
5.1.3 指标搭建五步法
如果把指标搭建五步法比作一个金字塔,如图5-2所示,则需要从底部开始搭建,逐层递进,才可以到达应用层,让数据真正发挥作用。对于指标的意义,需要从全局去看,清楚指标对应的数值背后代表的业务含义。

图5-2 指标搭建五步法
指标架构的核心在于要基于业务场景来做。为了保持对“业务场景”的理解一致,我们用一段业务场景的描述来厘清各个概念。
L公司是一家领先的食品零售商,主要渠道为线上平台、线下门店。L公司经营了超过2000家门店,线上多个平台,覆盖多个食品细分领域。L公司的购买场景对应的是到店或者到家购买食品,覆盖消费者的多个业务场景。
基于故事线的描述,简化提炼出以下核心业务场景:消费者在交易场所购买了L公司的产品。拆解成业务场景如图5-3所示。
在拆解出业务场景后,我们确定在各个场景下看什么指标,对应做什么研究,如何解读这些研究结果,如图5-4所示。

图5-3 拆解业务场景

图5-4 业务场景聚焦
基于对业务场景的提炼和待解决问题的聚焦,我们可以进行下一步:根据要解决的问题设定指标。很多数据分析师非常喜欢设定一些自己的指标,这里需要提醒大家,在通用场景下,经典的传统指标可以解决80%的问题。如非特殊需要,比如只有用新指标才能发现和说明结论,无须设定新指标。
我们在图5-5中添加解决问题的对应指标就基本完成指标体系的搭建了。
有了这些指标,就如同拿到了企业经营的拼图。下一步就可以把这些指标沿着实现路径拼成一幅完整的画面。如图5-6所示,在画出指标间的实现路径后,我们就可以得到提升销售额的方法,不断提升消费者触达率+各环节转化率(或者缩短环节),最终提升消费者满意度,使之持续购买。

图5-5 添加对应指标

图5-6 实现路径
在确定指标与业务环节环环相扣并通过互相作用实现最终的目标后,我们就形成了完整的拼图。为了把企业的所有指标都清晰归类,我们还需要把指标按照不同的分类聚集成树状结构,这时就形成了指标树,如图5-7所示。

图5-7 指标树
一般企业的指标树梳理会相对复杂一些,不像示例这么简单,对于不同行业也存在一些区别。有了指标树,接下来就是指标应用。基于指标树的结构可以快速将其应用到日常报告中。
除此之外,指标树还可以用于各种交叉分析,比如销售额下降是否因为开店密度过大等。通过指标关联关系的分析,最终定位企业内部存在的问题并跟进解决。当遇到新问题,且现有指标无法解决和聚焦时,就会衍生出企业特有的新指标或者解决该问题的专属指标。