tft每日頭條

 > 科技

 > 五級指标

五級指标

科技 更新时间:2024-12-25 14:00:51

作者對數據指标體系進行了系統的梳理,總結了數據指标體系的5個要素,構建體系的5個步驟和常見的5個問題,與大家分享。希望文章能讓你對數據指标有更深入的了解。

五級指标(數據指标體系是什麼)1

大家好,2020年開年就是一波疫情,就業和經濟形勢都很嚴峻。為了提升同學們的職場競争力,為災後重建做點貢獻,陳老師特别推出一個系列教學。從數據分析的基礎方法到具體問題處理,系統講解一下。

第一期,當然得從數據指标體系講起。因為幾乎所有數據分析工作都會提“建立數據指标體系”。同學們現實的困惑是:你說報表我就見過,我天天都在更新。可這玩意怎麼就體系了呢?做了體系又怎麼樣呢?為啥我不覺得我做的是體系?今天系統解答一下。要講,就從數據指标講起。

01 為啥需要數據指标

以下話是不是經常聽到:

  • “大概有1萬多人吧”
  • “有很多顧客都不滿意”
  • “感覺我們門店都沒人了”

不确定、不具體、不準确。

我們平時過日子都是這麼說話的。沒毛病,因為具體的消息是有很大成本的,大部分時候我們就是随口說說而已。但是企業經營要是都靠這個那就死翹翹了,花多少錢賺多少錢都不清楚,老闆非氣的翹辮子。

數據指标就是對抗不确定的

如果我們把上邊的表述改成:

  • 2月4日新注冊用戶9800人,超目标1000人
  • 2月4日當日A産品退貨100件,累計30天退貨率2.5%
  • 2月4日全國到店用戶30萬人,到店率30%,低于32%的期望值

是不是爽快多了。這就是數據指标的直觀用途。

02 為啥需要數據指标體系

實際工作中,想要準确說清楚一件事是挺麻煩的,比如我們想說:“2月份A産品賣的非常棒!”如果對方想較真的話,可以挑一堆刺出來(如下圖)

五級指标(數據指标體系是什麼)2

一個問題,往往有很多方面,隻用一個指标不能充分說明問題。這就需要一組有邏輯的數據指标來描述,這就是數據指标體系。

03 數據指标體系五大件

第一要素:主指标(一級指标)

用來評價這個事到底咋樣的最核心的指标。比如說:“産品賣的好”。直觀的想到是“銷售金額”這個指标,因為這是我們賣貨直接收到手裡的錢,錢多了當然好。

每個指标得有以下要素:

  1. 業務含義:在業務上它的意義是……
  2. 數據來源:哪個系統采集原始數據
  3. 統計時間:在XX時間内産生的該數據
  4. 計算公式:如果有比例、比率,得說清楚誰除誰;如果是彙總,得說清楚誰加誰。

注意:有可能需要多個主指标,來做綜合評價。比如産品賣的好,光看金額還不夠,可能還要關注毛利,這才是真正賺到的錢。可能還得看銷售數量,因為銷售數量和庫存直接挂鈎,得防止積壓太多。這樣就至少有了三個主指标:銷售金額、銷售件數、銷售毛利。

第二要素:子指标(二級/三級指标)

主指标可能由幾個子部分構成。比如:

銷售金額=用戶數 * 付費率* 客單價

如果銷售金額沒達标,我們會很好奇:到底是購買的客戶少了,還是賣的人不夠多,還是買的太便宜了,了解細節有利于我們找到真正的問題,這時候就得拆解子指标。

五級指标(數據指标體系是什麼)3

第三要素:過程指标

主指标往往是最終的結果,比如B2B行業的銷售金額,是銷售線索-售前跟進-需求确認-産品體驗-價格談判-競标-簽約這一系列過程最後的一個結果。光看一個最後結果是無法監督、改進過程的。如果想更進一步管理,就得看得更細一些,從而添加子指标(如下圖)

五級指标(數據指标體系是什麼)4

第四要素:分類維度

有可能一件事是很多人、在很長時間内完成的。想知道總銷售金額是怎麼構成的,每個地區、每個團隊分别完成多少,可以增加分類維度。通過分類維度,把主指标切成若幹塊,這樣能避免平均數陷阱,把整體和局部一起看清楚(如下圖)

五級指标(數據指标體系是什麼)5

第五要素:判斷标準

即使有了以上四個點,我們還是不能說:A産品賣的好。因為好是個形容詞,是和差相對的。因此就需要一個對比的參照物。參照物的選擇,本身是個複雜的分析過程,需要做深入的分析。

在構造指标體系的時候,往往這些判斷标準是和當前數據一起呈現的。這樣在看數據的時候,可以直觀的做出判斷,使用起來就很方便了。

04 數據指标體系如何發揮作用

小結一下,構成指标體系五部分是:

  1. 主指标
  2. 子指标
  3. 過程指标
  4. 分類維度
  5. 判斷标準

有了這五部分,診斷起問題來非常輕松。

  1. 先看主指标 判斷标準,比如主指标是:銷售金額,先看本月是否達标了,沒達标差多少達标。再看年累計達标沒有,有多少虧空/盈餘。這樣很容易看清楚:知道問題是什麼,有多大。
  2. 再看分類維度。哪些區域沒有做好,是不是一貫做不好;哪些區域做的好,是勉強完成還是持續上漲。這樣誰有能力兜底,誰是拖後腿的一目了然。
  3. 再看子指标/過程指标。哪個環節沒做好,是線索太少了,得加大推廣力度;還是跟進成功率低,得提升銷售能力;還是報價總miss,得增加一些折扣。怎麼處理問題一目了然。

可以說,做好了數據指标體系,基本上能幹60%數據分析師的活。好的數據指标體系,就能讓業務人員看一眼就知道該在哪裡幹,該往什麼方向幹,非常好用。

注意:基于指标體系的診斷,隻解決戰術問題,不解決戰鬥層面的細節問題。比如問:

  • 我沒有思路,該怎麼設計方法?
  • 我有三種方法,哪種更适合當前問題?
  • 我想用方法一,成功幾率有多大?

這些用專題分析的方法更容易解決。畢竟報表報表,隻是報告狀況的表,至于未來怎麼幹,得有更針對性的分析才行。

05 如何構造數據指标體系

第一步:明确工作目标,清晰主指标

這是最重要的第一步,先整明白:我做這一堆指标為的是什麼。把主指标樹清楚,後邊判斷标準才知道圍繞誰做,子指标才知道對應哪些流程。隻要是在企業上班的部門,都有各自KPI,因此主指标是肯定能找到的。

第二步:清晰判斷标準

這一步也非常重要,涉及到這是“一個有用的報表”還是“一堆花花綠綠的數字”。什麼算“好”是一個非常關鍵的問題。既然已經找到了主指标,就得為它建立配套的判斷标準。這樣才能解讀數據含義,才知道怎麼看分類維度。

常見的有四類标準(如下圖)當然,立标準本身是個很複雜的分析,也可以做的很複雜。但最後,哪些算好,哪些算不好,得區分的很清晰。

五級指标(數據指标體系是什麼)6

第三步:了解業務管理方式,找合适的子指标

有了主指标和主指标的判斷标準以後,可以進一步梳理子指标。子指标和業務管理方式有直接關系。比如銷售金額,既能以分公司為單位進行指标拆解,也能以用戶為單位進行。

具體怎麼看,要看業務能怎麼管這件事。比如銷售一般按區域管理,那就按分公司拆。市場一般按用戶管,就按用戶拆。總之,業務方便最重要。

第四步:梳理業務流程,設定過程指标

過程指标理論上越多越好,越多過程指标,可以越細的追蹤流程,發現問題。但在業務上,不見得每個動作都做了數據采集,因此要結合具體業務流程來,在關鍵節點加以控制。

五級指标(數據指标體系是什麼)7

第五步:添加分類維度

有很多維度都能當分類維度,選用哪些,完全看業務上能從什麼角度管理問題。把對管理有意義的維度加進來。(如下圖)

五級指标(數據指标體系是什麼)8

這樣就搞掂了一個數據指标體系,過程一點不複雜。大部分時候,實際問題是:沒做過數據采集,沒有數據記錄可以做指标。這才是最頭疼的。然而問題是:為啥看起來簡單的過程,做出來卻沒那個體系化的感覺呢?

06 為什麼我做的不是指标體系

常見問題一:沒有主指标,不知道在幹啥

這是最常見的問題。很多同學的報表是從離職同事那裡交接來的。為什麼做?做了給誰看?看了又怎樣?一問三不知。反正每天照貓花虎,定時更新就好了。

有些同學試圖搞清楚,但是業務方自己是糊塗蛋。你問他:你們目标是什麼啊?他答:提升GMV啊~~親,GMV這麼宏觀的東西,他到底管哪一塊?提升的話從多少提升到多少?提升到多少算滿意?丫自己做方案也是照貓畫虎,稀裡糊塗,更不要說和數據分析師講清楚了。

常見問題二:沒有判斷标準,不知道說了啥

這個是另一個常見,且緻命的問題。很多同學都是盲目更新報表,數據列了一大堆,到底什麼算“好”什麼算“不好”,不知道。或者隻是天真的認為:漲就是好,跌就是不好。結果引出特别多笑話(如下圖)

五級指标(數據指标體系是什麼)9

常見問題三:沒有拆解子指标,對着主指标發呆

這個問題往往是部門分工問題的後遺症。

常見問題四:沒有按業務流程構造子指标,單純堆砌數據

很多同學構建數據指标體系,喜歡堆砌數據。放一堆指标以顯得豐富。可實際上如果不按業務流程找子指标,指标之間邏輯性就很差,看起來經常莫名其妙。更不要說,很容易弄出來類似“你幸福嗎”這種稀奇古怪的玩意。

常見問題五:沒有根據業務選分類維度,胡亂拆解

把用戶性别、年齡、地域、VIP等級、來源渠道、終端型号等等維度一通丢,顯得報表很豐富,實際上業務意義不清楚。你問他為什麼拿男女分類,他答:分出來差異大……至于差異大了還能咋樣,業務上有沒有能力針對性别做事情,又不知道了。

以上種種問題,本質上都是沒有站在對業務有用的角度進行思考。單純的為了搞指标而搞指标。這和工作習慣有直接關系。很多同學不是試圖自己去理解業務流程,了解業務目标,而是去找一個“權威”“正式”“完美”“通用”版的指标體系。結果就是隻會到處抄抄抄,看似做了很多,結果連看數據的人都沒幾個。

想改變,當然得從基礎抓起,不要覺得我有個“數據XX的頭銜”,就得看各種高深的算法理論才算有用。搞理論是科學家的事,在企業上班就得幹點實際有用的東西。想助力業務,當然得從一線業務認真研究起。

#專欄作家#

接地氣的陳老師,接地氣學堂,人人都是産品經理專欄作家。資深咨詢顧問,在互聯網,金融,快消,零售,耐用,美容等15個行業有豐富數據相關經驗。

本文原創發布于人人都是産品經理。未經許可,禁止轉載

題圖來自Unsplash,基于CC0協議

,

更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!

查看全部

相关科技资讯推荐

热门科技资讯推荐

网友关注

Copyright 2023-2024 - www.tftnews.com All Rights Reserved