新媒易动态
NEWS CENTER
NEWS CENTER
2021-03-05
随着市场竞争进入白热化，越来越多的公司由原来的增长黑客转变为精细化运营，不管是增长还是留存，我们都需要对产品的表现进行量化。
数据指标，就是量化信息的别名，科学的决策离不开构建精良的指标体系。
本文重点从技术视角，给大家介绍指标的定义和实现。文中会有部分简单的 SQL 示例，文末会给到一些实用的参考资料。
小明看到自己喜欢喝的一款高端酸奶标价 8 元，他连忙拿了一瓶去买单。结果店员告诉他，本次活动第一瓶是原价，第二瓶才是 8 块的半价 。
上面的例子中，单纯一个数字，是没有意义的，必须要相应的解释，人们才能理解。“买满两瓶，第二瓶酸奶的单价是 8 块”，这才是真正完整的指标。
用一个简单的公式给出指标的定义：
指标 = 数字 + 解释
其中解释包含两方面：业务上的解释；技术上的解释。
业务解释通常是图文，意在给指标使用者解释指标从何处来，怎么算。
技术解释通常是用程序语言定义的计算逻辑，比如用 SQL 语句定义人数为 count(user_id)，均价为 avg(price) 。
其实理解了元数据，就能理解指标，大家可以参考文末的元数据文章。
互联网发展到现在，很多行业或公司都有了成熟的指标体系，而最初构建指标体系，都要围绕关键指标（北极星指标）展开。
社交类产品，关键指标是 DAU ，因为社交产品的核心是希望更多人能更频繁地用它沟通交流。
电商类产品，关键指标是 GMV ，因为电商平台希望能承载更多的线上交易。
视频类产品，关键指标是用户观看时长，因为这类产品的目的就是为了帮助用户杀时间。
不同行业，业务不同，核心关键指标也不同。
而不同之中有相同之处：关键指标都能反映产品表现，且能衡量产品的直接或间接商业价值。
指标体系的构建，要基于业务展开，尤其是核心业务。基于核心业务流程，进行层层拆解，逐渐构建起企业的业务指标体系。
拿电商行业的 AARRR 漏斗模型举例，每个业务阶段，都会有相应的北极星指标。
想要构建科学的指标体系，必须花时间深入了解公司、部门的关键业务。通常来说，经营性业务指标是业务型产品经理重点关注对象。
不过，公司对人才的综合能力要求越来越高， T 型人才的说法广为流传，产品经理也被越来越多地要求具备数据分析能力，所以了解下指标的管理与实现，对我们会有很大的增益。
公司业务多，则指标多，如此多的指标，怎么管才好呢？
起初，很多公司会用 Excel 管理，构建一本“指标字典”，如果不明白某个指标什么意思，就去翻翻字典。毕竟，先上车后补票，让业务跑起来最重要。
公司业务发展好，人更多了，离线 Excel 文档不便于多人协同的问题就暴露了，在线文档出现后，离线文档逐渐被替代。
也有的公司也会用脑图来管理指标，不过这一类的工具，都算作是在线文档。但文档内容还是差不多，大体如下：
因为数据通常都是存在关系型数据库中的，所以定义指标时，也需要技术人员基于业务的数据模型给出技术口径，即指标的计算方式。
统一的指标共享文档，解决了指标业务口径一致性的问题，但还有 2 个问题没有解决：
先说第一个问题。假设系统中有一张用于记录用户登录的记录表，其结构如下：
起初，每日活跃用户定义为每天登录的用户数，日活用户数的取数SQL表达式为：
业务发展一段时间，日活指标的定义修改为“每日停留时长达到 1 个小时的用户”。业务定义变了，技术定义也要随之变动也会变动。假定有另一张用户行为记录表，结构如下：
那么日活用户数的取数的SQL表达式为：
而作为产品的运营者，我们监测用户活跃度，往往还会得到更细的数据，比如近 1 天活跃用户数、近 7 天活跃用户数、近 14 天活跃用户数。
每一个业务口径都对应着特定的分析条件，业务口径可有修改其中的分析条件组合方式，所以会对应很多种具体的技术逻辑（比如 SQL 语句）。
而且，当指标的业务口径变化时，技术定义为了保证数据的准确性，也要随之变更。如果每一种组合都写定一个逻辑，那么工作量是浩大的。
为了降低技术对业务支撑的难度，聪明的工程师们就想出了办法：对指标进行分层管理。
如果你看过指标管理的文章或书籍，或者体验过指标管理系统，那你肯定这个结论：指标要分层，通常分 2-3 层。
按照阿里的分法，指标有两层：原子指标（有一个小中间层：衍生原子指标）、派生指标。按照华为的分法有三层，分别是：原子指标、衍生指标、复合指标。
当我们接触一个新东西， 我们通常最先会看到演进的最终结果。如果我们忽视演进过程不去探究，会有一个问题，我们回答不清楚为什么是这样。
上文其实已经给出了指标分层管理的背景，那指标到底为什么要分层？