一、为什么需要KPI
对个人而言，有目标才有动力，清晰的目标是照亮前行之路的灯塔；对管理者来说，目标可以更加公平公正的评估同事绩效成绩，用客观结果代替主观评价。目标制定时要符合SMART原则：
S（Specific）：目标必须是具体的，也就是要用具体的语言描述清楚想要达成的行为标准，例如“增强用户意识”，提高产品质量，提高响应速度，提供专业服务这些可能都可以属于增强用户意识的范畴，“增强用户意识”就会出现指向不明，不知如何着手的情况
M（Measurable）：目标是可衡量的，即要明确衡量目标是否达成的标准，最好是有可量化的指标，例如“提升用户产品使用时长”,现状是多少，提升至多少才算完成目标呢？
A（Attainable）目标要是可以达到的，无法实现的目标只是画大饼而已，而且一直无法实现会影响个人及团队的积极性
R(Relevant)目标和业务方向或其他目标有相关性，与主营业务无关的目标只会占用资源
T（Time-bound）目标要有明确的完成时间，否则只会无限延期
有符合SMART原则的目标很重要，有可以量化衡量目标完成的情况的KPI（关键绩效指标）更重要。
二、数据产品KPI的困惑
C端产品或销售部门的KPI比较容易确定，比如转化率提升至XX，8月销售额达到XX千万等，指标确定后基于历史业务增长情况算一下高、中、低标的增幅，或者基于历史数据用时间序列的预测模型预测一把，下个月的KPI就出来了。但对于B端产品，尤其是数据产品，一般服务公司内部（商业化的数据产品服务于外部企业的员工），如何确定产品的KPI呢？
看用户数量？例如日活数为5精准营销平台（DMP）和日活500的OA产品相比，DMP平台产品表现就是很糟糕吗?当然未必，因为DMP核心用户群体相对有限，主要是用户运营，一个公司的运营人员的人数可能就是那么几个，这些人可能每天高频使用产品，进行数百万或千万的用户触达，带来十万级的新客增长或老客召回。而OA平台是员工日常办公场景下的一个门户入口而已。
看版本迭代速度和需求数量？每周都迭代的产品表现未必好，因为也可能是产品规划的时候方案设计缺陷后期返工，或者用户需求调研、挖掘不透彻，上线推广应用后，其他用户提出新的诉求。
显然，数据产品的KPI不能简单从UV和需求完成数量来确定，要把用户使用情况和产品价值两个维度综合考虑，数据产品的价值可以分为：决策支撑、降本提效、数据赋能，
决策支撑：一般是可视化报表、数据分析类产品，通过数据产品帮助业务发现经营问题，调整业务策略
降本提效：工具类数据产品，提升数据获取&分析效率，节省开发时间&人力成本
数据赋能：个性化推荐、AI产品、CDP/DMP平台等，通过数据产品，促进用户转化，拉升业务增长
三、数据产品KPI案例
UGC类型的产品：主要是工具类，用户基于平台进行数据加工任务、数据可视化报表配置、或者SQL查询，以DMP精准平台为例：
用户使用情况：DAU、MAU、累计用户数、访问频次、使用时长、活跃用户占比(访问用户数/开通权限用户)、用户满意度（问卷调研制定量化指标）
内容生产&消费情况：人群数、场景数、标签数、触达用户数
人效提升：业务自助配置VS依赖开发变现，单营销场景时长从XX天降低至XX小时，节省人力成本XX人/日，周营销频次提升XX
效果提升：基于平台算法模型或系统推荐精细化人群VS业务经验或粗放式版本，这里不能简单用订单数、转化率指标来衡量，因为给用户发Apppush，即使不使用平台，也可以产生订单和转化，而且用户是否点击会受到push文案等多种因素影响。
系统性能：数据处理效率、数据时效性、接口QPS、接口响应时长
PGC类型的产品：平台生产内容，业务直接使用或者调用，如定制化主题报表、交互式数据查询&分析系统、数据服务接口等。以数据可视化平台为例：
用户使用情况：DAU、MAU、累计用户数、访问频次、使用时长、活跃用户占比(访问用户数/开通权限用户)、用户满意度（问卷调研制定量化指标）
平台稳定性：系统性能（页面加载时长2s内）、故障时长、故障频率、数据异常次数
效果提升：分析效率提升（交互式分析、智能分析时长VSSQL取数或离线excel分析时长）、临时取数频次变化（定制化报表上线一般为了解决常态化的数据获取需求，一个报表上线，相应的临时取数会有所减少，否则只能说明固化报表并未充分挖掘和覆盖业务需求）
业务价值：问题发现占比(数据系统监控预警发现的异常数/系统发现 人工发现)
总结
制定可量化的数据产品KPI，不仅是产品迭代的方向指引，在工作总结和汇报乃至求职简历中，关于工作的价值也会更有说服力。
讨论：关于数据产品KPI，你还有哪些思路呢？欢迎在留言区交流。
