接地气的陈老师:https://mp.weixin.qq.com/s/u29KEiyy6B205HYTvY_O-g

2021年,就业和经济形势明显向好,最近求职课的很多同学都找到了满意的工作,进入大厂。为了提升同学们的职场竞争力,陈老师特别推出一个系列教学。从数据分析的基础方法到具体问题处理,系统讲解一下。
第一期,当然得从数据指标体系讲起。因为几乎所有数据分析工作都会提“建立数据指标体系”。

同学们现实的困惑是:你说报表我就见过,我天天都在更新。可这玩意怎么就体系了呢?做了体系又怎么样呢?为啥我不觉得我做的是体系?今天系统解答一下。要讲,就从数据指标讲起。

1 为啥需要数据指标

以下话是不是经常听到:
● “大概有1万多人吧”
● “有很多顾客都不满意”
● “感觉我们门店都没人了”

不确定、不具体、不准确。

我们平时过日子都是这么说话的。没毛病,因为具体的消息是有很大成本的,大部分时候我们就是随口说说而已。但是企业经营要是都靠这个那就死翘翘了,花多少钱赚多少钱都不清楚,老板非气得翘辫子。
数据指标就是对抗这种不确定的。

如果我们把上边的表述改成:
● 4月1日新注册用户9800人,超目标1000人
● 4月1日当日A产品退货100件,累计30天退货率2.5%
● 4月1日全国到店用户30万人,到店率30%,低于32%的期望值

是不是爽快多了。这就是数据指标的直观用途。

2 为啥需要数据指标体系

实际工作中,想要准确说清楚一件事是挺麻烦的,比如我们想说:“2月份A产品卖得非常棒!”如果对方想较真的话,可以挑一堆刺出来(如下图)

image.png
一个问题,往往有很多方面,只用一个指标不能充分说明问题。这就需要一组有逻辑的数据指标来描述,这就是数据指标体系。

3 数据指标体系五大件

▌第一要素:主指标(一级指标)

用来评价这个事到底咋样的最核心的指标。比如说:“产品卖得好”。直观地想到是“销售金额”这个指标,因为这是我们卖货直接收到手里的钱,钱多了当然好。

每个指标得有以下要素:
● 业务含义:在业务上它的意义是……
● 数据来源:哪个系统采集原始数据
● 统计时间:在XX时间内产生的该数据
● 计算公式:如果有比例、比率,得说清楚谁除谁;如果是汇总,得说清楚谁加谁。

注意:有可能需要多个主指标,来做综合评价。比如产品卖得好,光看金额还不够,可能还要关注毛利,这才是真正赚到的钱。可能还得看销售数量,因为销售数量和库存直接挂钩,得防止积压太多。这样就至少有了三个主指标:销售金额、销售件数、销售毛利。

▌第二要素:子指标(二级/三级指标)

主指标可能由几个子部分构成。比如:
销售金额=用户数 付费率 客单价

如果销售金额没达标,我们会很好奇:到底是购买的客户少了,还是卖的人不够多,还是卖得太便宜了,了解细节有利于我们找到真正的问题,这时候就得拆解子指标。
image.png

▌第三要素:过程指标

主指标往往是最终的结果,比如B2B行业的销售金额,是销售线索-售前跟进-需求确认-产品体验-价格谈判-竞标-签约这一系列过程最后的一个结果。光看一个最后结果是无法监督、改进过程的。如果想更进一步管理,就得看得更细一些,从而添加子指标(如下图) image.gif
image.png

▌第四要素:分类维度

有可能一件事是很多人、在很长时间内完成的。想知道总销售金额是怎么构成的,每个地区、每个团队分别完成多少,可以增加分类维度。

通过分类维度,把主指标切成若干块,这样能避免平均数陷阱,把整体和局部一起看清楚(如下图)
image.png

▌第五要素:判断标准

即使有了以上四个点,我们还是不能说:A产品卖得好。因为好是个形容词,是和差相对的。因此就需要一个对比的参照物。参照物的选择,本身是个复杂的分析过程,需要做深入的分析。
在构造指标体系的时候,往往这些判断标准是和当前数据一起呈现的。这样在看数据的时候,可以直观地做出判断,使用起来就很方便了。

4 数据指标体系如何发挥作用

小结一下,构成指标体系五部分是:
1、主指标
2、子指标
3、过程指标
4、分类维度
5、判断标准

有了这五部分,诊断起问题来非常轻松。

先看主指标+判断标准,比如主指标是:销售金额,先看本月是否达标了,没达标差多少达标。再看年累计达标没有,有多少亏空/盈余。这样很容易看清楚:问题是什么,有多大。
再看分类维度。哪些区域没有做好,是不是一贯做不好;哪些区域做得好,是勉强完成还是持续上涨。这样谁有能力兜底,谁是拖后腿的一目了然。
再看子指标/过程指标。哪个环节没做好,是线索太少了,得加大推广力度;还是跟进成功率低,得提升销售能力;还是报价总miss,得增加一些折扣。怎么处理问题一目了然。

可以说,做好了数据指标体系,基本上能干60%数据分析师的活。好的数据指标体系,就能让业务人员看一眼就知道该在哪里干,该往什么方向干,非常好用。
注意:基于指标体系的诊断,只解决战术问题,不解决战斗层面的细节问题。

比如这些问题:
● 我没有思路,该怎么设计方法?
● 我有三种方法,哪种更适合当前问题?
● 我想用方法一,成功几率有多大?

这些用专题分析的方法更容易解决。毕竟报表报表,只是报告状况的表,至于未来怎么干,得有更针对性的分析才行。

5 如何构造数据指标体系

▌第一步:明确工作目标,清晰主指标
这是最重要的第一步,先整明白:我做这一堆指标为的是什么。把主指标树清楚,后边判断标准才知道围绕谁做,子指标才知道对应哪些流程。只要是在企业上班的部门,都有各自KPI,因此主指标是肯定能找到的。

▌第二步:清晰判断标准

这一步也非常重要,涉及到这是“一个有用的报表”还是“一堆花花绿绿的数字”。什么算“好”是一个非常关键的问题。

既然已经找到了主指标,就得为它建立配套的判断标准。这样才能解读数据含义,才知道怎么看分类维度。常见的有四类标准(如下图)。
image.png
当然,立标准本身是个很复杂的分析,也可以做得很复杂。但最后,哪些算好,哪些算不好,得区分得很清晰。 image.gif

▌第三步:了解业务管理方式,找合适的子指标
有了主指标和主指标的判断标准以后,可以进一步梳理子指标。子指标和业务管理方式有直接关系。

比如销售金额,既能以分公司为单位进行指标拆解,也能以用户为单位进行。具体怎么看,要看业务能怎么管这件事。比如销售一般按区域管理,那就按分公司拆。市场一般按用户管,就按用户拆。总之,业务方便最重要。

▌第四步:梳理业务流程,设定过程指标
过程指标理论上越多越好,越多过程指标,可以越细地追踪流程,发现问题。但在业务上,不见得每个动作都做了数据采集,因此要结合具体业务流程来,在关键节点加以控制。
image.png
▌第五步:添加分类维度

有很多维度都能当分类维度,选用哪些,完全看业务上能从什么角度管理问题。把对管理有意义的维度加进来。(如下图) image.gif
image.png
这样就搞掂了一个数据指标体系,过程一点不复杂。大部分时候,实际问题是:没做过数据采集,没有数据记录可以做指标。这才是最头疼的。然而问题是:为啥看起来简单的过程,做出来却没那个体系化的感觉呢?

6 为什么我做的不是指标体系

▌常见问题一:没有主指标,不知道在干啥

这是最常见的问题。很多同学的报表是从离职同事那里交接来的。为什么做?做了给谁看?看了又怎样?一问三不知。反正每天照猫画虎,定时更新就好了。

有些同学试图搞清楚,但是业务方自己是糊涂蛋。你问他:你们目标是什么啊?他答:提升GMV啊~~亲,GMV这么宏观的东西,他到底管哪一块?提升的话从多少提升到多少?提升到多少算满意?丫自己做方案也是照猫画虎,稀里糊涂,更不要说和数据分析师讲清楚了。

▌常见问题二:没有判断标准,不知道说了啥

这个是另一个常见,且致命的问题。很多同学都是盲目更新报表,数据列了一大堆,到底什么算“好”什么算“不好”,不知道。或者只是天真地认为:涨就是好,跌就是不好。结果引出特别多笑话(如下图)

image.png

▌常见问题三:没有拆解子指标,对着主指标发呆

这个问题往往是部门分工问题的后遗症。

▌常见问题四:没有按业务流程构造子指标,单纯堆砌数据

很多同学构建数据指标体系,喜欢堆砌数据。放一堆指标以显得丰富。可实际上如果不按业务流程找子指标,指标之间逻辑性就很差,看起来经常莫名其妙。更不要说,很容易弄出来类似“你幸福吗”这种稀奇古怪的玩意。

▌常见问题五:没有根据业务选分类维度,胡乱拆解

把用户性别、年龄、地域、VIP等级、来源渠道、终端型号等等维度一通丢,显得报表很丰富,实际上业务意义不清楚。

你问他为什么拿男女分类,他答:分出来差异大……至于差异大了还能咋样,业务上有没有能力针对性别做事情,又不知道了。

以上种种问题,本质上都是没有站在对业务有用的角度进行思考。单纯地为了搞指标而搞指标。

这和工作习惯有直接关系。很多同学不是试图自己去理解业务流程,了解业务目标,而是去找一个“权威”“正式”“完美”“通用”版的指标体系。结果就是只会到处抄抄抄,看似做了很多,结果连看数据的人都没几个。

想改变,当然得从基础抓起,不要觉得我有个“数据XX的头衔”,就得看各种高深的算法理论才算有用。搞理论是科学家的事,在企业上班就得干点实际有用的东西。想助力业务,当然得从一线业务认真研究起。