企业数字化创新转型中数据治理尤为重要，其中有一项非常重要内容就是指标体系。常说“水能载舟，亦能覆舟。” 数据指标就像是水，孕育着企业的生命和发展，一个企业运营的好坏，往往是通过数据指标体现出来的。指标体系是企业业务中最基础的分析内容，往往直接反映业务部门和企业经营状况，可以直接影响企业的经营管理决策，甚至影响企业的发展方向。一套完整科学的指标体系能指引企业走正确的路，并不断前进；反之，将使企业业务固步自封，发展停滞不前，最后覆水难收。同时，在企业业务不断地拓展和裂变，指标也随之快速迭代与更新。因此，在指标管理上就会出现很多问题，所以在数据治理中指标体系的建设与管理也是其中重要一环。
企业在进行指标体系梳理和建设中往往差强人意，跟预期目标相差甚远。究其原因，还是在指标体系建设过程中，缺乏整体思路和对指标架构的理解。小编给大家整理一套指标体系梳理与建设的方法，以及对指标管理的平台建设的建议。
01 指标面临的现状问题
首先我们先聊一下为什么要做指标管理？在企业日常经营管理中，集团与分子公司之间、公司各部门之间都会每月度、每季度、半年度、年度都面临不同的指标计算（也有企业称之为KPI），但是却会遇到各种不同的困难，典型的问题如下图所示：
指标同名不同义：即指标的名称相同，但是计算的口径、取数逻辑不一致。其主要原因是不同业务部门都是从本部门需求或视角的单一维度，缺少全局统一视角维度。例如销售收入，财务和销售考虑的侧重点不一样，财务更多考虑的是实际收到的每角每分钱，而销售考虑的重点是产品的转化效益，考虑哪些产品的销售绩效更好，还有可能财务是按季度统计，而销售可能要按周、月统计。可能在这两个部门都成为营收指标。
指标同义不同名：即指标的计算口径、取数逻辑一致，但是指标的名称不一致。例如销量分析，不同部门可能分叫A部门销量分析、B部门销量分析等等，其底层的计算口径、取数逻辑都是一样的。
指标命名难理解：即指标名称所表达的意思多义，或者摸棱两可，不够专业化，也没有明确的对指标定义和解释。例如我们常说的转换率和成单率、活跃用户数和访问用户数等等。
指标来源不清晰：即指标来源数据或源数据缺少直观的跟踪路径，也叫血缘关系。如出现异常数据问题，难以排查数据来源、无法溯源，导致耗时长等问题。
指标逻辑不准确：即指标口径描述错误。例如UV指标，口径描述为“按照设备ID去重”，实际上不同系统平台去重逻辑并不一致，如某A系统按照UnionID去重、某B系统按照DeviceID去重，某C系统按照loginkey去重，这三个模式分别是三个系统的主键，而不是具体某一个产品的编码主键。
指标数据质量差：指参与指标计算的源数据质量差，或数据的信任的不高，导致业务部门对数据指标的信任度不高，发现数据波动后，第一反应是先和数据管理部门确认数据是不是有问题，而不是去考虑业务上有何变动。
以上几种情况，都是日常指标应用和管理中经常遇到的问题，要解决这些问题，首先我们要明白指标的构成，然后再进行指标管理。
02指标体系建设框架
指标体系建设要业务需求为准绳，以指标为牵引，透明业务表现，推动业务问题解决，提升数据支撑业务经营与运营的能力。在进行数据指标体系建设的时候，同样采用“自上而下”和“自下而上”两头推进的思路。自上而下：是指以业务为主导的指标体系搭建方法；自下而上：是指以应用为导向的指标体系搭建方法。如下图所示：
在搭建指标体系之前，我们首先需要回答如下四个问题：
为什么要构建指标体系？
指标体系是落实集团战略目标、监控经营管理过程、考核组织和员工绩效的重要手段。但是，集团在业务管理和技术管理上存在一定程度问题，需要建立一套自上而下的指标体系，统一评估标准来解决面对的问题。企业亟需构建一套指标体系以解决业务和技术方面的问题，目前企业指标核心问题主要为“体系性不强、实用性不高、融合度不高、覆盖面不够、统一性不够、全局性不够、规范性不够”。这正呼应第一部分指标面临的现状问题，如下图所示：
指标体系应该是什么样的？
指标体系应该具有导向性、全局性、层级性和逻辑性的特点，每组指标都能讲出故事和效果。
以集团战略目标为导向：应充分承接集团中长期战略管理要求，使集团指标体系成为经营理念和专业管理理念的重要体现形式。
衡量业务管理效率效益：覆盖所有领域，紧扣业务特性，反面反映业务职能、业务流程的执行效率效益，即指标应最大程度定位到具体业务流程和流程节点。
具有递阶层次结构：应覆盖全部组织层级，充分考虑集团、区域、项目的统一管控、差异化执行的特点。
具有计算逻辑关系：一套好的指标体系并非扁平化结构，而是能够按照一定的数理逻辑进行逐级分解和定位追溯。
如何构建指标体系？
在组织保障基础上，分阶段开展指标体系建设工作。借鉴平衡记分卡搭建指标体系框架，按照自上而下、自上而下相结合的方式确定战略、经营及运营指标，并建立关联关系，形成标准化定义。
指标体系能够带来什么价值？
指标体系只有在应用中方能显示出其实际价值和生命力，才能验证其是否科学，指标体系可以应用于业务监控、绩效管理、对标管理、辅助决策等方面。
业务监控：通过红绿灯、分布区间警示、月报周报等形式，对关键指标定期监控，分析指标值与目标值的差距及其原因，找出差距，及时改进管理及执行方式。
绩效管理：从集团统一、规范的指标体系中筛选出绩效指标，纳入绩效合约中的指标类考核内容，对各级组织和员工进行客观评价，并将绩效考核结果应用于薪酬分配、岗位调整、培训开发等，以激励员工持续改进绩效。
对标管理：选择重要指标，与国内外先进企业开展对标，明确公司所处的位置，分析差距，找出管理短板，研究改进措施，不断提高公司经营管理水平。
辅助决策：基于指标体系，构建监测分析模型，利用指标数据多维度分析集团组织和经营状况，查找存在问题，预测发展趋势以及可能出现的问题，为企业决策提供数据支持。
03指标标准设计
指标的定义
指标是能表征一项或多项经营活动中业务现象的指示器。指标一般由指标名称和指标数值两部分组成，指标名称及其涵义体现了指标质的规定性和量的规定性两个方面的特点，指标数值反映了指标在具体时间、地点、条件下的数量表现。
保证指标标准定义目的
企业生产经营过程中各项指标数据规范、定义统一，统计过程科学、结果准确，为企业运营和各业务发展提供标准化的指标数据，实现集团层面对指标数据的统一管理，支持集团数据标准管理体系建设。
指标的分类
指标分为原子指标和衍生指标。其中：
原子指标是基于某一业务行为下的度量，是业务定义中不可再拆分的指标，具有明确业务含义的名词。原子指标=度量，原子指标度量包括事务度量、累计度量、统计学度量三个属性，分别为：事务度量是指对业务过程进行衡量的度量，例如：销售金额；累计度量是对历史截止当前某个时间下业务过程进行衡量的度量，例如：总销售金额；统计学度量基于统计学算法（如均值、TOP、四分位、方差、众数等）的度量值，例如：平均销售金额。
衍生指标是对原子指标业务统计范围的圈定。所有衍生指标都基于原子指标产生的，其包括原子衍生和维度衍生两个属性，分别为：原子衍生=分子原子指标/分母原子指标，例如：销售完成率；纬度衍生=时间周期+纬度/修饰类型/修饰词/业态/业务域/业务对象/业务过程+原子衍生指标/原子指标，例如：最近7天XX省销售完成率、最近7天XX省总销售金额（其中，销售完成率是原子衍生指标，总销售金额是原子指标）。如下图所示：
指标规范设计
一个完整的指标由业务域、数据域、业务过程、业务对象、修饰类型、修饰词、维度和维度属性共八个属性组成。在企业业务活动中，根据实际业务设计相应类型的指标，即可以选择指标八个属性中的任意组合形成企业所需指标。
业务域：是指某个业态下（如金融、汽车、系能源、房产、医药等）集团各职能部门所辖业务。
数据域：是指面向业运营和经营分析，将业务过程或者维度进行抽象的集合，其中业务过程可以概括为一个一个不可拆分的行为事件，在业务过程下，可以定义指标；维度是指度量的环境，如人力资源、财务、生产、销售、项目等。为保障整个经营分析体系的生命力，数据域是需要抽象提炼，并且长期维护的，但不轻易变动。在划分数据域时，既能涵盖当前所有的业务需求，又能在新业务进入时无影响的被包含进已有的数据域中和扩展新的数据域。
业务过程：是指企业的业务流程中的活动事件，如采购付款、客户付款等都是业务过程，请注意业务过程是一个一个不可拆分的行为事件（通俗意义上的流程L5级活动），业务过程就是企业的业务运营中的最小作业单元。
业务对象：是指对数据进行检索和处理的组件，是简单的真实世界的软件抽象，由状态和行为组成，表达了来自业务域的一个人、地点、事务或概念，业务对象有一个典型特点，就是可以重用。业务对象分为实体业务对象（诸如人、地点、事务、概念），过程业务对象（业务处理过程或者业务流程中的任务），事件业务对象（表达业务程序中由于系统的一些操作造成或产生的一些事件）。
修饰类型：是对修饰词的一种抽象划分。修饰类型从属于与某个业务域。如在营销域中，获客渠道类型，修饰词如某AAP、淘宝、微信等。
修饰词：是指除了统计维度以外指标的业务场景限定抽象。修饰词隶属于一种修饰类型。如在营销域中，获客渠道类型，修饰词如某AAP、淘宝、微信等。
维度：维度是度量的环境，用来反映业务的一类属性。这类属性的集合构成一个维度，也可称为实体业务对象，维度属于一个数据域，例如地理维度（其中包括国家、地区），时间周期维度（其中包括年季月周日）。
纬度属性：属于一个维度，如地理维度里面包括国家名称、国家ID、省份名称等。如下图所示：
04指标标准梳理方法
指标标准梳理有两个关键点：原子指标需梳理数据资产属性信息，原子指标需进行溯源梳理；衍生指标计算规则通过原子指标体现，衍生指标无需进行溯源梳理。
指标来源于业务，也服务于业务。第一步收集各业务部门的指标需求、报表需求等各类的需求；第二步将收集的需求进行识别、拆解及梳理，归类原子指标和衍生指标；第三步定义每个指标的名称、口径、逻辑以及指标的标准形式；第四步输出指标卡片，提供给指标平台系统，进行线上化管理。
05指标的管理
指标的管理的核心就是相同事情只要做一遍，避免重复、反复的做，避免“表哥表姐”、“报表漫天飞”的情况，形成一套体系化的、内部协同的、一体化的指标解决方案，让指标建设、指标复用更加的规范和高效。其主要功能需要包括以下几方面：
建立指标协同机制：指标的形成需要要经过需求申请、需求分析、需求确认、指标名称与逻辑审核、数据开发、指标发布、上线应用流程，严格控制指标创建入口，通过权限分配，避免随意性的指标产生冗余指标、无用指标、脏乱指标。
规范指标名称、口径与逻辑：制定指标命名、口径的定义与说明规范，指标严格按照上文03指标标准设计规范严格执行，按照指标的八个属性严谨定义，并将规则规范落地到平台中，通过系统平台把控指标输入输出。
指标目录线上化：指标也是数据资产的一部分，同样需要对指标形成指标目录，并通过系统平台线上化，可以快速查询、快速定位到目标指标；同时，解决当前指标共享难、不唯一、更新不及时、权限管控缺失等问题。
指标口径、取数逻辑统一源头：将企业数据资产萃取到数据中台或数据湖，指定为指标数据的口径、取数逻辑统一源头，需在指标中，明确取数的模型、字段、计算逻辑等，避免多源头、多系统等不统一的数据源头。
指标应用：指标管理最大的价值就是为业务提供服务，让业务部门真正应用指标，需要将指标可视化、多元化、高体验等多种形式为业务服务。
06总结
一个要是数字化转型的企业（如果不清楚数字化转型，请查看《企业数字化创新转型规划路径之数据治理》），其势必要进行指标体系的平台化管理，可以帮助企业进行指标规范化的有效管理，与此同时就是带来流程冗长和效率偏低的问题。因此不同企业根据自身情况制定不同阶段的指标落地方案，不能求快、求全，很可能得不偿失，需要量体裁衣、循序渐进逐步推进。特别是大公司和小公司其公司的发展目标和战略目标都不一样，其指标的建设路径也不一样。小公司考虑是生存与效率问题，而大公司考虑的是流程规范与稳定运行的问题。我们的管理者和执行者，要切实结合企业自身的特点进行指标体系的落地与运行。
文章来源：数据小菜鸟微信公众号