编辑导读：随着公司业务规模扩大，各类相关的数据量增加，数据指标也越来越多。如果缺乏数据指标体系和分析方案，就会难以判断整体业务发展状况、难以衡量产品/活动效果等等。本文作者就如何从0到1建立数据分析指标体系的底层逻辑展开分析，希望对你有帮助。

数据本身是无用的，除非你从中获取到有价值的洞察。——数据说·实操季

如今，各行各业都在说，“我们要数字化管理”，脱离“拍脑袋”时代。但是，到底怎么落地？数据指标怎么建立合理？不同的公司业务大相径庭，就算是同一个行业，也有不同规模，不同细分客户群，很难一概而论。有时候，看到竞品公司有哪些指标，虽然不知道有没有用，我们也急着“跟风”。

什么才是适合自己公司或部门的数据体系？“人、货、场” 理论似乎很有用，但不是每个公司都有实体店，5W2H好像也很有道理，每个步骤都要套用这个理论么？SWOT好像也很有道理……

今天，我们就来抛开所有这些看起来高大上的理论，从底层逻辑出发，梳理建立数据指标体系和分析方案的底层逻辑。

01

首先，我们来了解一下指标是什么？

百度百科解释指标为：预期中打算达到的指数、规格、标准，一般用数据表示。

比如，Boss开年会时说：“我们今年新增的几个指标：员工流失率、门店客流量、客单价……（balabala）成果丰硕，收益明显！”。发言中所提到的“员工流失率”、“门店客流量”、“客单价”，就是指标，是对结果的数据化描述。

那么，什么是数据指标体系？即将零散的数据指标串联起来，成为一整套体系使其具备业务参考价值。

02

在商业中，数据只有一个目的“解决问题，创造价值”。

但是“解决问题，创造价值”，对不同立场的人来说不一样。对研发部，出多少bug和做多少功能的比例很重要；对于销售，多少订单很重要。要是订单销售数据给研发部，对日常工作并没有参考作用，bug的比例给销售也没用。但是这些数据对总裁部都很有用，可以综合得知成本和利润比例。

为了解决这个问题，引出第一条底层逻辑：