数据分析思路系列-如何建立指标体系
发布时间:2024年06月06日
对于一些毕业生在面试数据分析岗位的时候,面试可能经常会被问到这样一个问题:你会选择什么指标去反映这个问题,或者你会用哪些指标去分析这件事?在工作多年以后,还会被问到类似的问题,比如之前我在一次面试的时候就被问到,如果让你来做一个业务的商业分析师,你如何用最少的指标来搭建一个指标体系给到高层,再用最精干的指标来拆解这个指标体系给到业务侧,能用于指导业务的行动方向?
可能大家听起来像是天方夜谭一样,我都没接触过实际业务怎么能就去搭建指标体系再拆解指标呢?但实际上,当我们冷静下来仔细思考就会发现,数据分析师的大部分工作其实都是在不断拆解指标,推动指标优化的过程,只是我们没有真的去总结过和通盘思考过。
我曾经看到过这么一句话:拆解指标是一切业务工作的前提。这句话我是非常认同的。
有人会问,这是不是太绝对了,其实不然,以为这是任何分析中最前置的问题。比如我要做一个APP的留存分析,最简单的我至少先要知道现在知道日/周/月活跃用户有多少,日/周/月留存率是多少。如果要分析一个业务,那我肯定得先知道它的收入/成本/单量/单价。
其实指标拆解并不想我们想象的那么复杂,也并不枯燥,其实是很好玩的一件事。一个合理的指标体系,会让我们的分析思路更加清晰,可以实现全局的持续监控,更容易追踪和发现问题,可以更好地溯源。但是,这一切的一切,都需要时间和经验的累计,所以之前的文章中我才说这是一个非常重经验的职业,无论你是什么学历,什么学校毕业,都无法直接教会你这些事情,只能依靠在工作中不断的遭遇,不断地总结。
接下来我们先简单的对指标体系做一个定义:指标体系就是为了完成某一个业务场景的主要目标,从而搭建的一套可以反映该目标结果的指标,可以用于追踪目标完成效果,进而分析在完成过程中出现的问题,并从中寻找解决途径,拆解是指标体系中最常见的一种手段。
那么我们应该如何入手去进行拆解,或者说一个公司的指标体系应该会长什么样,面对新业务时,怎么去搭建一个指标体系?
首先,我们一定要坚持一个基本原则:指标永远从业务出发。
一个公司,最为重要的,就是它的利润,然而每个公司因为业务类型不同,利润的来源也都不一样,还记得我们上面说的,要分析一个业务,首先我要知道收入/成本/单量/单价,为什么呢,道理很简单,完全是遵循公司基本业务逻辑而来,公司的利润来源于我的订单量,我们为订单制定了单价,然后为了让大家买东西,需要花费成本打开市场来获得更好的曝光,从而获取更多的订单。这样就形成了一个循环。
这就是最原始最本质的,公司永远是要关注利润的,如果我们要给高层制作一个报表,首先要展示的一定就是利润和成本,高层首先要知道的就是我现在到底是盈利还是亏损。
无论对于任何公司,收入主要来自于产品,互联网公司来自于产品付费和流量收入,比如:购买vip或者购买平台商品,通过己方产品跳转到其他产品,会产生渠道费用。对于传统企业,主要还是来自于自家生产的各类产品。那么继续拆解的方向就有了,以互联网产品举例:收入就被拆解为支付单量、客单价和商业变现收入,而对于传统企业,收入将被拆分为产品abcde的购买量、客单价。
接下来我们再来看刚刚拆解出来的几个维度,还有谁可以继续拆解,客单价可以肯定是已经到底了,而支付单量还可以继续拆解为支付用户数*人均购买单量,而商业变现收入可以拆解为跳转的产品*跳转次数,按流量收费的话也可以拆解为浏览用户数用户数*人均使用时长。
上面我们说了收入,成本也是可以拆分的,首先我们说成本包含哪些,对于互联网企业来说,刨除人力成本,就包括你提供的产品数,有多少人看了产品并支付了,为了获得更多的曝光,你花了多少钱在各个渠道做推广。而对于传统企业则是你的各类产品的生产成本,直销和分销渠道的花费。这样一来成本侧就可以拆解为产品数量,浏览用户数,渠道推广费用,传统企业则为产品总生产成本、储存和损耗成本等等,以及渠道费用。
经过上面的拆分,我们基本上就完成了一级指标体系的搭建:
收入侧:总收入、人均产出、流量变现收入;
成本侧:总产品量、浏览用户支付比、渠道推广费;
订单侧:付费订单量、人均购买量、跳转产品数、人均跳转次数(总流量、人均使用时长);
用户侧:支付用户数、浏览用户数
二级指标通常是一级指标的细拆,都是为了上一级指标服务的,比如用户我们可以分为不同类型的用户,渠道费用可以分为线上线下渠道,而线上线下渠道又可以继续细分,总收入可以分为产品ABCD的收入。
还有一类指标是效率或者质量类指标,比如快递行业,我们一般很看重准时到达率和破损&丢失以及客户评价,这些可能和我们的一级甚至二级指标都没有多大关系,但是这些指标在很大程度上会对收入和单量以及成本等方面会产生直接影响。
在拆完指标以后,还需要根据自己负责的业务进行对应,行程本业务的闭环,这样才算真正完成了指标体系的建设。
为了让大家更好理解,我们来举一个例子。
某家教育公司想建设活跃侧的指标体系,因为该报表是专门服务于活跃业务,所以不牵涉成本和收益,我们只需要考虑活跃和留存即可,所以我们可以将活跃用户、活跃时长和留存率作为一级指标,另外根据他们的业务逻辑,新增的用户数据也包含在活跃体系中,所以我们还需要将新增注册用户数纳入一级指标。这样我们的一级指标就有了。
在二级指标的拆分上,我们有多种选择,可以按照用户类型,也可以按照功能进行拆分,在这里要简单说一下,在二级指标的拆分中我们可以有多种选择,但需要从中选择一个最适合当前业务逻辑和公司运营模块的拆分。因为公司并没有按照用户类型切分的运营团队,所以我们最终选择按照产品功能,即:视频学习、做题学习、pk等娱乐功能。
在拆借完二级指标后,我们基本就完成了活跃体系的拆解,但这种拆解是站在整个大的业务线层面,诸如视频和习题的专项运营团队来说,我们拆解的指标可能是他们的核心指标,所以对于他们来说还可以继续进行拆解,这就形成了另一套小的指标体系,而大体系和小体系关联起来以后就形成了一整个完整的指标体系了。
最终我们的拆解后的指标体系大概就是下面这样:
在指标体系建立过程中,还有这样一个原则,越下探的业务指标应该越灵活,月靠近总部的核心指标越固定,这样的话就可以得到一个可以依赖少量人力就可以维护的指标体系。
出自:https://mp.weixin.qq.com/s/F6W6wcG3_x1FG5V5wv8QVg
Eva Design System 是一个基于深度学习算法的配色网站。适用于给我们的产品或品牌生成一个系统的配色方案。右上角可以切换浅色模式和深色模式的对比。