- 相关推荐
数据分析：指标体系VS指标
对业务部门来说，数据分析部门的人。应该是数据挖掘、建立模型，这才是数据分析师价值的体现。例如：通过建模型，来预测未来的趋势。通过聚类，告诉业务部门的客户有几类、每类有什么特征、客户的忠诚度如何。
但是这是不是存在一个共性，好像只有在解决某个主题的时候，而这个主题只有通过模型的时候业务方才会想到数据分析师，数据分析人员的作用才体现出来。当然，很多公司数据分析人员还承担着从数据库存提取数据的，进行简单统计、计算的过程这是不是就是数据分析人员的全部价值。
常听到这样后句话，通过数据分析来辅助商业决策(对于商业决策不同的人也不同理解，小到日常运营、大到战略制定其实我的理解都说商业决策。)。辅助商业决策如何现呢?光看几个指标就可以了吗?指标之间有关系如何?针对某个具体决策应该看哪些指标?如何解读这些指标体现出来的值?
例如：对业务人员来说，往往会关注某个指标(一般是他的KPI)。比如，最近我的运营成果如何?我的市场营销活动如何?一般会问，带来多少新会员?增加了多少交易量。许多时候，运营人员只会要这些一些简单的数据。请注意，这些数据是事实已经发生情况下得到的。
看完某个指标，有人的就得出结论，运营效果不好，因为没有达到预期设定的值。有的也许会进一步问，为什么失败?下一次可以改进在哪些地方?
但是为什么在进行这些事情的过程中，不进行监测呢?(事中进行。)便于及时作出反应，便于你从数据中发现问题，及时做出调整或者其它方面的决策，从而不断持续优化这次活动效果。
当然最好的是，(事前)这很多时候会体现在市场调研，当然内部数据一样可以提供给你很多信息，便于你事前进行更好的决策，降低决策风险。(学过信息学，你知道，未来都是有风险的，而你能做出最好的决策，就是站在决策点上你拥有完全可以用的信息。
如何去持续的优化你的策略性的东西，回答这些问题的根本是在于构建相应的指标体系?
第一：指标的针对性;
第二：指标的准确性;
第三：指标的完整性;
第四：指标的时效性;
第五：指标的层次性;
指标你能想到的也许是仪表盘，什么是仪表盘，就像你驾驶汽车的油表一样，他能及时告诉你，是不是需要加油。但是油表不能告诉你，你的油是怎么消耗，消耗在哪?你的这种类型的油这次跑了几公里?你上次另外一个类型的油你跑了几公里?你走过怎么样的路?如果你走什么类型的路，你应该加什么类型的油最好，结果是最省的?
这通过构建指标体系你完全可能得到答案，记得医生看病的例子吗?
病人：医生我感冒了。
医生：看一下病人的一些特征。然后叫其去做各种化验。
如何去构建一个相对来比较符合上述标准的体系的呢?yes we can! But how we can?Now ,it’s the answer!
1、明确你的指标体系为谁构建?以后谁会去看这些指标?他们分别看指标体系的哪些部门(这个问题可以放在后面。)
2、他们关注什么问题。千万不要想当然，去和你之前的对象沟通。建议你沟通二次以上，第一次：了解他们的需求，也许他们也不很清楚。在完成后，你要把他们的需求转化为对应数据指标，可以反应他们的需求，并给出相应指标的大概定义，也许这时候你不一定要放入时间维。第二次：把你的结果反馈给他们，让你指标服务的对象来检验、确证是否是他们现在想要的。如果当场不能决策，再修改吧。这一定是一个迭代过程，你要做到最优，就迭代吧?运筹学的解决方法之一。
3、明确每个指标的具体定义，统计口径，要反应的问题。请记住永远围绕业务目标来进行了。
4、发布指标了，你可以自己写SQL，有些指标你可以要通过模型跑出来，但是大多数是指标是不需要。应该和数据仓库去讨论，相应指标的开发了。
5、指标上线了。有指标了，很多人都可以当医生。
【数据分析：指标体系VS指标】相关文章：
绩效测评指标体系的构建及实施建议分析04-23
电子商务中的数据分析指标05-24
销售数据的分析方法07-25
数据分析报告07-28
大数据分析07-20
大数据分析07-25
多维数据分析方法04-07
数据分析简历模板02-17
数据分析工作职责07-28
数据分析常用方法07-26