1、背景编辑
2、指标体系化编辑
2.1 指标
指标：可以被当作一个度量工具，一般用数据表示。指标使得业务目标可描述、可度量、可拆解，它是业务和数据的结合，是统计的基础，也是量化效果的重要依据。
什么时候用指标：指标是在数据分析时不可或缺的东西，例如我们提到一个国家的经济状况，就一定会想到GDP。
单一指标的问题：零散的指标有时只能帮我们找出初步的原因，若不成功，则需要反复工作。
2.2 指标体系化
体系：由不同的维度组成，而维度是指用户观察、思考与表述某事物的“思维角度”，维度是指标体系的核心。没有维度，单纯说指标是没有任何意义的。
指标体系：将零散单点的具有相互联系的指标，系统化地组织起来，通过全局解决单点的问题。
什么时候用指标体系：
一个完整的指标体系会包含过程和结果等一系列指标，我们可以更方便的得出前后的因果关系，从而找出原因。
通过体系化的指标，可以一次性的得知较为全面的信息，如果提出的第一个原因无法解决问题，接下去的计划也已经得出，可以直接往下走。
2.2 单一指标 VS 指标体系化
非体系化的指标通常是单点分析，出现什么问题，分析什么，然后改进，如果改进了仍然有问题，那就再接着换一个点分析。
而体系化的指标通常能够结合问题所在的背景、串联各个指标、通过各种维度进行分析，从而使优化方案更加有针对性。
在数据分析中，一个好的指标体系可以帮助你更快、更精准的找到答案。
3、指标体系建设通用方法编辑
3.1 指标体系建设的通用原则
用户第一：从用户中来到用户中去，指标体系核心是围绕能够反映实际业务情况的目的去的，因此，指标不是越多越好，也不需要“虚荣指标”，“虚荣指标”是需要在建设过程中注意避免的
典型性原则：尽量选择比较典型、比较具备代表性的指标，这些指标能够反映业务的真实情况，其中最重要的指标叫做“北极星指标”
系统性原则：指标体系是需要强调系统性的，需要做一个有机的系统整体，常见的就是找到核心的原子指标，然后延伸，最终形成类似二叉树一样的数状结构指标体系，做到每个指标有根可循
动态性原则：数据指标体系是随着业务发展变化、随着数据分析需求变化的，因此需要不断的去做指标体系的维护与迭代更新
3.2 指标体系建立的通用方法
3.2.1 确立北极星指标
北极星指标要能够清晰的表达出产品/事务的核心价值，比如购物产品的北极星指标是GMV、社交聊天的北极星指标是会话数、销售团队的北极星指标是销售额
北极星指标要具备典型性，能够看出长期一段时间的变化情况与表现情况的好坏
北极星指标要能够管中窥豹，从北极星指标的变化能够看到公司整体业务的上升
北极星指标要能够解决众口难调的问题，即北极星指标是要所有相关干系人都认可的
北极星指标尽可能的要做到是预测性指标而不是滞后性指标，但这点不是所有行业能够办到，比如电商平台可以根据GMV去判断整体销售变化，双十一能够根据付款定金预估到销售额，但传统线下销售行业就很难做到，因为不存在任何前置性的数据来支撑预测性指标的诞生。因此，这点只能是尽可能，有的企业不具备这种条件则不可能找到这种指标。
北极星指标不能是柏拉图指标，这个和上一条类似，即使一个指标非常典型但是需要考虑能否实现以及实现的成本，如果难度过大那么需要考虑是否还采用该指标
3.2.2 贯穿业务全流程
电商行业常见的AARRR模型包含获取、激活、留存、变现、扩散五个步骤，也是电商行业产品和商业模式的业务全流程，作为一个很好理解的案例来阐述，任何一个企业的指标体系都是需要能够对企业内部的业务做一个闭环串联的理念，否则指标体系很难做成为一个体系，也是业务域或者数据域的一种划分方法。
3.2.3 贯穿分析全流程
作分析的过程往往有三步：问题背景是什么、要分析什么才能解决这个问题、怎么分析。
映射到数据指标体系中则上升为要考虑指标体系的目标是什么、指标体系的用户的业务目标是什么；
再考虑要实现这些目标会有哪些表现、哪些信号能够支撑他们的目标关注；
最后再找出相关的指标来支撑数据指标体系的构建
3.3 指标体系建立的通用步骤
确立公司业务的核心指标：
找到能够去体现公司业务完成情况、进展情况的指标，也就是常说的北极星指标
确立用户行为的关键指标：
常说的过程性关键指标
进行业务需求的多维拆解：
将指标按照业务域、数据域进行拆分或者延伸
按照优先级进行系统性整合与建设：
经过前面三步的分，在最后需要进行整合，将指标系统性的整合与构建，去除重复指标、虚荣指标、无意义指标。当指标数量过多时可以按照优先级分类，先做一部分再做一部分，不断迭代完善