什么是指标？
指标是将业务单元精分和量化后的度量值，使得业务目标可描述、可度量、可拆解。数据指标构成如下:
数据指标体系是对业务指标体系的汇总，用来明确指标的口径、维度、指标的取数逻辑等信息。它的价值体现在：
- 全面支撑决策
- 指导业务运营
- 驱动用户增长
- 统一统计口径
数据指标的主要类型：
因此在数据指标管理系统中新建的指标就是如图的三类，其中派⽣指标⾮常常⻅，
派⽣指标= 时间周期+统计粒度+修饰词+原⼦指标。
对数据指标有⼀个基本概念了解和分类情况后，我们看下如何设计数据指标体系。在⽩⽪书开
始时就介绍过建设数据中台的⽅法，⽽数据指标体系正是和⽤户沟通最频繁的，最核⼼的原则
就是”⽤户第⼀“，通过需求收集会，建⽴常⽤的关键性指标，从⽽为⽤户创造价值。另外要从
业务⻆度出发，设计典型的数据指标(典型性原则)，最后可通过系统性原则(通过⼆叉树形式组
织指标，从业务全局细挖到局部)来建⽴全⾯的数据指标。在设计好数据指标体系后，数据指
标体系的建设步骤如下：
- 确⽴公司业务的核⼼指标
- 确定⽤户⾏为的关键指标
- 进⾏业务需求的多维拆解
其中最后进⾏业务需求拆解时，⼯作量最⼤，需要从两⽅⾯(①宏观：按业务⼤盘拆解 ②微
观：按业务单元精分)进⾏拆解。最后依优先级进⾏系统性整合，将所有指标进⾏系统整合，
去除相似指标，避免重复分析的指标，保留具有典型性的指标。
在进⾏数据指标建设的时候，业界有3个指标提取⽅法可供参考，分别是 北极星指标、
AARRR、GSM模型：
北极星指标（North Star Metric），也叫作第一关键指标（One Metric That Matters），是指在产品的当前阶段与业务/战略相关的绝对核心指标，一旦确立就像北极星一样闪耀在空中，指引团队向同一个方向迈进（提升这一指标）。
其中GMV（全称Gross Merchandise Volume），即商品交易总额 [1]
日均活跃用户数量(Daily Active User，DAU)是用于反映网站、互联网应用或网络游戏的运营情况的统计指标。
建⽴数据指标体系的过程，发现每个部⻔对同⼀个指标的定义有可能是不⼀致的，
甚⾄⼀个部⻔内的⼈员对⼀个指标的定义有可能不同，他们通常只会站在⾃⼰的⻆度上定义指
标。总结下来，建⽴数据指标常⻅问题
相同指标名称，统计⼝径不⼀致
相同统计⼝径，指标名称不⼀致
不同限定词，描述相同事实过程的两个指标，相同事实部分⼝径不⼀致
指标⼝径描述不清晰或描述错误
指标命名难于理解
指标数据来源和计算逻辑不清晰
⾯对这些问题，我们需要为公司建⽴⼀套清晰、没有歧义的规范化指标体系，具体有以下措
施：
- ⾯向主题域管理：需要按照业务线、主题域和业务过程三级⽬录⽅式管理指标（业务线是 顶级⽬录）
- 引⼊原⼦指标和派⽣指标的管理⽅式：统计周期、统计粒度、业务限定、原⼦指标，组成 派⽣指标，所以原⼦指标可以定义为不能够按照上述规则进⼀步拆分的指标
- 指标命名规范：指标命名规范要遵循易懂、统⼀两个基本原则
对于原⼦指标，指标名称适合⽤“动作 + 度量”的命名⽅式（⽐如注册⽤户数、购买⽤户
数），标识的命名⽤英⽂简写或者汉语拼⾳缩写⽐较好。
对于派⽣指标，指标名称应该严格遵循“时间周期 + 统计粒度 + 修饰词 + 原⼦指标”的命名⽅
式，标识命名要⽤“修饰词 _ 原⼦指标 _ 时间周期”的⽅式。
- 指标关联的应⽤和可分析的维度：查看指标被哪些应⽤使⽤，⽅便查看。
- 分等级管理指标：⼀级指标：数据中台直接产出，核⼼指标（提供给公司⾼层看的）、原 ⼦指标以及跨部⻔的派⽣指标；要确保指标按时、保证质量产出，指标创建由中台负责。 ⼆级指标：基于中台提供的原⼦指标，业务部⻔创建的派⽣指标；允许业务⽅⾃⼰创建， 中台不承诺指标的产出时间和质量。
在了解上⾯的指标建设⽅法和步骤后，就可以逐步实施建设⾃⼰的数据指标体系了。虽然使⽤
系统去管理指标更好，但在建设初期，⼈⼒配备不够的情况下，可以采⽤Excel⽅式管理(指标
关联应⽤这些系统性功能⽆法满⾜)，由⼏个数据产品经理或数据分析师共同维护，在开发资
源充⾜的情况下，开发数据指标管理系统。概括来讲，数据指标的管理必须结合系统规范的治
理⽅法，同时通过拆分原⼦指标和派⽣指标的⽅式解决不同的两个指标描述的相同业务过程中
的相同事实部分⼝径不⼀致的问题。
