前言

有很多关于如何搭建完整/有效的数据指标体系解读和资料，那么，在实际工作场景中如何应用数据指标体系呢？此时，就需要配合“数据监控体系”，通过一系列业务数据监控、分析、复盘等动作，找出问题，寻求解决方案，为业务下一阶段目标进行预测和决策，有效地发挥出“数据指标体系”的作用。

而“数据监控”，即采集+呈现，也就是将用户全链路行为数据以及业务数据采集过来，并用可视化的图、表来呈现出来。再通过“数据指标体系”来进行监督和控制。然而，当产品线业务变得丰富和复杂，单一数据无法满足产品业务线丰富的监控需求，我们就需要搭建更加完善的“数据监控体系”了。

数据监控体系概念？

数据监控体系，即将这些单一的数据指标体系与管理流程结合起来，来满足复杂的产品业务线的监控需求。

而好的数据监控体系的重要性有：

①能够反映过去的产品和业务的情况，对现在情况做对比和参考；

②反映目前的产品业务线的状态的监控，是否数据异常等；

③并及时发现业务指标的升高或降低，以及产生的原因；

④更能够反映产品业务线未来的可能发生变化的趋势，再根据数据指标体系，控制成本等。

数据指标体系应用思路？

①要明确产品业务目标以及KPI和所处的产品阶段。

需要认清和明确目标（量化以及拆分目标，是数据分析的灵魂）。一个业务目标的达成可能是多个团队、多个地区、多个渠道共同促成的，所以，要注意了解整体目标的同时也要关注局部目标，增加分类维度，明确局部的好坏状态。而再判断业务走势正常还是异常，探索解决问题的办法，都是从计算目标和现状的差距开始的，这一点非常重要。而不同的产品阶段是有不同的产品目标业务的。

拆解目标，细分可以有多种类型，比如常见几种的：

◇按达成时间为：年、季度、月；

◇按服务对象为：各个部门、整个公司；

◇按流程位置为：结果型目标/过程型目标；

②根据业务目标，确定判断标准。

一个数据指标难以判别好坏的程度，需要一个相对严谨的判断标准，才能直观的做出判断。就可以依据判断标准，查看数据指标体系中的核心指标是否达标。没达标的话差多少，是亏空还是差一些，是什么原因造成的，问题大不大；达标了超出多少，为什么会超出，有没有更多的机会。

判断标准有哪些呢？

◇与目标达成情况对比：达到没到达预期业务目标就是判断的标准；

◇与历史数据同期对比：查看业务走势，不管是高是低，只要比去年同期表现好就是达标了；

◇与过往经验对比：将过往的一些数据进行对比，结合实际情况，具体问题具体分析；

◇与竞品情况对比：将竞争对手作为参考的指标，行情好的时候，是不是比竞争对手涨的多，行情差的时候，是不是比竞争对手降的少；

③根据业务需求，从数据指标体系中挑选相应数据指标，进行拆解。

数据指标体系里有很多数据指标：日活DAU、月活（MAU）、下载量、激活量、新增注册量、活跃度（DAU/MAU）、次日留存率、次人均时长、首页访问率、停留率、人均充值金额ARPU、GMV，客单价等等。

针对不同的指标，拆分不同的层级。不一定要拆得太细，否则层级会过深，基本上 3 个层级就能够指导我们去做一些动作。

④查看不同层级的数据指标，找出原因。

哪些数据指标为什么没达标，是什么原因，推广少、成本高、用户少还是转化率低或者付费率低等？

⑤搭建以日、周、月为单位的数据指标监控体系报表。

监控每日、过去一周，上周， 上月同周， 上上月同周的数据报表，以图表展示，来反映产品的变化趋势，通过过去的一周数据反映产品现状，通过每日、周、过去的三个月的产品业务线数据变化趋势预估未来的变化趋势。

数据监控指标体系的基本逻辑：先看北极星指标，结合二、三指标再预测判断未来趋势。

⑥根据数据监控结果/数据指标体系，进行多维度分析，来明确管理流程，实现控制。

第一，先进行多维度分类分析。如：

◇哪些区域、团队、渠道，完成目标是下降还是持续上涨；

◇哪里没做好，是什么原因；

◇看看是谁能力大，是谁掉队了影响整体；

第二，确定指标异常状态，明确运营策略执行者。如：

◇GMV降了→ 客单价降低了→ 用户运营想策略；

◇GMV降了→ 某类商品降幅大了→ 商品运营想策略；

◇GMV降了→ 外部流量太少了 → 渠道运营想策略；

第三，再明确执行时间。要有时间状态和走向判断的。如:

◇过去+负向 → 关注什么问题；

◇过去+正向 → 发现什么经验；

◇未来+负向 → 警惕什么风险；

◇未来+正向 → 提示什么机会；

第四，明确需要多大力度，如：

◇注意出现异常

◇要提高等

◇立即执行

比如：“如客单价不能在3天内得到改善提高，本月KPI将不达标，需立即优化商品组合，提升客单价”。

第五，复盘改善后效果

最主要环节就是效果的复盘。而且要先看是哪个层数据指标的效果，再看具体效果大小，并进行改善。

总结

总之，“数据指标体系”应用要配合“数据监控体系”，就需要我们不断的总结并结合过往经验，了解未来产品业务计划，甚至收集一些竞品的情况，把整体现阶段的目标，具体到某个人，有明确指向，不断地完善“数据监控体系”，才能发挥出“数据指标体系”的应用价值。

虽然梳理的数据指标体系的应用思路可能比较朴素，没有特别高大上的模型和理论依托，但却有赖于对业务充分的理解。我们在实际数据运营工作中不用拘泥，只要能达到反映业务现状，方便各业务及时定位异常点就好。随着不同阶段的产品业务方向和目标需要不断进行更新和调整，也需要不断在全面和精炼中寻找平衡，避免过高的复杂度带来的冗余。