小进阶：数据指标体系和数据治理的管理
关于作者：小姬，某知名互联网公司产品专家，对数据采集、生产、加工有所了解，期望多和大家交流数据知识，以数据作为提出好问题的基础，发掘商业价值。
0x00 前言
我将整理文章分享数据工作中的经验，因为业务内容上的差异，可能导致大家的理解不一致，无法体会到场景中的诸多特殊性，不过相信不断的沟通和交流，可以解决很多问题。上次我们分析了一下职场基本功，为什么要重视需求质量，常见的数据需求文档改怎么写。今天我们来就聊一聊上次文章中的一个重点关键字“数据指标体系”的周边。
历史导读：小诀窍：不妨尝试从交付质量上打败对手
以下，Enjoy：
0x01 为什么要搭建指标体系
在《小诀窍：不妨尝试从交付质量上打败对手》我们提到过为什么要搭建指标体系，相信大家在看数据相关招聘岗位简介的时候，也经常看到有关搭建指标体系的要求，因此这里简单的给出两点做指标体系的重要性。
- 搭建稳定的数据观测体系（维度指标体系），让数据从生产到使用的整个流程更加标准、可靠；
- 稳定的数据观测体系，不仅能够让数据加工、使用的效率提升，还有利于统一认知，规范数据建设者的工作方法，解决数据维度/指标膨胀，数据不一致的问题，从而拉升内部的相关人员整体的数据专业水平。
如果大家仍然对搭建指标体系的作用和意义存在不同的看法和见解，希望继续深入的沟通了解，欢迎评论留言或者加入我们的微信群聊共同交流。
0x02 怎么搭建指标体系
我们先思考简单的数据问题，这是我作为校招面试官经常会同大家沟通的一个案例。
- 如果你现在成为一个产品项目的负责人，你想看到哪些数据指标，为什么要分析这些数据指标？
- 我们现在聚焦一下，从刚才列出的数据指标序列中选出x个指标，怎么选，为什么？
第1题考察点
- 互联网行业是否熟悉，能够对行业的数据指标有多深的了解；
- 基本的度量和效果评估意识，构建数据和商业业务的关系抽象能力。
备注：相信我，很多候选人连像样的指标都回答不上几个，更无法洞察数据和商业之间的关系。
第2题考察点
- 有限的选择下，是否有判断主次的逻辑能力，针对自身的观点和知识能否自我革新升华；
- 更深层次的思考，为什么要以更少的数据指标去判断商业行为。
这个题目对于处于职场实际工作中的同行来说同样具有考察需要，我们评估一个产品项目所需要的指标是越多越好，还是会存在其中一个适度的分界点（投入产出比的最大化）。
话题回到正题，怎么搭建指标体系？
首先任何没有管理或是数据指标系统的组织中，数据指标的需求形式都类似于第1题的样式存在，团队中不同的人拥有不同的度量单位和评估体系（即使这个人认识到第2题问题的存在，他自身的指标体系依然处于第1题）。
数据指标体系必须是搭建于组织或者一个团体的共识，让整个组织和团体内的度量单位和评估体系，第1题是缺乏管理，肆意生产的野蛮方式。让整个组织和团队提升到第2题的水平达成一致才是数据指标体系。
- 数据指标体系不是收集指标汇总起来，也不是将所有数据需求全覆盖；
- 数据指标体系是以最小的投入搭建科学的效果评估指标，让组织和团队达到统一认知的事情；
在《小诀窍：不妨尝试从交付质量上打败对手》我们提到过为什么要搭建指标体系，我们将（“平台：枚举值：全部、iOS、android、其他，例如web、TV归为“其他”）重点看一下，在搭建指标体系过程中，我们将数据量较小的平台（web、TV）聚合，不在允许对类似数据的过度效果分析（不允许什么都想要的态度）。
思考：人民币中为什么存在的是1元、5元、10元，2元钱的纸币为什么退出了历史舞台。国际货币为什么不能所有国家发行，美元的作用是什么？
0x03 指标体系的评估标准
指标体系除了有科学的方法搭建，还会存在很多主观的判断。我们在搭建指标体系的时候，经常遇到的问题是为什么大家要遵循这套指标体系，它的权威性怎么得到保障。
- 指标体系的搭建非常依赖领导的背书和强势认可
- 指标体系的搭建相对于提升团队的全员水平，所以这不是简单事
- 指标体系也有生命周期，不断的产品项目阶段需要的指标体系不同
基于以上的几点，指标体系的搭建方法论就很明确了，首先做到领导的认可（指标体系相当于和领导之间的一种协议），其次指标体系的宣贯传播工作不可或缺，其次指标体系的内容需要长期的维护。从这三点我们可以梳理出一个目标的观测值：
- 基于领导的认可，指标体系是否解决领导提出的问题，问题的量化目标就是指标体系的目标
- 提高全员的水平怎么证明，问卷、考试、需求文档的质量或引用、指标体系内容的访问数据
- 指标体系内容的更新频次、更新数量，内容汇报
注释：我认为最佳的期望是指标体系内容作为知识，沉淀于知识库工具中。通过知识的访问量，以及定义的测试来判断指标体系价值。
0x03 指标体系的管理内容
数据指标的概念我们很多同学听过，并且也经常看到招聘职位上的要求。但究竟指标体系的怎么落地，包含什么内容相信很少有人真实有过经历。
我对指标体系的理解总体有这个几个观点：
- 不同组织或者团体期望指标体系解决的问题一致，但落地的指标体系内容不同
- 指标体系落地产物强依赖于业务，不同的业务存在不同的玩法
- 指标体系多数情况下连同管理工具一起落地
- 我认为当前的指标体系，均不能很高效的解决期望问题，我自己目前较为理想的方案也未实际执行
指标体系中的业务指标内容（简版）
- 指标名称：意向UV // 名称要保持唯一
- 指标类型：基础指标 // 指标的计算方式，直接计算生成，还是多个指标计算生成
- 主题分类：流量主题 // 根据业务需要，对指标进行分类管理
- 业务定义/指标口径：意向页面的访问用户数 // 对指标的定义描述，目前看这块问题很多，歧义很多
- 统计维度：平台，城市，版本，业务类型…… // 实际工作中会发现，统计的维度很多
指标体系中的指标技术内容（简版）
- 指标代码：flow_intention_uv // 代码要保持唯一，如果指标名称业务内唯一，指标代码要全系统唯一
- 数据类型：bigint // 指标的存储数据类型，数据仓库中指标类型重要的不是很大
- 数据计算模型：略 // 指标计算的SQL逻辑，实际工作中感觉问题很大
- 字段名称：intention_uv // 对应数据表或是取数逻辑中的字段名称
- 计算公式：count（intention_uv） // 实际工作中，阅读理解还行，意义不大
以上为我们管理指标体系中的简版内容，实际情况根据不同的业务需求，以及工具的搭配使用需要的内容会更多一点，基本上都是为了维护运营指标体系，更好的管理指标名称和口径定义。
我认为当前的指标体系，均不能很高效的解决期望问题，我自己目前较为理想的方案也未实际执行。以上述的指标内容为例存在很多问题，比如：
意向UV：意向页面的访问用户数，在理解这个指标的时候需要存在一个前提条件，什么是意向页面。那么就会涉及到一个意向页面的概念，但是意向 页面本身不作为指标内容被管理。意向页面的定义“意向页面为详细介绍商品内容的页面。又或者理解为：在当前页面只需“1步”即可进入交易流程的页面，为意向页面。）”。
另外，数据计算模型：略 // 指标计算的SQL逻辑，实际工作中感觉问题很大。我们也会发现实际的工作当中，数据指标不会单独出现，更多的时候是日期 维度1 维度2 ……维度N 指标1 指标2 指标N的方式出现，数据的模型计算也是根据需求表头设计搭建的。
除去以上两个问题，指标体系的内容运营维护还会存在很多问题，这直接影响指标体系的搭建是否成功且实用。目前我所接触的范畴内，以上的管理方式适合传统企业的指标体系管理，在数据迭代速度快，多维分析强的互联网领域并不能接受业务的调整。
我比较理想的管理方式（当前处于尝试当中）：
- 搭建百科形式的知识库，以知识库管理指标体系，将指标的内容管理做成百科形式，不断的积累内容，才有可能进行知识的普及实用价值，才有可能标准化。（指标百科是什么东西，大家看一下“北京市”的百度百科即可，从不同的角度介绍北京，数据指标也应该有这样的补充，介绍指标的业务背景，概念定义，相干关系，所需要的数据源等等）
- 分类方式的改变，不能单纯的以指标作为分类。应该以业务分组合，比如我们看PUSH消息的数据效果，应该逐渐的是建立PUSH消息应该看那些维度和指标，解决不同的同学对同样业务存在不同的考量数据指标体系的问题。在搭建指标百科的同时建立数据效果监控整体的目标对齐，PUSH效果怎么评估，是否可以标准的稳定下来同样的一套数据，页面怎么效果评估，是否可以标准的稳定下来同样的一套数据。
以理想的方式搭建指标管理内容，在我前面的文章《小诀窍：不妨尝试从交付质量上打败对手》中有提到，我们可以根据需求的类型做分类进行固化。
0x04 指标体系的管理工具
管理指标体系内容搭建的管理工具，我们通常将其和元数据管理放在一起。也可以看出元数据管理和指标体系管理很类似（元数据的管也存在指标体系同样的问题），在管理指标体系内容的时候，基本涉及以下下几块内容：
- 数据仓库表管理 // 一般只涉及应用层数据
- 数据指标管理 // 管理上面提到的指标内容，新增，编辑，删除，状态等
- 数据维度管理 // 类似指标内容，新增，编辑，删除，状态等
- 数据模型管理 // 管理指标或者数据表头计算的模型，新增，编辑，删除，状态等
- 数据应用服务管理 // 支持数据可视化，或者数据服务的方式，接口等
- 数据权限管理 // 管理工具的权限运营维护
备注：指标体系的管理工具，须建立相关的运营维护流程。
当然，正如我几次提到当前的指标体系内容的管理不理想的问题，这是很多人遇到的问题，我也在探索新的管理方式，后期我会单独开篇文章总结以知识库工具怎么配合指标体系的大家。
