編輯導語：在如今的大數據時代，用數據說話更能體現出差異點，很多時候數據是最實際的表達手法，比如你的年度指标用數據來定義等等；除了這些之外，标簽也是重要的一點，如今标簽已經成為了各大企業都在做的一個目标；本文作者分享了指标和标簽有什麼異同點，我們一起來看一下。

自從大數據概念開始興起後，好像人們都不怎麼談指标了，而津津樂道于标簽。

數字經濟時代，談論指标真的落伍了嗎？其實未必！指标也好，标簽也罷，隻要用好都能發揮其價值。

怎樣才能用好它們呢，我覺得要從懂它們開始；說到懂它們，就要清楚它們的異同點，到底指标和标簽有什麼異同點呢？今天就來探讨一下。

指标是用來定義、評價和描述特定事物的一種标準或方式；比如：新增用戶數、累計用戶數、用戶活躍率等是衡量用戶發展情況的指标，月均收入、毛利率、淨利率等是用來評價企業經營狀況的指标。

标簽是人為設定的、根據業務場景需求，對目标對象運用一定的算法得到的高度精煉的特征标識。

可見，标簽是經過人為再加工後的結果；比如：說某個人是個“酒鬼”，這裡“酒鬼”就是标簽，一看到“酒鬼”這個标簽人們就能很快知道，這個人肯定是經常喝酒、喜歡喝酒的人。

指标通常由兩部分構成，即名稱和取值；名稱是指标的外在标識符号，取值是指标的具體内容。

指标名稱是對事物質與量兩方面特點的命名；指标取值是指标在具體時間、地域、條件下的數量表現。

當然，指标取值可以是定量的數值，有時候也可以是定性的描述；比如描述一個人時，性别、年齡、身高和體重是經常用到的指标，以體重是220斤為例，指标的名稱體重，指标的取值就是220斤；指标如果可以數量化的話，那麼都是有單位或量綱的；從詞性上說，指标幾乎都是名字。

标簽通常就是簡單的幾個字或符号；還是以某人體重為220斤為例，用标簽的方式來描述的話，“大胖子”就是一個可用的标簽；标簽一般是不可量化的，通常都是形容詞或形容詞 名詞；比如“大胖子”就是形容詞 名詞的結構；标簽通常是孤立的，除了基礎類标簽，通過一定算法加工出來的标簽一般都沒有單位和量綱。

1）指标是ICT時代和BI時代的通用語言

指标注重對事物及事件的過程進行全面的、體系化的描述，指标的描述範圍更廣泛，既包括過程也涵蓋結果；指标更注重與業務的結合，邏輯上更嚴謹，表現風格也比較嚴肅刻闆；指标更側重業務化、嚴格化和數量化。

2）标簽是大數據與人工智能時代的通用語言

标簽比指标更有深度、更凝練，是對指标深度加工的結果；标簽注重人物和實體對象的描述，标簽一般側重對局部特征和結果的描述，注重與具體業務場景的結合，描述的範圍相對較窄； 标簽更側重生活化、口語化和符号化。

總之，标簽源于指标，卻高于指标；指标更理性，标簽更感性；标簽比指标更有趣、更形象化、人格化，更有畫面感，但指标比标簽更講求精确性、合理性、全面性和體系化。

對指标與标簽的價值評估方式、評估内容與它們的應用場景相關，也與使用者的感受有關系。

對指标的價值通常用“好不好用”、“全不全面”來評價，對标簽的價值通常用“準不準”、“像不像”來評價。

指标的評價較易量化，通常有一定的标準和尺度；标簽的評價一般與使用者的感受、應用的結果有強關聯關系，不同的人、不同的應用場景，标簽能發揮的效果可能大相徑庭。

還有一點，由于标簽是指标進一步産品化的結果，指标是半成品，标簽是成品；所以，标簽有時候具有一定的商品屬性。

在大數據價值鍊上，标簽是可定價、可售賣、可交易的一種數據産品；比如：在個人征信服務領域，用戶的三要素、四要素在合規使用的前提下都是可以按條收費的；而指标通常是不具備售賣價值的，指标的價值可在具體應用場景裡或者被融合到産品中才能體現出來。

對價值的認知上，指标可以按照重要性分為關鍵指标、一般指标等，或者說高價值指标、低價值指标之類的；而标簽較少提及這種說法，比如有關鍵指标一說，而沒有關鍵标簽一說。

1）指标有很多種分類方式

比如：

• 按照指标計算邏輯，可以将指标分為原子指标、派生指标、組合指标三種類型；
• 按照對事件描述内容的不同，分為過程性指标和結果性指标；
• 按照描述對象的不同，分為用戶類指标、事件類指标等；
• 按照指标的變化頻率，分為靜态指标和動态指标；按領域劃分，有用戶類指标、收入類指标、行為類指标等；
• 按照重要程度，分為主要指标和次要指标等；按職能來分，分為觀測指标、管控指标和挑戰指标。

當然，還有很多其它的分類方法，不再一一列舉。

2）标簽的分類方法通常比指标要少一些

之所以這麼說，是因為指标能描述的對象範圍更廣，對事物的描述能做維度更全面、顆粒度更細，而标簽對事物（用于對人的描述比較多）的描述則是更深入、更形象的。

• 按照标簽的變化性分為靜态标簽和動态标簽；
• 按照标簽的指代和評估指标的不同，可分為定性标簽和定量标簽；
• 按照标簽體系分級分層的方式，可以分為一級标簽、二級标簽、三級标簽等，每一個層級的标簽相當于一個業務維度的切面；
• 按照複雜程度分為：基礎标簽、規則标簽和模型标簽——基礎标簽通常是寫實的，與指标有較高的重合度，比如身高、體重等；規則标簽一般是有一些簡單的規則來控制，符合某種規則時才生成相應的标簽；模型标簽一般需要通過某些機器學習算法來生成。

指标的表現形态相對簡單，通常以格式化的報表、直方圖、趨勢圖、看闆等圖形來表示。

标簽的表現形态相對複雜，我們通常說的标簽是數據化的标簽，數據化标簽的表現形态以可視化的圖表或大屏為主；比如，我們在客戶畫像時通常以詞雲圖的形式來表現其特征。

事實上，在現實世界中标簽還有三種表現形态：實物标簽、網絡标簽和電子标簽。

• 實物标簽是用于标明物品的品名、重量、體積、用途等信息的簡要标牌，例如：商品标簽、價格标簽、車檢标簽、服裝吊牌、車票、登機牌都是實物标簽；
• 網絡标簽(Tag)是一種互聯網内容組織方式，是相關性很強的關鍵字，它能幫助人們通過關鍵詞快速建立對内容總體印象；
• 電子标簽又稱RFID射頻标簽，是一種識别效率和準确度都比較高的識别工具，通過射頻信号自動識别目标對象并獲取相關數據，識别工作無須人工幹預，可工作于各種惡劣環境。

指标是生産性思維、拆解式思維，講究的是化整為零，将事物分解開來進行多角度的描述，得到很多的指标；标簽則是合成性思維、聚合式思維，講究的是化零為整，将多個分散的指标按照一定的原理進行綜合加工，得出概括性的結果。

一般情況下，先有指标，後有标簽；指标是業務管理導向的，需要提前規劃；标簽是應用導向的，跟随業務需求的而變化，面向業務可随時增加；

指标的生産通常先要掃平數據質量問題，統一數據口徑；而标簽生産涉及數據質量的問題較少，因為數據質量的問題已經在指标生産階段被解決了；指标通常存在多個口徑、口徑不一緻的問題，而标簽在這方面的問題則相對較少。

指标的應用場景很多，涉及企業的戰略、管理、運營和支撐等層面；具體包括：戰略目标、市場定位、業務監測、業績考核、任務分解、數據分析、數據建模、BI應用等。

标簽的應用場景主要集中于CRM領域，尤其适合于用戶運營。比如：客戶畫像、新增獲客、沉默用戶激活、存量客戶維系、數據建模、數據可視化等。

指标最擅長的應用是監測、分析、評價和建模，标簽最擅長的應用是标注、刻畫、分類和特征提取。

特别需要指出的是，由于對結果的标注也是一種标簽，所以在自然語言處理和機器學習相關的算法應用場景下，标簽對于監督式學習有重要價值，隻是單純的指标難以做到的；而指标在任務分配、績效管理等領域的作用，也是标簽無法做到的。

原則上來說，指标與标簽都需要建立體系化的管理機制。就指标的管理機制而言，指标管理通常涉及三個方面：需求階段的管理、開發過程的管理、應用過程的管理；所以，對指标的管理動作主要就是：做指标、管指标、控指标。

指标的日常管理涉及指标的定義、指标的分類、指标的權限管理等；對指标的監控與維護通常涉及缺失值、異常值、勾稽關系等方面的檢查。

對标簽的管理與維護通常按照标簽的生命周期來開展的，涉及标簽開發與發布、标簽應用、标簽價值評估和标簽優化及下線四個階段。

對标簽的管理動作主要就是：打标簽、貼标簽、用标簽和改标簽等；為做好标簽管理與維護，有必要設立專門的标簽管理團隊，建立标簽分類、命名、描述、和實施等方面的規範，完善配套的數據采集流程、标簽加工流程、标簽問題處理與反饋流程等；建立标簽全生命周期管理體系，與數據資産管理制度相統一，為标簽在各層面的落地及管理提供建設依據。

以上是筆者從9個方面詳細解讀了指标與标簽的不同點。

當然，兩者還是有不少共同點的，比如：指标和标簽都是對事物的一種描述和解讀，都是對數據加工的結果，都可以分維度拆解，都是企業的數據資産等等，還有一些共同點就不再一一展開。

剖析指标和标簽的異同點是為了更好的使用它們、駕馭它們；所以，希望以上我關于指标與标簽的分析能夠對諸位有所啟發。

作者：黃小剛，大數據産品設計與運營

本文由 @黃小剛 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!