数据分析师如何建立数据分析里最常用的思维定式

“ 一套通用、认可的指标字典，将极大提升公司数据层面的效率，降低沟通成本。”

指标字典、指标体系，都是数据分析师很重要的一方面的工作。今天主要分享一下指标字典相关的内容。

—

什么是指标字典

我想，下面的场景，很多人应该并不陌生。

“老刘，咱们本月的成交额才100万啊，得继续努力啊！”

“what？这个月明明成交了150万啊，怎么会才100万？你的数据错了吧？”

“不可能啊，我是自己从数据库取得，100万！”

“我也是对过数啊，150万没错啊！”

到底谁错了？

其实俩人谁都没错，一个统计的是下单金额150万，一个统计的是支付金额100万。因此，是数据分析师或者数据PM错了，错在没有推行一套标准指标字典。

什么是指标字典？

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，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。

指标字典和指标体系有很多异同点。相同点，都是指标相关方面的内容。最大的差异点，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。

指标字典的价值

指标字典的价值主要有以下几点。

（1）降低沟通成本，提升沟通效率

这个其实通过上面的案例就能体会到。如果公司内部的口径维持一致，说到“成交额”，就是指“下单金额”或者“支付金额”，就不会存在上面的争论了。

另外，也能确保公司战略的准确执行落地，大家按照一套标准、一套口径来，那么将减少很多不必要的麻烦。避免出现老板提的目标，最后落地的结果却换了一套计算方式。

（2）打破信息隔阂，减少公司重复性建设

其实很多指标的开发是需要成本的。比如“跳出率”、“页面停留时长”等等，背后的开发逻辑都比较复杂，计算成本也不低。其实很多指标反映的是很类似的业务内容，如果针对同一个业务内容，开发多个指标，有时候意义其实不大。

更别说有时候A部门开发了这个指标，由于信息隔阂，B部门又重新开发了一遍。但由于细节逻辑的差别，导致看似是同一个指标，但就是数据上有一点点差异。这种情况更让人抓狂。最好就是一个输出口径，不过这涉及了一套标准数仓的过程，后面再讲。

（3）是公司数据化建设的基础、数据平台搭建的基础

像搭建数仓、数据资产管理平台、BI分析平台，甚至是数据中台，都需要用到指标和维度，那就都需要指标字典作为基础。指标字典作为公司最标准、最规范的口径文档，将是这些平台中指标部分的关键性参考。

03

—

指标字典都包括哪些部分

一套标准的指标字典，其实包括两部分：指标部分和维度部分。这两部分独立开来是字典；叠加起来，能生成覆盖业务日常用的各种指标。

（1）指标部分

先上个例子。以下是百度统计里指标字典的指标（部分）：

这里是对外呈现的，因此只简单的包括了两部分：指标名称和指标定义。但作为一个完善的指标字典，除此之外还要有以下的部分。

指标类型：比如基础指标（最最原始的单纯指标，不可以再细分了，比如订单数、订单金额）、复合指标（在基础指标的基础上通过各种运算生成，比如下单率=下单订单数/加购数）。
限定条件：描述指标的限定条件，比如限定用户都是新用户
限定维度：描述用户在查询该指标时，必须限定的维度，例如时间。
（2）维度部分

维度，是分析的角度、拆分方向。

为了便于理解，同样先上例子。还是百度统计。

这些维度，其实也是互联网常用的一些维度。

当指标叠加上维度，就能生成各种符合业务场景的指标了。例如，最常用的就是时间维度了，“近7天成交金额”，“近7天”就是时间维度，“成交金额”就是指标。也可以同时多个维度叠加指标。例如“iPhone近30天下单订单数”。怎么拆分，很清楚吧？

当然，不是所有的维度+指标都有价值，如何生成有价值的维度+指标，是后面指标体系要分享的。

04

—

如何搭建行之有效的指标字典

上面讲了这么多指标字典的价值，以及指标字典的内容。看似不麻烦啊，只要把指标和维度一梳理，写份文档不就得了？事实上，没有这么容易。

难点在于落地。如果编了一份字典，束之高阁，和没有也没区别。

那如何推进行之有效的指标字典呢？

（1）要贴合业务的应用场景，从业务出发，不能闭门造车

符合业务的应用才是最根本的出发点。比如公司整体关心的都是围绕成交来的，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，那指标体系的重点就是服务体验。

（2）要和各个业务部门进行充分沟通，争取达成公司内共识

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。也需要一些自上而下的推动。说服业务按照你的规范来计算业绩、做统计分析，是个难点。

（3）后续维护好指标字典，推进指标字典的应用

维护也很难。因为不断有新的指标、新的需求产生，要在原有的基础上做好更新维护。同时，也要做好培训，让公司整体都用一套标准说话。

文章转载至 大数据网 ：http://www.bt187.com/650.html