精华内容
下载资源
问答
  • 对指数体系的理解
    2021-06-07 18:03:59
    • 为什么要做指标体系

    1. 指标体系的意义(作用):让管理者能快速判断出业务运作好坏的结论(结果倒推过程),在业务出现异动时找出是什么原因造成的(优化效率);想要提高、发展某个业务的途径是什么(口径统一:减少主观争议);预测业务接下来的发展情况(科学增长:数据驱动),也可以指导我们的分析工作(产品评价体系、活动效果评估体系、智能运营分析体系);
    2. 指标体系:为了满足上面的作用,某一单一指标往往是不够的,需要从不同维度观察,搭建一系列能 量化、比较的指标群;
    • 指标体系是什么

    通过不同维度的观察形成有机整体、且相互独立、能反映产品规律和经营状况的一系列指标群

    指标:对于数据的量化,一般通过对字段进行某种计算得到(加权、求平均)

    1. 维度:想把指标按照什么角度拆分来看,角度也就是维度(设备、支付方式等)
    指标与维度指标绝对指标:数量指标去重类uv、活跃用户数等
    累加类pv、时长、收入等
    相对指标:质量指标平均指标人均消费、人均时长等
    健康指标转化率、留存率
    质量指标超时率等
    维度时间维度:年、季度、月、日、时分秒
    人口:性别、年龄、地域、职业
    流量来源:渠道、版本、设备等等
    行为维度:用户生命周期(注册、登录、使用、退出、召回)

    • 指标体系标准

    好的指标体系能准确快速下结论,能满足多数场景的归因

    1、全面性(要有深度、广度,局部、整体);2、认知统一(符合大众认知、可解释性);3、健康指标(多关注此类指标:付费率、转换率、留存率等);4、可迭代的

    • 指标体系搭建方法论

           在业务构思阶段就要搭建指标体系(由业务:产品、运营等,数据产品层搭建),而且需要有数据的上报、校验(设置埋点,确定数据准确性),在校验之后,就需要由数据侧相关的岗位来开发指标(对于指标的统计和计算),指标体系的应用和分析 然后进行迭代+升级,形成闭环

    OSM  object业务目标、strategy业务策略、measurement业务度量(我理解为在业务分析时,也可以作为分析的方法论)

    object业务目标:为一级指标,衡量业务运营状态和目标情况(如滴滴为了实现更便捷、快速打到车)

    strategy业务策略:为二级指标,用来快速定位一级指标问题(为了实现一级指标,我需要采取哪些策略)(如:便捷 提供app、小程序、其他app出口等)

    measurement业务度量:为三级指标(结果指标和过程指标),是二级指标路径拆解,可以说是具体实施步骤。注:其中结果指标是指用户在某个动作后所产生的结果,更多的是监控数据异常。(如:接单率、取消率、供需比等);  过程指标指业务中的具体动作(如完单数、乘客排队时长等)

    举个栗子:

    object(业务目标):分析DUA如何增长

    strategy(拆解策略):扩大新增盘子、提高用户留存、流失召回

    measurement(可衡量指标):新增用户数、留存用户数、流失召回用户数

    DUA=新增+留存+回流

    那上面的指标体系缺少什么呢?? 对的,缺少维度,我们要分析DUA增长办法,首先从指标上考虑,然后再拆分维度 从人口、时间、行为等维度上细分。

    所以完整的指标体系是需要维度和OSM相结合!!如下图中引用的内容可以更加直观

    更多相关内容
  • 新建院校本科教学工作合格评估指标体系内涵的理解.doc
  • 指标体系如何建设

    千次阅读 2022-02-18 13:53:14
    几乎所有的数据分析工作都会提到一个词——“建立数据指标体系”,虽然这个词对于大家来说并不陌生,但是数据指标到底是什么以及如何具体的搭建,很多人还是一头雾水的。 一、数值指标概述 1.1 数值指标价值 在...

    几乎所有的数据分析工作都会提到一个词——“建立数据指标体系”,虽然这个词对于大家来说并不陌生,但是数据指标到底是什么以及如何具体的搭建,很多人还是一头雾水的。

    一、数值指标概述

    1.1 数值指标价值

    在了解什么是数据指标之前,我们思考一下:为什么会出现指标?它是为了解决什么问题?

    人类及科学的发展是与时俱进的,早期为了使自然科学的实验及结果更具统一性及方便标准化衡量,一些标准化的专业指标应运而生。随着人类社会的发展,社会科学也越来越需要统计学来进行事物的衡量,一系列统计学指标也逐步产生了。随着新信息技术的发展,数据指标逐步被大众认可为衡量目标的方法。

    从社会科学角度看,指标是统计学的范畴,用于数据的描述性统计。指标是说明总体数量特征的概念及其数值的综合,故又称为综合指标。在实际的统计工作和统计理论研究中,往往直接将说明总体数量特征的概念称为指标。

    传统的指标有国内生产总值(Gross Domestic Product,GDP)、国民生产总值(Gross National Product,GNP)、居民消费价格指数(Consumer Price Index,CPI)、沪深300指数等。

    1.2 数值指标定义

    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。

    本文所述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,如下图所示。

    •  维度: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:指用哪些方法衡量,是统计汇总数据的方式
    • 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。

    比如,播放总时长是指用户在一段时间内播放音频的时长总和(单位:分钟)。按照上述拆解,维度是指筛选的一段时间,汇总方式为计算了时间长度的总和,而量度就是统一的单位—分钟数。

    1.3 指标体系是什么

    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。

    二、数据指标体系搭建原则

    2.1 搭建指标体系要有重点

    不能只是罗列指标,这是很多数据分析师都会犯的通病,上来先把大量的指标列好,也不说明优先级,先看哪个后看哪个,业务根本就看不懂。

    2.2 搭建指标体系要有目标

    很多人习惯了列指标,自有一套指标拆分的套路,不管我们要解决的业务问题是什么,反正就是按照时间、渠道、区域等纬度拆分,分来分去也没个具体的标准,最后还要纠结到底指标变化多少才是问题。

    2.3 指标体系不是越全越好,和业务最贴切的才是最好的

    有些文章标题写XXX行业指标体系大全,虽然给大家整理指标体系的时候尽量概括多个业务场景,指标列的很详细,但是不同的公司,业务复杂不一样,没有一套指标系统是能够通用的,只有和业务最贴切的才是最好用的。

    三、如何设计和落地指标体系

    指标体系的搭建分为两大步骤:设计指标体系和落地指标体系,这两大部分又可以拆成一些小步骤,我们先来看一张指标体系从设计到落地的整体步骤图,下面再根据这张图细分拆解其中的每个步骤是怎样落地的。

     3.1 如何设计指标体系

    3.1.1 需求来源

    主要需求来源随着产品生命周期而改变。搭建数据指标根据数据现状分为初中后三个阶段。首先要明确的是先有目标方案后再有数据指标,而不是凭空捏造出一些指标体系然后往产品上套。

    在数据指标搭建初期以产品战略目标为主,优先搭建北极星指标的全方位指标监控;中期以业务驱动为主,搭建指标衡量现有业务,业务驱动直接获取到的指标一般是二级指标,需要整合到指标模型里面去;到了后期,此时各数据指标已经搭建的差不多了,是时候根据模型查缺补漏,搭建针对产品的指标闭环,通过数据来反向推动产品的迭代优化。

    3.1.2 确定一级指标

    一级指标其实就是反映产品在各个重要方面的运营情况怎么样,把对用户的运营当成一个流水线,围绕着用户生命周期即可挖掘到一些重要的一级指标并自然而然的形成闭环。

    在众多指标模型中AARRR模型能很好的概括用户的生命周期,美中不足的是遗漏了用户流失这一环节,个人觉得AARRRR比较能完整概括用户生命周期,即Acquisition(获取)、Activation(激活)、Retention(留存)、Revenue(收入)、Referral(自传播)、Recall(召回)。

    围绕这六大方面,可以拓展以下一级指标(只是举例一些通用指标,具体的一级指标可根据具体业务进行定义):

    3.1.3 得到二级指标

    二级指标由一级指标衍生而来,为了实现一级指标,企业会采取一些策略,二级指标通常与这些策略有所关联。可以简单理解为一级指标的实现方式,用于替换定位一级指标的问题。

    二级指标的作用就是将一级指标的涨跌落实到具体的业务部门或者是责任人,通过成分拆解我们可以从一级指标得到对应的二级指标。例如收入这个一级指标,通过成分拆解可以分为广告收入和内购收入等。

    3.1.4得到三级指标

    通过二级指标的分析可以找到相应问题的责任方,而三级指标的作用正是指导该责任方去定位具体问题,进而修复问题。

    通过对二级指标的路径拆解即可得到三级指标,一线人员可通过三级指标的具体表现快速做出相应的动作,所以三级指标的要求是尽可能覆盖每一个关键路径上的关键动作。

    这里继续拿内购收入这个指标举例,通过路径拆解,最终促成内购的关键行为路径是:浏览商品、加入购物车、提交订单、支付成功。

    按照以上流程不断查缺补漏确定各一级指标并对其进行逐步拆解,即可搭建出一套行之有效的数据指标体系。

    3.2 如何落地指标体系

    3.2.1 流程

    终于到了开干时候,有了目标之后接下来就是将规划的指标进行埋点落地了。

    落地指标就不像设计指标那样首先着眼于一级指标,而是应该首先着眼于二级指标,因为一级指标是由二级指标组成的,二级指标埋点好了之后一级指标自然而然地可以计算出来。

    埋点不是一个人的事情,需要各部门通力合作,下图就是埋点的整个设计到落地的流程:

    不知看完这张图有没有一个疑惑,责任方为什么还要去理解熟悉需求,需求方不是给出指标了吗,照着去埋点就好了啊。如果你这么想的话,那你注定只能做一个工具人。

    首先各指标跟具体的业务逻辑设计紧密相关的,如果你不去熟悉业务,是无法针对指标进行多维度细化埋点设计的,最终设计出来的埋点方案必定是丢三落四漏洞百出。

    再者需求方给出的指标不一定是全面的,需求方往往数据意识不强,无法洞察到当前业务的很多细节是数据可分析的。

    所以这就需要数据产品经理熟悉业务懂产品懂用户,才能一针见血设计出一套有指导性意义的埋点方案,而不是照本画葫芦搞出一些冷冰冰的数据看看就好,要记住,每一个埋点都是有深意的,数据也是有灵魂的。

    3.2.2 埋点

    明确了埋点的工作流程,接下来要确定的是选择自研数据门户还是使用第三方工具,如:神策、Growing IO、诸葛IO等。这两者主要有以下区别:

    • 自研工作量大,搭建周期长,第三方提供现成的模型,搭建周期短。

    • 自研更灵活,相对埋点实施方上报数据更友好,无需过多无谓的逻辑记录,在后期的指标计算方式上可以随心所欲,如某些耗时只要打好点,自研就可以通过两个事件的时间差计算出耗时,而有些第三方则不支持。

    总之,自研前期痛苦后期爽,第三方前期爽后期痛苦。从实现难度上来说自研需要的人力物力远远大于第三方服务,绝大部分中小公司会选择第三方服务,

    下面的埋点介绍就基于第三方服务的方式进行讲解:

    1)埋点规范文档

    正如前面所说,指标体系的搭建需要各部门通力合作,一份埋点规范文档既能规范工作流程提高效率,又能明确需求规范减少沟通成本避免理解出现偏差。埋点规范文档包括了工作流程规范、命名规范、需求文档规范等,这些应该在指标体系落地之初就规定好。

    当然由于一开始经验不足并且有的问题在后续的工作中才会暴露出来,初版的规范文档可能并没有那么详细,但是大体框架还是要有的,后续再补充一些细枝末节的东西。

    2)拿到需求原型

    就是产品功能原型或者活动原型。

    3)定义页面、元素名称

    拿到需求原型后,首先将原型里面的页面及页面中的元素名称提前定义好,以便后续进行统一使用避免不同指标出现页面命名不一致的情况。

    如果是页面的话建议全部命名,页面里面的元素可能会有点多,可以挑一些关键路径上的重要元素进行命名,其它元素视后续工作需求再进行埋点(当然了有精力的话全部命名进行监控是更好的,毕竟数据是多多益善,避免后续需要用数据发现没有埋点的情况发生)。

    4)定义事件名称

    为什么要规范事件名称?我直接举个例子吧,某天你想查看用户的使用路径,当你使用用户路径分析之后发现有大量的展示事件穿插在用户行为事件中,这时候你是不是很恼火。

    如果之前埋点的时候对事件进行规范命名,这时候你只需要在筛选条件中过滤掉事件名前缀为展示的事件,就可以轻松过滤掉所有跟用户行为无关的事件。

    事件规范命名除了以上好处,还有个好处就是方便需求方使用,使用者可以通过事件名轻松知道这个事件具体的含义,提高了使用效率,事件命名可由以下几部分组成:行为、对象、结果、类型。

    为:事件的具体行为,主要有 4 类:

    • 点击 – 点击某个按钮或元素的一类事件。

    • 进入 – 进入某个页面或功能的一类事件。

    • 展示 – 展示某个页面或元素的一类事件。

    • 退出 – 退出某个页面或功能的一类事件。

    • 事件行为必须填写,后续可按实际情况增加其他行为。

    对象:事件行为对应的具体对象可以是页面,或者是功能,事件对象必须填写。

    结果:对该对象进行的行为最终的结果,主要有3类:

    • 成功 – 针对该对象进行的行为结果为成功。

    • 失败 – 针对该对象进行的行为结果为失败。

    • 结果 – 针对该对象进行的行为结果为成功或者失败,此时具体结果存储在该事件的维度中,事件结果必须填写。

    类型:此参数为拓展参数,如展示事件可能展示的是页面,也可能展示的是弹窗,这时候在事件后面加个页面后缀或者弹窗后缀,后续使用起来就能很方便的区分事件的具体类型。事件类型为可选参数,视情况而定。

    以上就是事件的命名标准,可以从该标准进行如下一些命名:注册_指标_成功、进入_充值页面_成功等。

    5)梳理指标维度

    这时候就要隆重介绍一下前面《指标体系搭建流程图》中提到的新4W1H分析法了。为什么叫新4W1H,因为针对传统的4W1H进行了新的的解释,在新的释义上可以更加合理的加上本人在实际工作中总结的经验。

    根据平时的埋点总结,事件维度主要由主题和事件因果几个大维度组成。主体即用户、设备和应用,因果即这个事件的来源和结果。通过增加因果维度可以方便的看到一个事件的来源和去向。

    我们先用一张图来了解下新4W1H分析法是如何定义维度的:

     

    Who:触发该事件的主体,是唯一区分用户的标志,如果用户登录了则使用用户ID(设备ID也需要记录),未登录则使用设备ID。

    When:事件发生的时间,使用UNIX时间戳就好。

    What:描述触发这个事件的参与主体具体信息,一般有三个主体,用户本身、应用、还有设备。使用第三方服务的话除了用户信息需要我们埋点设置,其他的第三方SDK都会自动采集,所以这部分参数不是我们工作的重点。

    Where:事件发生的物理地点,可以用过GPS、LBS、IP来判断,具体视用户的授权而定。位置信息第三方SDK也会自动采集。

    How:事件的具体描述,这一块才是我们工作的重点,缺乏经验的话往往会遗漏一些重要的维度,导致后续的分析支持不上。根据个人总结的因果分析法可以将事件的描述分为来源和结果描述,事件的来源去向无非有两类:多个行为造成同一个结果、一个行为造成不同结果。

    例如:进入充值页面,可能从不同入口进来的;点击充值按钮,可能会充值成功或者充值失败。

    事件的结果即为对该事件的具体信息描述。通过因果分析法进入充值页面到充值成功这一系列行为我们可以做以下事件埋点(以下事件维度只列举因果分析法相关维度,其它参数视具体业务自由增加)。

     通过这样的埋点,我们就可以很清晰的知道进入充值页面各个入口的分布情况,也能知道点击充值按钮后充值成功和失败的分布。

    6)明确上报时机

    事件的上报时机由事件的定义来具体决定。主要有以下三大类:

    • 展示:展示时候上报,需要明确重复展示是否重复上报,像那种自动轮播的banner就不需要重复展示重复上报,因为这样的重复上报是没什么意义的,而用户反复滑动导致的重复展示可以重复上报;

    • 点击:点击时上报,这个是最简单的上报时机,一般没什么争议;

    • 接口:这个涉及到与后端的接口交互,如前面举例的购买_金币_结果事件,上报时机则为充值成功或者失败时上报,即客户端拿到后端返回的具体结果时上报。

    7)输出数据需求文档

    当上面工作已经做完时,就可以输出需求文档了,需求文档主要包含以下信息:

    8)录入指标字典

    埋点指标上线后,为了方便业务方使用,可以将各指标按照业务分为不同的主题,方便使用者快速找到需要的指标,具体包含以下信息:

    四、 数据指标体系搭建方法及经验

    那怎么才能搭建有效的指标体系呢,笔者给大家分享以下几点经验:

    4.1、掌握基本的思维模型,全面洞悉业务

    数据分析离不开业务,了解业务是我们搭建指标体系的前提,掌握一些基本思维模型,可以帮助我们快速、全面的洞察业务。

    4.1.1 5W2H模型

    经典的数据分析思维模型。以五个W开头的英语单词和两个H开头的英语单词进行提问,从回答中发现解决问题的线索,即何因(why)、何事(what)、何人(Who)、何时(When)、何地(where)、如何做(How)、何价(How much)。

    5w2h能帮助我们培养一种严谨全面的思维模式,让分析的过程更加全面更有条理,不会产生混乱和遗漏,当你觉得你的指标体系已经很完美的时候,可以用这个模型来帮助你肯找到思维的漏洞。

    4.1.2 逻辑树方法及MECE原则

    逻辑树方法可以帮我们将复杂的业务问题拆解成多个简单问题,从而帮助我们拆分更细的数据指标。

     Mece原则的意思是“相互独立,完全穷尽”,我们搭建指标体系的一个重要标准就是不重复不遗漏,运用mece原则可以很好的帮助我们把握核心指标,提升指标系统的有效性。

    4.1.3 商业画布

    商业画布是一种分析企业价值的工具,通过把商业模式中的元素标准化,引导我们的思维,将业务知识素材归档,在了解业务的过程中,我们可以按照下面张图来完善填充,从多个角度全面的洞察业务

     除了上面的思维模型,最好的了解业务的方式就是和业务方多交流,认识当前业务的关键问题,毕竟建立完善系统的指标体系需要很长一段时间,最好从部分关键点开始,先解决问题。

    4.2 指标体系搭建方法论

    对应业务场景的指标体系有相应的方法论,比如基于用户生命周期的指标体系AARRR、客户满意度指标体系等等,简单给大家分享几个:

    1)第一关键指标

    这个概念是我在《精益数据分析》中看到的,指的是当前阶段无比重要的第一指标,同时也指出了在创业阶段的任意时间点上应该且只关注一项重要指标。这个概念在我们搭建数据分析指标体系的时候同样有指导意义。

    先抓住公司当前阶段的“第一关键指标”,然后再把这个指标拆解到各部门,形成各部门的“第一关键指标”,也就是我们说的OKR,或者是KPI,然后再根据各部门的业务,基于这个第一关键指标思考应该关注哪些细化的指标。

    2)基于用户生命周期的指标体系:AARRR

     3)客户满意度指标体系:RATER指数模型

     总之,关于指标体系的搭建可以先模仿再优化,重点是解决业务问题,我整理的一些特定业务场景的指标体系,可以先模仿套用,再根据业务形态加以调整,快的话,2个小时一个指标体系即可搭建完成。

    五、数据指标体系的价值点

    5.1 建立业务量化衡量的标准

    指标体系可以建立业务量化衡量的标准,数据分析的目的就是说明、衡量、预测业务的发展。

    比方说衡量一个门店经营的状况,一个门店月净利润20万元,刚看这个指标感觉这个店盈利不少,发展应该不错

    但是再一看前两个月的净利润,发现前两个月的净利润都是40万以上,增加了这一个指标,我们就发现了这个店的经营状况可能存在问题了。

     

     在衡量业务经营状况的过程中,单一数据指标衡量很可能片面化,需要通过补充其他的指标来使我们的判断更加准确。因此,搭建系统的指标体系,才能全面衡量业务发展情况,促进业务有序增长。

    5.2 减少重复工作,提高分析效率

    有了指标体系,数据分析师就可以少干点临时提数的活,指标体系建立后应该能覆盖大部分临时数据分析需求,如果指标体系搭建完了,还是有很多临时的分析需求涌现,那证明这个指标体系是有问题的。

    5.3 帮助快速定位问题

    建立了系统指标体系,有了过程与结果指标,有了指标的前后关联关系,就可以通过回溯与下钻,快速找到关键指标波动的原因,老板让你分析原因,再也不用愁眉苦脸了。

    不过这些价值发挥的前提是建立合理、有效的指标体系,且数据质量有保证,数据质量都不能保证,指标体系搭的再好,分析出来的结果也没什么意义。

    参考资料:

    1.微信公众号(谈数据)-《7000字,讲透数据指标体系的建设》

    展开全文
  • 在深入理解生态文明和新型城镇化内涵和关系的基础上,构建了基于生态文明的包括经济发展、资源节约、集约高效、生态保护、生态损害、城乡一体、功能完善、社会和谐等8个一级指标,48个二级指标新型城镇化评价指标体系...
  • 浅谈数据指标以及指标体系

    千次阅读 2022-03-04 23:22:53
    笔者之前就用户行为数据写过一篇科普文《用户行为数据入门理论与实例》,里面有用户行为分析的整体介绍,其中包括数据指标以及指标体系搭建这个重要的环节;但是受文章篇幅所限,不能完整、体系化地介绍数据指标、...

    作者介绍

    @Albert

    就职于某知名大数据服务公司;

    专注于数据产品、数据埋点和用户行为数据分析和应用;

    “数据人创作者联盟”成员。

    00 导语

    笔者之前就用户行为数据写过一篇科普文《用户行为数据入门理论与实例》,里面有对用户行为分析的整体介绍,其中包括数据指标以及指标体系搭建这个重要的环节;但是受文章篇幅所限,不能完整、体系化地介绍数据指标、指标体系以及其搭建方法。

    于是笔者结合自己工作经验撰写了这篇文章,希望能给各位同学带来启发和思考。至于为何这篇文章被命名为“浅谈”,主要还是受笔者经验所限,文章内容深度还有待锤炼,如有大佬愿意就这个话题进行深度交流分享,笔者不胜感激。

    01 指标

    (1)什么是指标

    指标,简而言之就是对企业经营效果的客观量化衡量标准,也叫“度量”,例如平时常见的PV、UV、页面浏览时长、跳出率等。

    (2)指标的分类

    1. 原子指标 - 根据一些聚合逻辑(计数、去重计数、加和、取平均数等)生成的基础指标,例如用户打开app的次数。

    2. 派生指标 - 在原子指标的基础上,对其做一些限定/分组下钻,例如新用户打开app的次数,按照省份分组查看的打开app的次数等。

    3. 衍生指标 - 在原子指标的基础上,对多个原子指标进行比例等类型的计算,例如购买转化率,就是浏览商品详情页后购买人数/浏览商品详情页的人数(注:分母仅为举例,可按照实际业务场景进行调整);或者是渠道ROI,也就是某个渠道带来的用户收益除以该渠道的投入,用来反映渠道的质量。

    另外,还可以嵌套第二和第三类指标,例如我们可以在购买转化率的基础上对其限定新/老用户或者某一城市。

    (3)指标定义和运用时遇到的一些问题

    大多数的业务同事对于上述概念并不陌生,但在实际工作场景中,会遇到各种各样的问题。下面笔者就列举出一些常见的问题,或许能产生一些共鸣/帮各位同学避坑:

    1. 指标定义不清,口径对不齐:之前有一位业务同学跟笔者提出需求,他想看“新老用户在平台上的活跃情况”,笔者就向这位同学提问,“请问你们是如何定义新、老用户的,是根据是否首次访问?还是首笔订单?”、“活跃的定义是什么?是只要访问了页面就算活跃?”、“想看的时间范围是什么?过去30天?”……

    曾听过某位大佬说过这样一句话:“一千家企业就有一千个对于日活的定义”。在实践中,不同的场景下的日活定义是多样的,例如不少企业会把活跃定义成“打开app/小程序”或者是将这个范围缩小至“实名(注册)用户打开app/小程序”,也有一些社区平台把“发帖/浏览/评论/收藏”等帖子互动行为作为“活跃”的标准,亦或是某些电商企业把“活跃”定义为“浏览商品详情页”……

    所以,业务同学在提出自己的指标需求时需要明确给出指标内每个名词的定义,例如“新老用户活跃”这个指标,需要明确给出“新老用户”、“活跃”的定义,以及想看的时间范围(时间范围是作为一个默认的看数维度);数据部门的同学在接到此类模棱两可的指标需求的时候也要提高警惕,问清楚每个指标、每个名词的具体口径是什么,防止后面不必要的麻烦。

    另外,如果后续指标越来越多,则需要通过文档,甚至设计指标管理平台上线各类指标及其具体定义,并且及时下线一些不需要的指标。

    2. 指标和业务目的不匹配、指标不能真正驱动业务发展。在规划指标之前要先思考我们想达成什么样的业务目标,再由业务目标去拆解我们想看的指标,并且想清楚拿到大盘数据、涨跌趋势之后我们是否能够将其作为“抓手”快速定位并解决问题。

    举个例子,如果我们的业务目标是拉新,那么制定的指标就应该偏向拉新,而不是花大力气去研究留存指标。如果想不清楚拿到这个数据后应该怎么分析并帮助业务增长,大概率是因为这个指标并不实用,那就应当及时舍弃。笔者见过不少数据意识不强的同学,不会从业务目标这一“上层建筑”入手去制定指标,而是“脚踩西瓜皮溜哪算哪”,想到一个指标就往上堆,最后等数据真的上线之后也不知道应该从哪里开始分析。

    3. 指标不成体系。接着问题2,没有“上层建筑”与“结构”意识,指标就会变成一团乱麻;老板给了一个命题让你去分析,面对这“一团散沙”的指标体系也是无从下手。下面一部分咱们就讲一下指标体系的定义和搭建方法。

    02 指标体系

    (1)什么是指标体系

    单个指标的高低或者波动往往不能全面反映问题所在,所以在实际工作中,我们会结合多个指标并搭建指标体系来进行多维分析。在上面一节中提到,我们需要结合业务目标规划指标,同样的,由于同一家企业所属的生命周期阶段的不同,指标体系也会有所变化。

    (2)指标体系的重要性

    在本文开头提到的文章里已经简单说明了为何需要指标体系。为了本文的完整性,下面再列举一次~

    1. 统一的指标体系能避免数据指标定义模糊和逻辑混乱,减少数据解释成本。

    2. 好的指标体系能在某一核心指标出现问题的时候迅速向下进行维度拆分,从而定位问题所在,帮助产品/运营不断改良,甚至发现一个新的业务增长点。

    3. 领导层通常会关注指标体系,尤其是其中的核心业务指标,通过指标体系能够帮助领导层从大局上制定战略目标。

    (3)指标体系的搭建方法

    本文主要介绍海盗模型(AARRR)这个指标搭建方法,这个方法对应用户与平台互动的五个阶段:

    • Acquire(拉新)- 企业从各个渠道/触手将潜在用户吸引到自己的平台上,此时企业会比较关注渠道的质量,例如渠道曝光、点击数量、渗透率,渠道落地页的浏览次数、人数、跳出率(该指标计算方式请见笔者之前写的《Session分析的妙用》)以及渠道ROI、单位获客成本等。通过这些指标,企业能够看到哪些投放渠道性价比最高,从而加大这一渠道的投放力度;发现某一渠道带来的用户质量较差、投入大量成本仍不能够带来很多收益时,可以通过观察渠道相关的数据,并且与自然流量的相关数据进行比较得出结论,到底是渠道带来的用户质量太差还是落地页的设计不够吸引用户继续与平台互动。

    • Activation(激活)- 新用户被吸引进来后会在平台上进行一系列操作,例如浏览、点击等,对这个平台有了初步的认知。在这个阶段,企业可以关注用户在平台上的操作行为相关指标,例如浏览页面次数/用户数/深度/时长,注册转化率,收藏、搜索相关指标等。

    • Retention(留存)- 对这个平台有强需求的用户会持续不断地进入平台进行操作,此时企业可以看平台留存率,功能留存率,复购率等指标。功能/平台留存率更偏向于产品的优化与迭代,复购率则是运营同事会去关注的指标。

    • Revenue(转化)- 用户在平台上作出进一步转化的行为,例如电商场景中的购买,社区平台上的发帖,直播平台里的开播/打赏等,不同行业看的指标不同,但是大体可以分为转化次数/人数/转化率/客单价等。

    • Referral(分享/传播)- 忠实用户(类似于KOL)不仅自己会经常使用某个平台,还会将其分享/推荐给其他的用户。此时企业可以看活动/页面分享人数、分享率,还可以看裂变k系数(平均一个活跃用户会分享给多少个潜在用户)。

    以某电商平台为例,根据海盗模型搭建的指标体系如下图:

    (勘误:由于条件限制思维导图无法修改,“留存”部分应该在“转化”上面)

    此外,之前在文章中还介绍过“北极星指标拆解法”,详情也可以看笔者在本文开头提到的文章。除了合理的拆解方式,该方法另一关键点在于如何选取合适的“北极星指标”。有几个选取标准可以供大家参考:

    1. 这个指标是否可被操作?如果这个指标有所波动,能不能找到相应的措施提升效益/降低损失?

    2. 这个指标是清晰明了的,还是容易让人产生误解、模棱两可的?是易于在团队间交流和理解的,还是需要花大量时间学习的?

    3. 这个指标能否反映用户在平台上是否活跃以及用户是否真的感知到了平台的价值?

    4. 这个指标能不能反映公司整体的发展趋势?假如这个指标提升了,是不是代表整个团队/企业在朝好的方向发展?

    5. 这个指标是先导指标还是滞后指标?先导指标指的是在公司/团队整体发展出现顶峰/低谷之前这个指标就能够率先到达顶峰/低谷,从而起到预测/预警的作用,滞后指标则反之。北极星指标一般都会选择先导指标,避免滞后指标。

     

    展开全文
  • 指标体系建设思路

    2021-09-09 17:21:23
    编辑导语:几乎所有的数据分析工作都会提到一个词——“建立数据指标体系”,虽然这个词对于大家来说并不陌生,但是如何具体的搭建,很多人还是一头雾水的。今天,本文作者就和我们好好聊一聊数据指标体系如何从构思...

    编辑导语:几乎所有的数据分析工作都会提到一个词——“建立数据指标体系”,虽然这个词对于大家来说并不陌生,但是如何具体的搭建,很多人还是一头雾水的。今天,本文作者就和我们好好聊一聊数据指标体系如何从构思到落地。

    一、数据指标与体系

    1. 什么是数据指标?

    指标是一个可以量化目标事物多少的数值,有时候也称为度量,如:DNU、留存率等都是指标。

    一个指标通常需要从多维度来分析指标构成,这就要求指标与多维度关联支持多维度分析,如DNU就可以按照不同渠道查看各渠道流量大小,也可以按操作系统查看不同操作系统的人数,这里的渠道、操作系统就是维度。

    2. 好的指标体系该是什么样的?

    指标体系就是将各个指标按照特定的框架组织起来,从不同维度梳理指标,梳理的过程也是对业务本质进行思考的过程。

    一个好的指标体系应该有以下两点性质:

    上能指引高层领导把控业务整体方向,下能指导业务人员落地执行业务目标;指标之间要形成闭环相互作用相互影响产生反馈,才能称之为体系,以数据定位问题,再反向作用运营和产品,最终形成数据驱动产品设计及用户运营的闭环。

    二、如何搭建指标体系

    指标体系的搭建分为两大步骤:设计指标体系和落地指标体系,这两大部分又可以拆成一些小步骤,我们先来看一张指标体系从设计到落地的整体步骤图,下面再根据这张图细分拆解其中的每个步骤是怎样落地的。

     

    1. 如何设计指标体系

    1)需求来源

    主要需求来源随着产品生命周期而改变。搭建数据指标根据数据现状分为初中后三个阶段。首先要明确的是先有目标方案后再有数据指标,而不是凭空捏造出一些指标体系然后往产品上套。

    在数据指标搭建初期以产品战略目标为主,优先搭建北极星指标的全方位指标监控;中期以业务驱动为主,搭建指标衡量现有业务,业务驱动直接获取到的指标一般是二级指标,需要整合到指标模型里面去;到了后期,此时各数据指标已经搭建的差不多了,是时候根据模型查缺补漏,搭建针对产品的指标闭环,通过数据来反向推动产品的迭代优化。2)确定一级指标

    一级指标其实就是反映产品在各个重要方面的运营情况怎么样,把对用户的运营当成一个流水线,围绕着用户生命周期即可挖掘到一些重要的一级指标并自然而然的形成闭环。

    在众多指标模型中我觉得AARRR模型能很好的概括用户的生命周期,美中不足的是遗漏了用户流失这一环节,个人觉得AARRRR比较能完整概括用户生命周期,即Acquisition(获取)、Activation(激活)、Retention(留存)、Revenue(收入)、Referral(自传播)、Recall(召回)。

    围绕这六大方面,可以拓展以下一级指标(只是举例一些通用指标,具体的一级指标可根据具体业务进行定义):

     

     

    3)得到二级指标

    二级指标由一级指标衍生而来,为了实现一级指标,企业会采取一些策略,二级指标通常与这些策略有所关联。可以简单理解为一级指标的实现方式,用于替换定位一级指标的问题。

    二级指标的作用就是将一级指标的涨跌落实到具体的业务部门或者是责任人,通过成分拆解我们可以从一级指标得到对应的二级指标。例如收入这个一级指标,通过成分拆解可以分为广告收入和内购收入等。

    4)得到三级指标

    通过二级指标的分析可以找到相应问题的责任方,而三级指标的作用正是指导该责任方去定位具体问题,进而修复问题。

    通过对二级指标的路径拆解即可得到三级指标,一线人员可通过三级指标的具体表现快速做出相应的动作,所以三级指标的要求是尽可能覆盖每一个关键路径上的关键动作。

    这里继续拿内购收入这个指标举例,通过路径拆解,最终促成内购的关键行为路径是:浏览商品、加入购物车、提交订单、支付成功。

    按照以上流程不断查缺补漏确定各一级指标并对其进行逐步拆解,即可搭建出一套行之有效的数据指标体系。为了加深印象,下面看看各级指标的应用实战案例:

     

     

    责任方找到了,那就该赶紧定位解决问题啦。

     

     

    问题就这样自上而下的逐步拆解直到解决,当然了,现实工作中各级人员都要时刻关注自己负责的那部分指标将问题扼杀在萌芽阶段,不要等着领导发现问题找过来再亡羊补牢。总结起来整个指标体系的应用流程如下:

     

     

    2. 如何落地指标体系

    终于到了开干时候,有了目标之后接下来就是将规划的指标进行埋点落地了。

    落地指标就不像设计指标那样首先着眼于一级指标,而是应该首先着眼于二级指标,因为一级指标是由二级指标组成的,二级指标埋点好了之后一级指标自然而然地可以计算出来。

    埋点不是一个人的事情,需要各部门通力合作,下图就是埋点的整个设计到落地的流程:

     

     

    不知看完这张图有没有一个疑惑,责任方为什么还要去理解熟悉需求,需求方不是给出指标了吗,照着去埋点就好了啊。如果你这么想的话,那你注定只能做一个工具人。

    首先各指标跟具体的业务逻辑设计紧密相关的,如果你不去熟悉业务,是无法针对指标进行多维度细化埋点设计的,最终设计出来的埋点方案必定是丢三落四漏洞百出。

    再者需求方给出的指标不一定是全面的,需求方往往数据意识不强,无法洞察到当前业务的很多细节是数据可分析的。

    所以这就需要数据产品经理熟悉业务懂产品懂用户,才能一针见血设计出一套有指导性意义的埋点方案,而不是照本画葫芦搞出一些冷冰冰的数据看看就好,要记住,每一个埋点都是有深意的,数据也是有灵魂的。

    明确了埋点的工作流程,接下来要确定的是选择自研数据门户还是使用第三方工具,如:神策、Growing IO、诸葛IO等。这两者主要有以下区别:

    自研工作量大,搭建周期长,第三方提供现成的模型,搭建周期短;自研更灵活,相对埋点实施方上报数据更友好,无需过多无谓的逻辑记录,在后期的指标计算方式上可以随心所欲,如某些耗时只要打好点,自研就可以通过两个事件的时间差计算出耗时,而有些第三方则不支持。总之,自研前期痛苦后期爽,第三方前期爽后期痛苦。从实现难度上来说自研需要的人力物力远远大于第三方服务,绝大部分中小公司会选择第三方服务,下面的埋点介绍就基于第三方服务的方式进行讲解。

    老规矩,在讲解之前先上一张整体的流程图:

     

     

    1)埋点规范文档

    正如前面所说,指标体系的搭建需要各部门通力合作,一份埋点规范文档既能规范工作流程提高效率,又能明确需求规范减少沟通成本避免理解出现偏差。埋点规范文档包括了工作流程规范、命名规范、需求文档规范等,这些应该在指标体系落地之初就规定好。

    当然由于一开始经验不足并且有的问题在后续的工作中才会暴露出来,初版的规范文档可能并没有那么详细,但是大体框架还是要有的,后续再补充一些细枝末节的东西。

    2)拿到需求原型

    就是产品功能原型或者活动原型。

    3)定义页面、元素名称

    拿到需求原型后,首先将原型里面的页面及页面中的元素名称提前定义好,以便后续进行统一使用避免不同指标出现页面命名不一致的情况。

    如果是页面的话建议全部命名,页面里面的元素可能会有点多,可以挑一些关键路径上的重要元素进行命名,其它元素视后续工作需求再进行埋点(当然了有精力的话全部命名进行监控是更好的,毕竟数据是多多益善,避免后续需要用数据发现没有埋点的情况发生)。

    4)定义事件名称

    为什么要规范事件名称?我直接举个例子吧,某天你想查看用户的使用路径,当你使用用户路径分析之后发现有大量的展示事件穿插在用户行为事件中,这时候你是不是很恼火。

    如果之前埋点的时候对事件进行规范命名,这时候你只需要在筛选条件中过滤掉事件名前缀为展示的事件,就可以轻松过滤掉所有跟用户行为无关的事件。

    事件规范命名除了以上好处,还有个好处就是方便需求方使用,使用者可以通过事件名轻松知道这个事件具体的含义,提高了使用效率,事件命名可由以下几部分组成:行为、对象、结果、类型。

    各部分解释:

    点击 – 点击某个按钮或元素的一类事件;进入 – 进入某个页面或功能的一类事件;展示 – 展示某个页面或元素的一类事件;退出 – 退出某个页面或功能的一类事件。事件行为必须填写,后续可按实际情况增加其他行为。

    对象:事件行为对应的具体对象可以是页面,或者是功能,事件对象必须填写。结果:对该对象进行的行为最终的结果,主要有3类:成功 – 针对该对象进行的行为结果为成功;失败 – 针对该对象进行的行为结果为失败;结果 – 针对该对象进行的行为结果为成功或者失败,此时具体结果存储在该事件的维度中,事件结果必须填写。类型:此参数为拓展参数,如展示事件可能展示的是页面,也可能展示的是弹窗,这时候在事件后面加个页面后缀或者弹窗后缀,后续使用起来就能很方便的区分事件的具体类型。事件类型为可选参数,视情况而定。以上就是事件的命名标准,可以从该标准进行如下一些命名:注册_指标_成功、进入_充值页面_成功等。

    5)梳理指标维度

    这时候就要隆重介绍一下前面《指标体系搭建流程图》中提到的新4W1H分析法了。为什么叫新4W1H,因为针对传统的4W1H进行了新的的解释,在新的释义上可以更加合理的加上本人在实际工作中总结的经验。

    根据平时的埋点总结,事件维度主要由主题和事件因果几个大维度组成。主体即用户、设备和应用,因果即这个事件的来源和结果。通过增加因果维度可以方便的看到一个事件的来源和去向。

    我们先用一张图来了解下新4W1H分析法是如何定义维度的:

     

     

    Who:触发该事件的主体,是唯一区分用户的标志,如果用户登录了则使用用户ID(设备ID也需要记录),未登录则使用设备ID;When:事件发生的时间,使用UNIX时间戳就好;What:描述触发这个事件的参与主体具体信息,一般有三个主体,用户本身、应用、还有设备。使用第三方服务的话除了用户信息需要我们埋点设置,其他的第三方SDK都会自动采集,所以这部分参数不是我们工作的重点;Where:事件发生的物理地点,可以用过GPS、LBS、IP来判断,具体视用户的授权而定。位置信息第三方SDK也会自动采集;How:事件的具体描述,这一块才是我们工作的重点,缺乏经验的话往往会遗漏一些重要的维度,导致后续的分析支持不上。根据个人总结的因果分析法可以将事件的描述分为来源和结果描述,事件的来源去向无非有两类:多个行为造成同一个结果、一个行为造成不同结果。

     

     

    例如:进入充值页面,可能从不同入口进来的;点击充值按钮,可能会充值成功或者充值失败。

    事件的结果即为对该事件的具体信息描述。通过因果分析法进入充值页面到充值成功这一系列行为我们可以做以下事件埋点(以下事件维度只列举因果分析法相关维度,其它参数视具体业务自由增加):

     

     

    通过这样的埋点,我们就可以很清晰的知道进入充值页面各个入口的分布情况,也能知道点击充值按钮后充值成功和失败的分布。

    6)明确上报时机

    事件的上报时机由事件的定义来具体决定。主要有以下三大类:

    展示:展示时候上报,需要明确重复展示是否重复上报,像那种自动轮播的banner就不需要重复展示重复上报,因为这样的重复上报是没什么意义的,而用户反复滑动导致的重复展示可以重复上报;点击:点击时上报,这个是最简单的上报时机,一般没什么争议;接口:这个涉及到与后端的接口交互,如前面举例的购买_金币_结果事件,上报时机则为充值成功或者失败时上报,即客户端拿到后端返回的具体结果时上报。7)输出数据需求文档

    当上面工作已经做完时,就可以输出需求文档了,需求文档主要包含以下信息:

     

     

    8)录入指标字典

    埋点指标上线后,为了方便业务方使用,可以将各指标按照业务分为不同的主题,方便使用者快速找到需要的指标,具体包含以下信息:

     

    三、数据应用

    数据的作用用一句话来概括就是总结过去,预测未来,常见的使用方式如下:

     

    鉴于篇幅问题这里就不再细说数据的分析应用了,后续有时间再另写一篇有关数据分析的经验。不知不觉写了这么多,终于把指标设计到落地总结完了,希望大家看完能有所收获。

    本文由 @不语 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

    举报/反馈

    展开全文
  • 文章目录一、搭建指标体系的意义二、如何搭建指标体系1. 选择关键指标(北极星指标)2. 从AARRR模型出发搭建产品基本指标体系3. 基于业务/产品模块所属类型搭建指标 一、搭建指标体系的意义 好的指标可以指导产品和...
  • 导读:与指标体系相关的概念有很多,包括指标、度量、KPI、维度等。界定清楚这些概念,对于构建和运用指标体系至关重要。01认识指标与指标体系相关的概念有很多,包括指标、度量、KPI、维度等。界定清楚这些概念,...
  • 今天这篇文章属于月复盘什么是数据指标体系?看了下百度百科,竟然没有数据指标这个词条,看来这个词大家平时还用的不多啊。那只有间接偷懒一下,分别查下指标和数据这两个词条的含义,在组合起来看看。数据:数据是...
  • 互联网指标体系构建及分析方法

    千次阅读 多人点赞 2021-12-26 08:06:55
    帮助互联网创业公司搭建从0到1的指标体系建设,重点关注第一关键指标(One Metric)、AARRR(海盗)模型;根据自身产品的MVP阶段、增长阶段、变现阶段的划分以及数据的大、全、细、时特点,利用代码埋点、可视化埋点...
  • 作为数据分析师,构建数据指标体系是较为基础但是极为重要的工作内容。好的指标体系能够监控业务变化,当业务出现问题时,分析师们通过指标体系进行问题回溯和下钻能够准确地定位到问题,反馈给业务让其...
  • 指标体系的定义及选取原则 实际工作过程会出现令人不悦的两种情况。第一种是对于某核心数据,如日活,只知道数据在变化,但是不知道为何变化,特别是处于一个较大跌幅时,产品为了解释这种现象,就会向数据分析师要...
  • 手把手教你建立数据指标体系

    千次阅读 2020-09-30 16:17:40
    数据分析工作中,咱们对于数据指标一定不陌生,而几乎所有数据分析工作都会提“建立数据指标体系”。但是同学们或许有一些现实的困惑:你说报表我就见过,我天天都在更新。可这玩意怎么就体系了呢?做了体系又怎么样...
  • 数据指标体系并不是第三方服务公司的专利,只要埋点科学地进行数据采集,每个成型的互联网公司都可以自己搭建数据指标体系。 数据之大,很多时候人们并不知从哪里着手,甚至弄不清自己到底想要什么数据,这时候...
  • 指标体系构建方法-四个模型

    千次阅读 2022-02-22 18:11:25
    作为数据分析师,构建数据指标体系是较为基础但是极为重要的工作内容。好的指标体系能够监控业务变化,当业务出现问题时,分析师们通过指标体系进行问题回溯和下钻能够准确地定位到问题,反馈给业务让其解决相应的...
  • 学习笔记二:企业指标体系搭建

    千次阅读 2022-03-19 16:01:55
    指标体系,让不同部门、企业管理者看到一个相对客观的数据,统一公司不同部门业务现状的理解。 找出业务痛点,确立分析主体 梳理关键指标,对比关键指标的值和行业标准的差距。例如到了一个公司,一定先做留存提升...
  • 指标体系、原子指标和衍生指标

    千次阅读 2021-09-09 17:12:35
    按照个人的理解,不加任何修饰词的指标就是原子指标,也叫度量,一般存在于olap表中,例如订单量,用户量的等等。 而在原子指标上进行加减乘除或者修饰词的限定等等都是派生指标, 衍生/派生指标=原子指标+时间...
  • 什么是指标体系

    千次阅读 2021-06-08 14:41:13
    指标体系,就是指衡量企业业务状态的指标集合。在实际的工作中,在解决一个复杂的业务问题时,需要使用多个指标从不同维度来评估业务,也就是使用指标体系指标体系是从不同维度梳理业务,把指标有系统地组织起来。...
  • 这是彭文华的第171篇原创讲真,构建指标体系,我是专业的!这两年指标体系火起来了,在早些时候互联网行业还没这么喜欢指标体系呢。那时候只有统计系统才用这个东西,比如各种统计年鉴里,随便翻开一...
  • |0x00 如何理解指标体系 讲道理,虽然今天互联网企业已经足够的数字化,但看清楚公司的运行情况,依旧是一件很难的事情。看清楚,不仅包括看清楚企业的投入情况,也包括看清楚业务的运行情况。 比如,投入了几百万的...
  • 今天和朋友们聊聊关于用户体验相关的度量指标。用户体验,是我们做产品必须关注的一个重要方面。但是,体验作为一种主观感受,量化是有难度的。为了更科学有效地优化产品,建立一套科学的度量体系,就显得十分有必要...
  • 1.前言 作为数据分析师工作中经常会接触要标签,指标,字段,维度,属性等,但它们之间有什么区别,怎么定义,相互之间有什么关联呢?...我们先标签、指标、字段、维度、属性等下个定义,先解决是什么
  • 评价指标体系

    2021-07-13 02:44:14
    中文名评价指标体系外文名Evaluation index system介绍由表征评价对象各方面特性构建原则系统性原则目的科学化评价指标体系构成展示图编辑语音合并图册(5张)展示图为了使指标体系科学化、规范化,在构建指标体系时,...
  • 指标体系建设

    千次阅读 2020-09-03 18:06:00
    2.1 指标体系 指标体系 名称 分类 解析 作用/示例 指标 结果型指标 时机:动作发生后 监控数据异常 过程型指标 时机:动作发生中 可以通过运营策略影响过程指标 体系(维度) ...
  • 设立电子政务信息安全指标体系目 的与编制原则的理解电子政务信息安全指标体系内在特 点的几点认识 三 研究设想;一 设立电子政务信息安全指标体系目 的与编制原则的理解电子政务信息安全指标体系...
  • 今天徐尧分享的主题是如何搭建数据指标体系,主要分 3 部分: 一是指标体系的作用; 二是如何构建指标体系; 三是指标体系的运用。 01指标体系的作用 1.1为什么需要数据指标体系 不同行业业务属性不同能收集...
  • 指标体系(一)

    千次阅读 2021-02-22 16:22:59
    指标体系(一) 本标准规定了指标标准的主要内容,包括指标项及其相关属性、公共维度、公共计算规则及名词术语。本标准按指标分类指标项进行了规范化定义和管理,以满足公司业务管理、统计分析、系统建设、数据...
  • 大数据环境下数据质量指标体系

    千次阅读 2022-02-19 01:14:53
    早期,有些学者提出了数据质量评价的最基本的4个指标,即准确性、时效性、完整性和一致性,在此基础上,现在有些学者将各个现有指标归类,分为直接指标体系和间接指标体系,并采用GQM(目标一问题式)的方式构建数据...
  • 转载自: ...一.什么是指标体系指标体系”这个概念是应用比较广泛的,我们从正式出版物中摘取一个定义: 指标体系,即统计指标体系,是由一系列具有相互联系的指标所组成的整体,可以从...评价统计指标体系是由若干

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 68,489
精华内容 27,395
热门标签
关键字:

对指数体系的理解