在产品的日常中，有着统一的业务逻辑和指标口径，才能继续后续的流程。这篇文章，我们就来谈谈数据分析过程中指标确定的问题。
指标是数据的逻辑，是产品需求的外显。只有通过指标才能将无逻辑的、散乱的、无价值的数据整合成逻辑严密、整齐的、有价值的业务变动，供产品、业务参考以应对直接挑战与钱攒风险。
微小的数据变动下潜藏着产品浪潮的变动，如拼多多对电商领域的冲击，直接反应在低客单价用户活跃数的缓慢下降，有着指标趋势敏感度的人才能够发现它。
而在产品的日常工作中，只有统一指标的业务逻辑和指标口径才能继续推进流程，否则轻则“加班加点”，重则“全军覆没”，可见产品指标的重要性。然而实际上，指标确定、数据分析的流程很简单。笔者将按照以下逻辑对其进行梳理：
一、数据告诉你的秘密
数据是客观的，不会说话，最终会被统合成同样客观的指标数字。但通过观察公司最核心指标的设立，我们可以了解管理层关注的重点。
比如，公司重点关注规模指标如GMV、单量、DAU等时，说明公司正在市场上拼杀or处于跑马圈地的状态；公司重点关注资金成本，说明公司开始注重效率发展，此时公司管理层认为野蛮发展的时代已经结束，需要进行精细化运营；公司重点关注市场、合作伙伴的指标，说明公司在该市场已经有利一定地位，并开始关注生态发展。
目前电商平台仍然以关注交易域的客单价等信息为主，仍主要处于关注“结果”的状态哦。
二、指标篇
2.1 指标设计目的：不是为了设计而设计，是和业务逻辑紧密相关、需要时刻与产品&技术对齐的内容
以网易严选为例，目的可以划分为业务和计算两类。
在业务类别里又可以简单划分为供应链和商品营销两个方面，在供应链方面为成本类（如库存成本、物流成本等）、时效类（如到货及时率、生产及时率等）、体验类（如用户满意度、客诉率等）。在商品营销方面为用户类（如PV、CTR等）、流量类（如商品曝光等）、商品类（如退货率、好评率等）、营收类（如利润率、GMV等）。
在计算类别里，可以分为量指标（规模、量级）、比值指标（单位效能如库存、ARPU等）、比率指标（评估占比（如毛利率、退货、流量转化率等）。
设计：指标设计要目的性明确，需要和业务深度对接，确定指标将着重于效益、收益、质量哪一部分。
公式：一个指标口径可能会有多个公式，需要与业务运作逻辑强相关。
口径&范围：主要通过目前公开的行业白皮书、公开培训确定，成本较高，建议出问题第一个问口径一不一样。
2.2 指标解读现象与归因：指标数据变动可以抽象展现现状变化，如拼多多入局对电商领域的冲击，然而指标本身并不会提供原因，需要深度探讨进行合理归因，注意“现象”和“归因”需要为因果关系，而非“相关关系”。
量化：举例说明，一个功能渗透率由4%升到6%，我们会说功能渗透率提升50%。
解读节奏：分为单一指标和指标体系两种解读逻辑。
1.单一指标：日常看波动即可。需要保持数据敏感度，设定阈值，超过阈值便需要复盘原因。
2.指标体系：首先对业务节奏分段-日常观察什么，活动观察什么，日常与活动指标的客观交叉规律；其次了解在不同时期需要观察什么
以网易严选供应链层面为例，网易严选有很规律的活动周期（411、618、双十一、双十二）。
1.日常：核心指标如库存、成本、客诉、商品专项指标等等。
2.大促：
- 促前：缺货风险；到货及时率；仓库存储风险；逾期率；分仓平衡性等。
- 促中：生产及时率；配送及时率；配送时效等。
- 促后：退货率、客诉率等。
三、数据分析的套路：准确看-客观判-选方法
- 准确看：看什么？看“数字+描述”（描述场景越具体越好）
- 判断方法：经验判断；专家判断（评分orAHP层面分析）；趋势判断
- 选方法：矩阵分析（Boston）；漏斗分析；杜邦分析；RFM分层分析；交叉分析（穷举数分）
四、数据分析避坑指南
- 一定要了解业务流程，熟悉业务逻辑最好的方法是有权限玩一遍整个产品。
- 多深度追问自己，“为什么找你”、“应该做什么”，多问为什么。
- 协调资源：和数仓同学协调规划、排期、反馈，打好关系；和业务方达成规划/流程/策略共识；和产品&技术对齐业务逻辑；和组内伙伴多进行专业交流、业务启发，交流工作方式。
本文由 @乾意 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自Unsplash，基于CC0协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
友情提示
本站部分转载文章，皆来自互联网，仅供参考及分享，并不用于任何商业用途；版权归原作者所有，如涉及作品内容、版权和其他问题，请与本网联系，我们将在第一时间删除内容！
联系邮箱：1042463605@qq.com