搞清楚,但是业务方自己是糊涂蛋。你问他:你们目标是什么啊?他答:提升GMV啊~~亲,GMV这么宏观的东西,他到底管哪一块?提升的话从多少提升到多少?提升到多少算满意?丫自己做方案也是照猫画虎,稀里糊涂,更不要说和数据分析师讲清楚了。

常见问题二:没有判断标准,不知道说了啥

这个是另一个常见,且致命的问题。很多同学都是盲目更新报表,数据列了一大堆,到底什么算“好”什么算“不好”,不知道。或者只是天真的认为:涨就是好,跌就是不好。结果引出特别多笑话(如下图)

统计描述的指标有哪些:数据指标体系是什么 5 5(4)

常见问题三:没有拆解子指标,对着主指标发呆

这个问题往往是部门分工问题的后遗症。

常见问题四:没有按业务流程构造子指标,单纯堆砌数据

很多同学构建数据指标体系,喜欢堆砌数据。放一堆指标以显得丰富。可实际上如果不按业务流程找子指标,指标之间逻辑性就很差,看起来经常莫名其妙。更不要说,很容易弄出来类似“你幸福吗”这种稀奇古怪的玩意。

常见问题五:没有根据业务选分类维度,胡乱拆解

把用户性别、年龄、地域、VIP等级、来源渠道、终端型号等等维度一通丢,显得报表很丰富,实际上业务意义不清楚。你问他为什么拿男女分类,他答:分出来差异大……至于差异大了还能咋样,业务上有没有能力针对性别做事情,又不知道了。

以上种种问题,本质上都是没有站在对业务有用的角度进行思考。单纯的为了搞指标而搞指标。这和工作习惯有直接关系。很多同学不是试图自己去理解业务流程,了解业务目标,而是去找一个“权威”“正式”“完美”“通用”版的指标体系。结果就是只会到处抄抄抄,看似做了很多,结果连看数据的人都没几个。

想改变,当然得从基础抓起,不要觉得我有个“数据XX的头衔”,就得看各种高深的算法理论才算有用。搞理论是科学家的事,在企业上班就得干点实际有用的东西。想助力业务,当然得从一线业务认真研究起。

#专栏作家#

接地气的陈老师,接地气学堂,人人都是产品经理专栏作家。资深咨询顾问,在互联网,金融,快消,零售,耐用,美容等15个行业有丰富数据相关经验。

本文原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Unsplash,基于CC0协议

猜您喜欢: