指标字典

在 指标命名四要素 里，我们提到指标混乱的现状：

• 指标命名随意，不易理解。

• 指标的名称不同口径相同、指标名称相同口径不同，如背景中的示例。

• 指标逻辑未留存，私自改计算逻辑等。

要完全解决以上问题，除了规范指标命名，更多的是公司各部门要统一数据口径，要共用指标，也就是公司要有大家都参考使用的指标列表。

那如何形成一个大家都认同的指标列表呢？

指标字典，简单地说，其实就是把公司常用的一些指标，通过有组织、有秩序的进行整理，明确指标的口径、维度、指标取数逻辑等信息，形成公司内各个业务部门均统一认同的标准化体系。

就像字典一样，对哪个指标有疑问，就去指标字典中查一查，对齐口径。

好的指标字典可以降低沟通成本，提升沟通效率；打破信息隔阂，减少公司重复性建设；是公司数据化建设的基础、数据平台搭建的基础。

指标字典和 指标体系 都是表示系列指标的，但有区别：

相同点，都是指标相关方面的内容。差异点就是：

• 指标字典可以理解为是一维的、打平的，是通过指标（或者维度）为索引进行检索内容；

• 但 指标体系 是有业务组织的、成体系的，是有逻辑关系的。

指标字典组成

4）可用维度：使用该指标时可以用的维度，例如时间、年龄、性别等。维度单独列出来是因为有时候汇总方式和度量是确定的，但维度可以根据使用者的需求来定，所以可以将其拆分开。

很多时候，计算方法+维度也被合起来称为指标定义、或者统计口径等。

5）指标映射：这个指标可以用来反映什么业务情况，应用场景是什么。

例如「iPhone近30天订单数」指标，将其归到指标字典：

有效搭建指标字典

指标字典难点在于落地，如果编了一份字典，束之高阁，和没有也没啥区别。推进行之有效的指标字典要注意以下几点：

1）字典要贴合业务场景

符合业务应用才是最根本的出发点。比如公司业务都是围绕成交来的，那指标字典的重点也应该是交易相关；业务关心的是服务体验，那指标字典的重点就是服务体验。

2）充分沟通达成共识

很多时候，难以推进统一指标字典的原因，在于不同业务都想用对自己有利的计算指标，这就需要平衡和一些自上而下的推动。各个业务部门进行充分沟通，才能争取达成公司内共识。

3）做好持续的维护和更新

指标字典上线后，要做好培训，让公司整体都用一套标准，有反馈问题及时订正优化。同时，因为不断有新的指标、新的需求产生，所以要在原有的基础上做好更新维护。

如下人事业务相关的指标字典：

关于人事指标字典如何进行可视化分析，详细请参见 员工流失率可视化分析