数字化产品和服务覆盖了社会的方方面面，也让数据成为了构建现代化社会的核心元素，让人们明白数据不只是人类活动产生的附加品，还能够在应用过程中促进人类活动发展、优化和改变，真正成为了个人、机构、企业乃至国家的新型资产，变为现代社会的第五大生产要素。数据分析无处不在，进行数据分析的基础是什么？
什么是数据指标
数据指标是企业运营过程中，对已记录历史信息进行处理，转化成为数字。根据特定商业目的：对相关数字按一定的业务逻辑，使用一定的技术手段进行加工处理后，成为描述、衡量、分析、预测业务结果的工具。
1、数据指标核心是服务商业的。例如：让你很清楚公司的经营状况。通过本月累计销额指标你可以知道你的业务进度是否达到目标；通过销售额占比数据指标的分析你可以很清楚知道与同行比你处于什么水平。
2、数据指标的统计是有逻辑的。你为什么要设计这个指标，用来衡量什么，通过这个指标的变化你可以反映出业务背后有什么变化。例如：客单价，衡量的是用户购买情况；客单价变化可以反映用户在你这购买意愿的变化。
3、数据指标需要使用一定的技术手段。其实整个数据指标是作为大数据平台处理数据的指导。我们说ETL的开发，数据计算能力、存储的要求，就是围绕指标与对指标拆分、关联的维度来决策的。
数据指标价值
数据指标的价值，核心一点是：数据指标是服务商业的。通过使用数据指标，对数据进行分析，更清楚了解自己企业经营状况，可以更快，更好的做出各种决策，从而让企业的决策风险降低，更容易把握市场机会，提升商业目标，帮助企业取得竞争优势的一种“工具”。
1.业务维度
业务维度描述就是阐述清楚这个指标的业务需求是什么，这个指标想要指代什么业务，反映出什么问题等。其实也就是大家日常与业务方讨论得最多的数据需求，例如，运营同事A说：我要看商城复购率。运营同事B说：我要看产品的日活。
这其中，对指标来说，最重要的是能清晰地定义如下两方面内容。
维度（Latitude）：衡量业务的具体维度，如用户参与次数、业务发生时间、交易频次、订单规模、用户规模、新用户增长规模等。
量度（Particle size）：指标的取值范围与单位，如用户参与人数为“200人”、交易频次为“每周3笔”、用户规模为“20万注册用户”、新增用户规模为“日新增1万注册用户”等。
注意：在设计量度时，我们可以参考统计学中的常用事物测量方式，将事物按具体内容和表现形式从三个不同角度划分为总量规模测量（总数）、相对测量（比率）和平均（日均）等。
- 技术维度
技术维度描述的是一个指标除了要定义清楚具体的需求外，还要面向技术人员准确定义该指标的实现逻辑，因此该维度也就是技术人员为了实现这一需求而必须了解的内容。
好的数据指标特征有哪些
一个好的数据指标应该要符合下面的几个特征：
1、准确性。这是最根本的一条原则。这个准确有二个层面的意思，一个是数据指标在技术实现过程中，是准确的，不会出现代码逻辑写错，源数据取错。二个统计源数据的源头的数据是对的，如果统计数据指标的基础数据都是错了。一个公司数据收集与记录的准确、完整也一定是一个持续迭代的工程，当然这属于哪一个话题。
2、有效性。数据指标的能真实反映要能衡量相对的业务场景商业目标，例如：要针对衡量一个网站流量质量设计一个指标，使用UV来衡量是错误的。使用跳出率来衡量，有一定的有效性，但还是不够有效；使用转化率也许才是比较合适的（不同公司所要追求的商业目标不一样，所以设计的数据指标是不一样的），用最近期望用户完成的商业动作访问数/进来的访客数。
3、周期性。数据指标需要定期去复盘。像KPI的指标定义，例如：销售额可能根据当前商业的目标不同，计算口径可能会发生很大的变化。同时，对各个数据指标也要定期进行复盘，是否还可以继续衡量，数据指标还是否有意义。随时KPI指标的变化，往往很多指标的口径也要变更，数据开发最怕就是这个，口径变换要重刷历史。
4、可实现性。在实际企业中，可能受限数据的完整性因素，很多指标没有办法计算得到。例如：公司的市场占有率往往是很难统计，因为整个市场份额这个数据很难获取。电商中每个订单的成本的计算也很难，广告费用、仓储、人员工资、仓储、物流配送等。所以在数据指标的可实现性上往往需要先实现简单的，再根据数据应用深入，数据团队技术强大不断再完善复杂的指标。
免责声明：本公众号所发布的文章为本公众号原创，或者是在网络搜索到的优秀文章进行的编辑整理，文章版权归原作者所有，仅供读者朋友们学习、参考。对于分享的非原创文章，有些因为无法找到真正来源，如果标错来源或者对于文章中所使用的图片、链接等所包含但不限于软件、资料等，如有侵权，请直接联系后台，说明具体的文章，后台会尽快删除。给您带来的不便，深表歉意。
