数据人如何选择核心数据指标？

随着大数据的发展，数据逐渐发挥出其价值，从一串串各不相关的数字度量，到有一定的业务价值，可以起到监测、预警、控制的作用，这里所指的带有业务价值的数字度量就是数据指标。那数据这么多，如何才能选出核心指标呢?

据美国约翰斯·霍普金斯大学发布的实时统计数据显示：截至北京时间4月2日16时11分，**新冠肺炎确诊病例已**过93万例，共计939436例。其中美国累计确诊216722例，确诊数依然居****，日新增确诊病例2.6万，死亡病例5137例。在全美范围内，疫情高发区的纽约累计确诊数已**8.4万例。

看到这一系列数字，是不是觉得十分震撼?你不是一个人，小特同学也跟你一样，以前觉得没有人比我更懂病毒;觉得我们做的很好，病毒即将消散;觉得记者都夸大其词，一个个的都很糟糕;觉得或许这就是人生吧。到现在，看到一个个掷地有声的可怕数据，终于意识到美国疫情的严重性，推出了2万亿美元的财政刺激方案、采取一系列防御措施来控制疫情发展。

数据化时代到来之前，人们大都是以“我觉得”来作为决策依据，总是自以为是，小特同学就是一个很好的例子。但随着大数据的发展，数据逐渐发挥出其价值，从一串串各不相关的数字度量，到有一定的业务价值，可以起到监测、预警、控制的作用，这里所指的带有业务价值的数字度量就是数据指标。

那数据这么多，如何才能选出核心指标呢?

接下来我们来看看约翰斯·霍普金斯大学是如何选择其核心数据指标的。

从上图可以看出，约翰斯·霍普金斯大学发布的实时数据，按疫情发展过程统计了确诊数、死亡数、缓解数等原子指标，增加了时间/地理维度或修饰，得到一系列的派生指标，包含**、意大利、美国、纽约、加州、华盛顿等城市等国家及城市的确诊数、日新增确诊数、现存确诊数、死亡数、缓解数等派生指标。

此处都是经历过挑选然后留下的核心指标，如果是让你来做数据图，你会选择哪些指标，为什么?怎么选的?选择方法是什么?

核心指标选择方法可总结4步：找准定位，从点到面、层层剖析、见招拆招。

第一步：找准定位

国内的丁香医生统计的数据指标，就与美国约翰斯·霍普金斯大学统计的指标有所区别。丁香医生统计的指标关注了境外输入数、新增境外输入数、现存重症等指标。若将疫情发展生命周期分为起步期、增长期、平台期、消亡期，则此时国内疫情处于消亡期，美国疫情处于增长期，两国疫情阶段不同，所以其关注的核心指标亦有所区别。

同理，对于企业业务而言，产品亦有其生命周期，且在产品的不同阶段，所需选择不同的数据指标。

PLC模型

PLC模型(Product,Life,Cycle,Theory)：又称为产品生命周期理论，是由美国经济学家raymond vernon提出，用于表示一个新产品从开发进入市场到被市场淘汰的整个过程。产品生命周期可分为初创期、成长期、成熟期、衰退期。在产品不同阶段，各业务方关注的数据指标有所区别。

初创期：产品刚刚上市，各功能都不完善，主要精力在于打磨及验证产品能力，先提供MVP版本的功能，服务有需求的特定人群。这个阶段会着重关注目标人群画像、关键行为、留存率。

以公众号“一个数据人的自留地”为例，公众号目前运营1个月。MVP版本提供的服务主要围绕数据产品开展，包含数据产品、BI、数据指标体系、用户画像、数据分析、数据策略等数据专业文章，以及埋点，SQL兴趣小组、知识星球，帮助数据产品进行知识的沉淀。

产品定位为初创期，所以主要关注点更多是打磨服务能力，了解用户群体的需求与产品服务的匹配度，重点关注的指标如：

1)目标人群画像：职业分布、性别、年龄、地域

2)关键行为：阅读、分享、关注、取消关注、收藏、在看

3)质量：仍读比例、跳出比例、阅读深度

快速成长期：经过了产品质量的打磨，产品有了较好的用户粘性，这时候产品开始进入自发增长期。处于自发增长阶段，可以将侧重点放在用户生命周期前半段的管理上，包含用户增长、激活、留存。

成熟期：此时用户增长趋势较为平缓，关注的核心指标由用户生命周期的前半段(增长、激活、留存)转为后半段(流失、回流)，同时关注商业化转化路径。

衰退期：用户消费习惯发生改变或行业竞争大，用户转向其他产品，从而使原来的销售额和利润迅速下降，于是产品进入衰退期。

明确产品定位后，其产品目标往往有了初步的概念，下面我们来看如何将目标拆成一个个可量化的数据指标。

第二步：从点到面

整个疫情数据体系十分庞大，疫情体系对象包含患者、医院、医疗设备供应商、**机构，从不同层面看，关注的指标各不相同。从整体患者层面看，展示确诊数、新增确诊、病死率、死亡数、缓解数;从医院层面看，展示医院确诊数、医护确诊数、医院病死率、医院缓解率……那可以通过什么方法来确定这些指标呢?

OSM模型

OSM模型(Obejective, Strategy, Measurement)：是指标体系设计过程中辅助确定核心的重要方法，包含业务目标、业务策略、业务度量。

目标：用户使用产品的目标是什么?产品满足了用户什么需求?

策略：为了达成上述目标我采取了哪些策略?

度量：采取的策略带来哪些数据指标变化?

下面根据产品、运营、市场、客服、风控等部门的KPI/目标，以及为实现目标所采取的策略，进行分析，可得到一系列的结果/过程指标。

通常产品关注用户体验/功能优化情况，运营关注用户增长/转化，市场关注渠道/广告营收，客服关注投诉/评价情况，风控关注风险等情况，具体情况根据对业务部门的调研结果确定。

第三步：层层剖析

指标分级法

此处采取指标分级法对指标进行层层剖析，过程中可结合OSM模型来确定指标。

一级指标：公司战略层指标，全公司认可、衡量业绩的核心指标，直接指引公司的战略目标，可以通过**指标法来获取。

**关键指标法：是在《精益数据分析》一书中提到的方法，这个方法不是说一个公司只为一个指标负责，而是说在任意一个时间点，肯定只有一个较关键的指标。但随着业务发展，关注重点会有所变化。

根据产品商业模式以及产品所处生命周期的阶段，来确定**关键指标。例如以网约车行业为例，C2C网约车模式下处于营收阶段的产品，关注点在于以更低的成本获取更多的用户和营业额，关注扩大市场规模，创造更多价值，其**关键指标就在于GMV。

二级指标：业务策略层面，也称为结果/核心指标，是对一级指标的路径分解，通过查看二级指标，可以快速定位变化原因。如完单量、客单价、完单率等。

三级指标：业务执行层面， 也称为过程指标，是对二级指标路径的分解，三级指标通常是业务过程中较多的指标。

根据各职能部门KPI不同，其关注的指标也各有差异，通常在拆解二、三级指标时，会结合OSM模型来进行划分。

第四步：见招拆招

当然，在实际业务过程中，可以根据产品、运营人员的需要，再继续往下细分，选择相对应的分析模型，如Google以用户体验为中心的HEART模型，衡量网站体验的PULSE模型，阿里衡量用户体验质量的五度模型，以及增长黑客中的AARRR模型等等。

接下来我来介绍一下用户增长中使用比较多AARRR模型，其他的模型大家也可以自主探究。

AARRR模型

AARRR模型(Acquisition，Activation，Retention，Revenue，Refer)：因其掠夺式的增长方式也被称为海盗模型，是由戴夫·麦克卢尔(Dave McClure)于2007年提出，其核心是AARRR漏斗模型，对应的是产品的生命周期。

获取：新增了多少用户?从哪些渠道来的?

运营人员通过各种推广渠道和使用各种方式宣传产品，来吸引目标群体注册为产品的用户，在过程中通过对不同营销渠道的效果进行评估，从而更加合理的制定投放策略，较小化用户获取成本。

激活：用户在产品上完成了什么操作?操作频次如何?

通过新手奖励、产品引导等方式，引导用户去进行产品功能的体验，让用户去发现、认可产品等价值，并且会持续性使用产品。

留存：用户是否连续不断使用你的产品?

有的用户来的快，走的也快，这时就说明这块应用没有用户粘性，或者是这波新用户质量不高等问题。通常一个老用户的成本远远低于获取一个新用户的成本，所以这个过程中，不仅要知道如何开拓新用户，还需要关注用户的留存率，以及用户是在什么状况下流失的。

收益：用户为产品带来了多少收益?

商业的本质是盈利，获取收益是产品和公司发展的基石，收入的来源有很多种，比如服务费、广告收入、流量变现等，主要考核的指标包含客单价(ARPU)、付费率(PUR)等。

传播：用户是否愿意推荐你的产品?

自传播也叫口碑传播或病毒式传播，指用户自发对产品进行推荐，自传播比较重要的指标是K因子(推荐系数)。

K=每个用户向他们的朋友发出的邀请数量*接收到邀请的人转化为新用户的转化率。

假设平均每个用户向10个朋友发出邀请，平均转化率为20%，则K=10*20%=2。

a)当K>1时，用户群就会像滚雪球一样增大，实现病毒传播。

b)当K<1时，用户群道某个规模时，自传播增长就会停止。

AARRR模型并提供一个系统的流程，帮助完成数据指标的选择。

如上图所示，可以根据实际业务场景，结合使用OSM和AARRR模型，来系统性的选择不同阶段所需要的核心数据指标。