下载掌阅APP，畅读海量书库
立即打开
老姜： 本节先来讲解一下什么是数据指标体系。对于有一定经验的读者来说，可以直接跳到4.3节阅读。
什么是数据指标？对于刚刚接触数据分析的读者来说可能有些陌生，这里列举几个日常的汇报话术。
· 新用户最近注册人数很少。
· 用户回购的情况不高。
· 用户量级一直下降，可能是流失了。
如果是闲来无事的聊天，这样沟通是没有问题的，但如果是给领导汇报现状，用于指引产品迭代，这样显然是不够专业的。这时候就需要通过数据指标量化结论，同样是上面三个场景，可以作如下描述。
· 当月新用户注册数10万，同比上月下降25%。
· 当月用户30日内回购率为20%，低于上月的23%。
· 当月用户量级1200万，新用户量级持平，老用户下降20%。
这样描述业务现状会更加清晰，而这也正是指标的价值所在。
数据指标主要体现出三种特性—— 可度量、可描述、可拆解， 如图4-1所示。
图4-1 数据指标的三种特性
· 可度量： 指标的表现形式为数字，将定性的内容定量化。
· 可描述： 指标均有定义，描述出其业务含义。
· 可拆解： 指标可通过横向或纵向的方式拆解。横向，结合维度拆解，例如用户数=男性用户+女性用户；纵向，结合计算方式拆解，例如PV=UV×人均PV。
同时，在工作过程中，指标往往配合维度进行应用，这里对指标同维度的差异简单做个说明。
扫盲
指标：上面介绍过了，是可量化的数据，统计后的结果。例如，点击次数、点击人数等。
维度：事物的某种属性，作为细化指标的依据。例如，性别、年龄、城市、学历等。
了解了数据指标的含义，那数据指标体系又是什么呢？
随着产品业务逐渐烦琐，用户在端内的表现也更加多元化，原有单一数据指标已经不足以满足业务评估的需求，因此，就需要一套有逻辑、有体系的指标来评估不同方面，而这也就是数据指标体系。如果说数据指标是一片树叶，那么数据指标体系就是由众多树叶聚合成的参天大树。
由此可见，数据指标体系是将一系列指标，通过一定的逻辑聚合在一起，用于满足业务历史、当下、未来的发展度量。以搜索场景为例，我们一起来看看指标体系的形式，如图4-2所示。
图4-2 搜索指标体系
指标体系的整体搭建思路，会在后续章节展开，帮助你快速上手。
通过本节的学习，希望你可以了解数据指标和数据指标体系是什么，各具备哪些特性。下面我们会逐步深入每一个细节当中。