编辑导读：数据指标体系的成立，可以帮助产品经理更好地梳理和理解业务，找出业务流程中的问题，进而推动产品的迭代优化。那么，数据,指标和体系应该如何建立呢？在这篇文章中，作者总结了数据,指标和体系,的编排方法，让我们来看看。
今天偷偷告诉你一个简单实用的数据,指标,体系,的整理方法，保证你一学就会。至于浪费不浪费，就看你自己的运气了~
#一、前言
在产品设计领域，一个产品从构思到落地需要经过以下几个步骤：需求、功能、交互、需求、功能、交互、数据.对应的岗位如下
和需求分析师（写文档的）、产品经理（画图的）、交互设计师（搞动效的）,数据的产品经理。
数据,数据,指标的成立，绝对是体系产品经理的高光时刻！毕竟老板和用户看不到，也不关心数据收藏、数据优化之类的工作.很多公司没有换过工作的数据产品经理，所以这也可以说是产品经理的高光时刻.
如何把握这个高光时刻？让我们往下看~
# 2.什么是数据,数据和指标?
在建立体系,数据,指标,之前，我们必须先了解什么是体系,数据,指标~
我们先来看看这张图：
让我们把“http://”这个词，体系和数据"分开来理解。
指标体系分为三个部分，即数据,指标和体系:
1.数据代表指标;
2.体系代表了一种数据;
3.可量化代表着其中的指标。
还是不明白，对吧？没错。
我们再举一个实际工作过程中的例子：
比如你是一家创业公司，公司只有十几个人。然后今年营业额刚突破一百万，然后你老板在年底开庆功会，给大家定下来年的小目标，先赚他十亿！
你认为老板想赚那十亿吗？你的模式是什么？俗而浅，tui！
老板显然是想帮助我们了解结果,而体系和逻辑。多么用心良苦啊！
你看，十亿美元的数据就是指标,这完全符合我们的定义。这是体系!的结果
老板帮我们确定了指标,之后我们要一个个碰杯，玩得开心，不要吐出来~
碰杯的时候还要顺便决定，谁来承担多少，哪个地区承担多少，然后大家一起讨论，什么产品能卖多少钱？
看，这不是可量化?吗
指标体系中的 体系 么！挨个碰杯喝酒，分配指标的过程，这他喵的不就是指标落地的 逻辑 嘛！老板不知不觉，就帮助整个公司建立了一套无懈可击的指标体系，谁要是敢说这个老板不是个技术出身的产品总监大牛牛，我庄晓庄第一个不愿意！
# 三、为啥要建立数据指标体系？
以上小公司的老板，已经从非常专业的角度，带我们深刻感受了数据指标体系的精髓，接下来，关于为啥要建立数据指标体系，我再聊聊自己的一些不成熟的小想法~
## 1\. 业务角度
对于我们产品经理来说，建立数据指标体系的过程，可以说是提升产品价值的一个过程！
因为我们可以从另一个角度，更加全面，更加系统地梳理业务、理解业务，进而重新思考以及提升产品价值！
对于我们的产品用户，例如销售或者运营来说，数据指标是指引业务方向的依据，而体系则保障了整个业务是可以从多维度、全方位的上帝视角去查看的，并且发现了各种问题，都是可以追溯根源的！
被数据搞崩溃的同学也不在少数，如果没有体系的话，就会造成随着产品迭代，逐渐增加各种五花八门的报表，然后业务同学分析具体问题时找数据却变得越来越难，每天会消耗大量时间在不断地寻找数据、核对指标的泥潭中无法自拔。
## 2\. 技术角度
产品刚开始用的时候，所有需要的指标数据，都通过SQL语句去各种基础表里面查询出来的，开发写好SQL，然后系统每天跑跑SQL就完事了。
但是随着时间的推移，各种数据指标越来越多，SQL已经跑不动了。但是会发现其实很多地方用到了类似的指标，可能维度不同或者可能完全相同。
这时候就需要升华一下方案，将SQL语句，细化到指标的计算上，这就要引出另外一个概念了： 数据仓库 。
从业务角度来说，搞的是数据指标体系，而从技术角度来说，建立的则是数据仓库！
# 四、数据指标体系该咋建？
具体做事情的环节，我通常都是以目标为导向，数据指标体系在工作流程中的目标就是为了建立数据仓库！
为了达成这个目标，我们有这么几件事需要搞定：
## 1\. 罗列出所有指标
之前在《三步搞定数据统计分析：统计+分析+可视化》中讲过，先模仿才能超越，不知道有啥指标能罗列的，请参考（抄）下图：
## 2\. 确定指标的计算公式
这个很重要啊，开发要根据这个撸代码呢，如果你业务上定义不清楚，那产品开发出来以后，肯定就完犊子了。
我是遇到过，不同开发写的，不同页面上同一个指标的数据都不一样的，原因就是计算方法不同……
计算公式可以分为两种，一种是标准的指标公式，例如PV、UV这些，直接用度娘上面的标准公式啊；另一种就是具体业务的指标公式了，这个就需要根据实际情况定义清楚啦。
注意：计算公式，最好不要用语言描述，直接给出数学公式！
## 3\. 确定指标的统计维度
方法同1，不会就先模仿（抄），同样的，该图来源于我之前总结的文章《三步搞定数据统计分析：统计+分析+可视化》。
## 4\. 说明各个维度指标的意义
这就是产品经理的本职工作啦，在需求评审会的时候，我们不仅要传递怎么做，还得传递一下为什么要这么做，这样才能够服众嘛，而且开发也能够自己做事情的意义，而不只是一个撸代码的工具！
## 5\. 罗列出维度的相关属性
这个就是我们数据库表里面的各种字段啦，我们看一下接下来的例子，肯定立马就明白了。
还是回到我们老板定的小目标的专业角度，按照以上我们不成熟的小想法，最终呈现出来的结果大概是这样的：
其实从非严格意义上来说，这就是数据库建模的逻辑层了，然后开发同学，根据这个逻辑层的表，再去搞搞物理层的设计，就差不多能出数据仓库的建设方案啦！
而且再补充一点，毕竟我们是从产品经理的业务角度来梳理这个表的，所以像什么表的主键啊、外键啊，这些我们不用考虑，这个阶段把业务梳理清楚就ojbk了~
# 五、概念补充
## 1\. 数据切片存储
这次词听起来挺高大上的，但我们把数据当成面包就好理解多了，也能更加形象地理解搞数据指标体系的意义了。
我们可以把面包横着切，存起来早上吃；竖着切，存起来中午吃；斜着切，存起来晚上吃。
数据指标体系也是一样的了，以各种维度（员工、区域、时间、产品）存储起来（切片存储），然后在不同的场景下随用随取就行了。
相当于专门整了一个中间表，用于存储各个维度的结果数据，然后需要用的时候，直接从这个表里面找结果数据就行了，少了那些个SQL计算的过程！
## 2\. 星型模型、雪花模型
以上老板所整理的专业的数据指标体系，就是最简单的一个例子，也就是只有一层的 雪花模型 。
但实际工作中，我们往往会碰到多层的情况，比如一个网络访客，他的属性有IP；然后IP还有属性，比如地址、使用场景；再然后使用场景还有属性，比如企业专线、移动网络等等，这么列下来，就是
雪花模型 了。
## 3\. 大宽表
以上两种模型，还能再引出一个概念，那就是大宽表。
有些同学可能会觉得，维度层级多了以后，一层一层列举出来多麻烦啊，那就有简单粗暴的一种方法，那就把所有的属性，都列到同一个层级当中，也就是整一张数据超级多的表，这就是大宽表！
大宽表，简单粗暴，绝对能用，但是有利有弊，具体的利弊让技术评估吧，我们产品经理就不专业了，但是这个概念还是需要了解一下的，哈哈哈。
# 六、结语
术业有专攻，我们作为产品经理，把业务梳理清楚就可以了，然后再懂些基本的技术原理，按照技术思维梳理出相应的文档就非常不错了。
接下来就是由开发来整理具体的数据仓库建设方案了，我们就可以安心摸鱼啦，哈哈哈~
## #专栏作家#
晓庄同学；公众号：晓庄同学产品笔记，人人都是产品经理专栏作家。互联网老兵，各大平台专栏作者。
本文原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash，基于CC0协议
