做数据分析之前，我们首先需要明确我们的分析目的，也就是为什么我们要去做数据分析，以及希望通过数据分析改进手头工作哪些具体指标，最终希望取得什么样的效果。其次，明确了数据分析的目的以后，我们就要对手头的工作进行业务数据指标体系的搭建，搭建数据指标体系需要5步走。
首先快速了解企业业务，这块的内容我们在上周《做好数据分析的前提是基于业务，一文教你快速了解企业业务》已做了详细讲解，今天我们继续讲讲搭建数据指标体系剩下的4步：①拆解业务模块；②定义核心业务指标；③梳理常见指标；④搭建指标体系。我们先了解一下如何去拆分企业的业务模块。
拆分企业业务模块，最主要的一点就是需要了解企业产品形态、业务逻辑、业务流程。
①产品形态：指的是熟悉整个产品的运作逻辑，关注的是用户角色，信息和渠道，以及他们之间的流转关系是什么样的，也就是产品的框架；
②业务逻辑：指的是要执行某个业务，用户角色需要走过的路径，会有什么角色参与，有什么功能模块（或子系统），模块之间的关联性，数据之间的流向是什么样的；
③业务流程图：在了解了业务逻辑的基础上，把功能分解下来，划分具体的细节流程，异常流程或提示等。
这里可以用到业务拆分方法中的：用户行为法、业务拆分法、指标推进法
1.用户行为法
数据分析的最终落脚点都会落到用户的行为分析上，只有更好地了解用户习惯、用户偏好、用户画像才能更好地创新或改进或迭代产品。用户行为法是将自己带入到产品与业务中去，实际的走一遍产品流程与业务流程，了解我们在这个过程中所收获的一些信息。
以淘宝为例，首先用户通过多种渠道了解淘宝，进入淘宝首页之后，用户会去搜索一些商品，或者是通过某些分类去了解一些商品，对商品产生兴趣之后，用户再去观看商品里面的评价与详情等信息，对商品满意与价格都满意之后，加入购物车，生成订单，最后支付。
以上每一个过程中用户的行为都可以作为产品迭代的研究方向，例如某用户浏览商品详情，什么样的详情介绍会让用户心理产生信任感，使用户将商品加入购物车，再做类似的产品详情页时，我们就可以迭代优化更会让人产生信任感的产品详情。
这里介绍的是一个标准的电商网站的用户行为路径，实际情况要更特殊一些。这里需要注意的是通过用户行为法将产品购买流程进行拆分，在每一个转化流程当中，都存在转化率这样的指标。
2.业务拆分法
业务拆分法针对的对象是一些大型的生态型企业，他们的业务多种多样，每个业务板块的产品布局也是不相同的。
业务拆分法其实就是一个企业把其业务板块进行划分，这里举例阿里巴巴集团的业务模块，共划分为4个部分：
①核心电商业务：产品包含了淘宝网、天猫商城、天猫、国际、聚划算等；
②云计算服务：阿里云提供的服务；
③数字媒体娱乐服务：产品布局包括阿里音乐、阿里体育、阿里影业、阿里文学等的一些服务；
④创新服务：高德地图、钉钉，Yunos等。
阿里巴巴作为一个生态型企业，把业务拆分成不同的子模块，既可以通过优势互补来达到共享资源，也可以将每个子业务经过重新定位来强化营收，同时业务之间增加其竞争力，在强化业务中寻求大创新与大突破。
3.指标推进法
指标推进法其实就是将企业的总指标进行层层划分，可以按照流程或者公式来进行拆解，根据分解的指标所涉及的工作内容，来了解整体业务的详细流程。
拿汽车经销商来举例说明，它的利润是作为一个最核心的指标，我们可以进一步拆分为毛利、费用、税金。而毛利又是来源于它的销售毛利、售后毛利、其他衍生业务的毛利，销售收入又是销售毛利的一个重要组成部分，同时销售收入主要来自于销量，而销量是根据它的一个销售线索进行的转换量。通过这种层层推进的方式，就可以详细了解整体业务。
1.定义核心指标的6个标准
核心指标对于一个企业的发展有着重要的作用。一个核心指标能够反映这个产品的用户体验、产品核心价值、用户活跃程度与公司发展状态，可以实时指导企业的业务，因此需要全体团队人员一起去探讨这样的指标，这里我们参考曲卉老师的北极星指标的定义，也就是定义核心指标需要遵循以下6个标准：
我们以两家公司 Facebook 和 MySpace 为例，从上图可以显然得看出，早期 Facebook 月活是落后与 MySpace的，但之后实现了反超，导致这种现象的原因有很多，但其中一个就是他们分别定义了不同的核心指标。
MySpace 的核心指标是其注册量，但注册量反映不了用户活跃状态，很多人注册完之后不使用这款产品，又或者注册完之后隔了很久才会去使用，具有明显的滞后性。而用户不使用产品，一方面产品无法根据用户的体验来迭代优化，另一方面，产品的知名度会逐渐下降，从而被新的产品替代。由此可见，注册量不能引导企业进行业务指导，因此注册量不能成为核心指标的一个标准。
而 Facebook 的核心指标是其月活数量。月活就是用户每月登录或使用产品的情况，可以反映产品的活跃程度，同时它也具有实时性，其好坏变化也能反映运营公司的发展状态。因此月活具备定义核心指标的标准。除此以外，我们可以看一些国外的不同企业所定义的不同的核心指标也不尽相同：
上表中 Box 作为一个 SaaS 的云存储服务提供商，它定义的核心指标是文件操作数，而不是使用数。我们设身处地的想一下，你是一个用户，在使用云存储的时候，不光会上传数据，还会下载文件，又或者会删除一些文件，这些操作通过云存储的一个空间大小是反映不出来的，但文件操作数可以很好的反映出这款产品的活跃状态。
2.参考产品的生命周期
除了定义产品的核心指标以外，由于产品一般会经过经历4个周期
①引入期：刚开始研发，探索市场的一个状态，用户增长缓慢；
②成长期：因为用户基数的原因，用户数会快速得到增长，市场方向明确；
③成熟期：产品基本成型，用户较为稳定，谋求产品盈利；
④衰退期：新产品代替旧产品，用户转向其他产品，用户量大幅度下滑。
产品每个周期的特点不同，自然目标不同，所以产品每一个部分的核心指标也不相同，让我们一起看看产品不同周期的核心指标是什么。
（1）引入期：核心指标是留存情况
比如说罗永浩的子弹短信，后来也改名叫聊天宝，它在刚推出的时候，大量的用户涌进，短期内它的用户注册量、日活跃用户数都很高，为什么现在开始变得销声匿迹了，主要是因为聊天宝的留存情况不好。
留存状况反映初创期产品的成熟度，产品如果能被大家所接受，留存率就会很高，那么这款产品未来的用户增长就会很稳定，但是如果只是一时的兴趣去使用了，这款产品就会出现迅速的衰退。
（2）快速成长期：核心指标是用户转化情况
快速成长期跟刚说的初创期不一样的地方就在于产品已经逐渐成熟，这时候我们的目标就是引入大量的用户，这时各个渠道的用户转化和用户转化质量，就会成为考察重点，这时候需要将各个渠道的价值发挥到最大。
（3）成熟期：核心指标是营收
用户已经比较稳定了，所以这时候企业会更致力于关注产品变现，以及产品变现所带来的一些价值体现，比如如何去提升ROI和营收就会成为这个时期的核心指标。
1.互联网领域常见数据指标
互联网领域常见数据指标有PV、UV、日活、月活、CPM/CPC/CPA、跳出率等之类的数据指标用来考察广告效果，还有考察用户留存，比如重复购买率、ROI等。
2.与销售有关的常见数据指标
销售常见的指标包括客单价、见单价、销售净利率、毛利率、库存周转率、交叉比率、平效等。每个指标的使用场景也是不相同的，例如拿其中销售的净利率来说，销售的净利率考察公司业务所带来的利润状况，销售的毛利率更关注的是具体产品带来的一个价值，而毛利率在减去运营成本之后才是净收入，运营成本不同会直接影响净收入，但毛利率可以用于同一公司中不同产品的营收对比。
指标体系可以简单的理解为由不同多个有相互联系的小指标逐级构型一个指标系统，这个系统我们叫指标体系。
业务指标体系是根据企业整体的目标进行的一层一层拆解，首先它本身是一个数值，我们可以整体的去衡量它，比如说我们定义销售额是一个整体指标，销售额2000万其实就是一个总指标。同时又可以通过各种维度来衡量它，比如时间的维度、空间的维度、竞争维度、转化维度和分类维度。比如时间维度，那么销售额2000万可以看到每个月的销量分布，这个销售额可以和去年做对比，或者是和上个月做对比。
以订单数为例来看看业务指标体系是怎样从不同维度进行划分的。
首先是将订单数划分为用户属性维度、行为属性维度、商品属性维度和订单属性维度。不同的维度下，具有不同其维度特性的小指标，例如用户属性的维度下，我们可以看到这个产品的用户画像是怎样的，不同用户的不同下单状况是怎样的等等，商品维度下，可以了解到商品的用途、分类等。订单维度下，可以反映订单购买情况，不同的订单属性，还有订单转化效果等。通过不同维度下指标来看整体的指标数，形成指标体系。
1.微信公众号指标体系
很多微信公众号运营者关注点只放在微信公众号粉丝数、总阅读数，但是粉丝数衡量不了粉丝活跃度，有些公众号空有几十万粉丝，可是大多数用户都不会打开阅读，还不如一个粉丝少，但是打开率和转发分享率高的公众号，传播范围更广。
这里是我们微信公众号的一个传播指标体系，将其分为内容、渠道、时效三个部分，在内容方面，也可以划分为选题、标题、泛文案等方面，泛文案这一块，又可以将分享率、收藏率作为其指标。分享率这块可以通过不同的维度来看这个分享率的数据，例如时间维度（每日的分享率的变化）、分类维度（两种类型文章分享率的对比）和其他维度等，最后构成一个完整的体系搭建。
2.互联网产品运营指标体系
互联网产品运营从宏观数据上来讲可以构成如下的的指标体系：
还可以通过微观指标也可以来考察这个产品的特点。
指标体系的建立非常考验相关业务人员的逻辑性，不同业务阶段的指标体系不一样，需要充分了解企业业务，并且拆解业务模块。
针对不同的业务模块的核心指标的选取一定要准确，需要注意不同产品的不同生命周期的核心指标也不一样。
在构建数据指标体系的过程中，需要遵循5个步骤：了解业务、拆解业务模块、定义核心业务指标、梳理常见指标、最后搭建相关产品的指标体系的流程，除此以外，注意对指标的意义深入思考，这样才能正确指引后续的数据分析
