一、数据指标体系搭建流程

01、如何搭建数据指标体系

▶ “德勤”的数据指标体系方法论

首先，我们先来学习一下优秀的数据指标体系搭建方法论。数据指标体系搭建方法论有不少优秀的方案，大部分都大同小异，在这里我们来聊一下“德勤”推荐的搭建方法论，搭建一个高质量、高可信的指标体系。

“德勤”基于全球实践，提出了覆盖全行业的企业价值地图（Value MapTM）。围绕企业如何实现价值提升，将企业创造价值的来源从开源（增加收入）、节流（减少成本）、资产管理和预期管理四大方面，逐层细化为675个具体举措，形成企业发展的“价值驱动力”（Value Drives），有效指引企业高质量发展。企业可借鉴企业价值地图框架，进一步展开指标分解及归因分析，搭建高质量的指标体系。

为了保障数据指标体系的高可信，“德勤”构建了一套兼具高效性、体系性和落地性的指标体系梳理方法，涵盖了从“指标梳理-指标设计-指标落地”的全流程指标体系规范。

从指标体系设计框架图，我们可以发现，在数据指标设计到落地的过程中，为了保障数据指标的高质量及高可信，需要遵守几个基本原则：准入原则、合并原则、认责原则、命名原则、属性规范化原则、落地原则、分类原则、管理原则，当然还包括总体设计原则。在这样的有效设计框架下，从组织、制度、流程、技术、工具等方面充分保障数据指标体系设计活动。

“德勤”还提到在构建数据指标体系时，需要注意四个重点内容：识别关键绩效指标、聚焦核心业务领域、响应国资委“两利四率”考核要求、构建高可信的指标体系并分别说明这四个重点的操作路径。

▶ 数据指标体系搭建方法论
在这里，我们尝试将大多数的数据指标体系搭建方法论进行总结，可以形成以下所示的数据指标体系搭建方法论。

‍A. 从数据指标体系的搭建领域可以分为指标定义、指标开发、指标管理、指标应用这四个领域。

B. 从搭建过程我们可以分为“找指标”、“理指标”、“建指标”、“管指标”、“用指标”这五个过程。

C. 最佳实践法包括：

①定标准、设计原则、指标体系框架及要素：关键指标，以关键指标展开；定分类体系框架，充分考虑指标间关系；形成指标数据标准规范。

②引入业内成功指标体系，借鉴已有的指标成果：保障指标符合行业特点及公司业务需求，客户化指标。

③限范围，以点带面建设：如以监管指标或管驾仓指标为入口，先企业级关键指标，落地到各主题下的指标‍。

▶ 数据指标体系设计流程

在数据指标设计完成后，指导数据埋点、数据采集及数据应用的数据指标落地具体工作，在数据指标落地过程发现问题向上反馈，进一步完善数据指标体系。通过这样的循环过程保障我们的数据指标体系既符合企业的战略驱动、业务驱动、数据驱动等目标，又能与企业明细业务数据紧密配合，推动数据指标体系在全企业的应用。

▶ 数据指标体系开发流程

我们都知道，想应用数据指标，需要按照数据指标体系的要求进行数据指标的开发，下面这张图就能明确我们在数据指标体系开发过程中，它的流程及流程节点上的负责角色及可能用到相关工具。

通过这样的流程框架设计，为我们在进行指标体系中管理办法及制度提供明晰的组织架构及角色职责要求。

承接上面的开发流程框架设计，我们可以设计数据指标模型设计架构。

在这个架构中，我们明确数据指标的分类及指标不同类别的关系，以及说明数据指标的不同属性是如何指导如数据仓库中的事实表和维度表的设计。

▶ 分搭建流程明细说明

1、指标梳理

梳理方法：

•指标梳理的工作主要采用“自上而下”和“自下而上”相结合的梳理方式。

•指标分类应从企业战略、业务管理需求出发，自上而下基于业务条线逐层展开设计；

•具体指标以业务系统为导向，则自下而上逐层筛选、合并、整合、抽象并归类。‍

我们用一个示例来说明梳理方法：

“自上而下”：从业务域我们一般可以分为财务、人力资源、销售等等，然后在进行二级业务域划分，如销售可以分为市场营销、客户管理、订单管理等等（是否需要三级分类视业务复杂程度决定），这样我们就得到了一个指标分类的初步框架。

“自下而上”：我们从业务系统出发，从系统中识别其功能模块，例如ERP、CRM、SRM等，CRM系统中又有客户管理、订单管理等功能模块，我们从这些模块中包含的业务单据中就可以找到相应的数值字段，然后挑选出可以作为指标展示的。如果这些系统中有单独的统计报表功能，那么我们的工作相对简单，只需要从报表中找到相应的指标即可。

梳理思路：

整体梳理思路需要自上而下，从企业级到业务域到业务运营，上层衍生或者拆分到下层，下层指标值可以汇总到上层指标或者对相关指标的监控。

细化示例：

细化业务域的业务流程中的管控目标，和指标一起形成功能矩阵，标注出指标的产生、引用关系，处理发现指标字典中有重复、不同口径统计等情况，将形成含有分类和业务目标的指标字典。

指标数据标准制定:

数据指标体系除于分类框架外，最大量的工作就是我们需要制定一个个具体的数据指标。在银行业，一般这一类工作称为指标数据标准制定工作。在银行业也有相关标准来规范如何制定指标数据标准，在行业标准中也明确了指标数据标准应包括的属性有哪些（业务属性、技术属性、管理属性、扩展属性等）。

指标数据标准制定原则:

为了更好制定指标数据标准，我们需要在指标数据标准设计过程中，遵守相关制定原则。可以按下面四点来说明：

2、指标管理
指标管理与其他数据管理模块相似，而且指标管理从理论上来说不应单独管理，需要嵌入企业的整体数据治理体系中。

管指标数据的工作也是属于数据管理的工作，所以数据指标的管理需要嵌入到数据治理体系建设中，也需要数据治理体系促进企业内的主数据、业务数据、统计数据的标准和规范，保障并提高数据的数据质量。

管理指标需要建立指标管控制度和流程，明确指标认责人、指标用户、指标管控团队在各项管控活动中应遵循的管理要求和工作流程。

除了我们需要通过组织、制定和流程来保障数据指标体系，我们的数据指标体系也要全链路、全生命周期管控数据指标。来保障数据指标的高质量，体现数据价值。

下面的示意图中，我们观察数据指标的全生命周期管控可能会有哪些方面内容。

那如果从指标数据标准制定来考虑，指标管理会指定谁来负责指标数据标准的制定。

类似基础数据标准的管理，在指标数据标准管理工作中，同样需要数据治理归口管理部门来牵头指标数据标准的制定工作，并建立业务归口部门与技术主管部门的协作机制。

3、指标应用
最后，我们来思考一下，数据指标应用会有哪些方面，总结来说，会有下面展示的6个方面的应用。

02、如何落地数据指标体系

▶ 指标落地方法

为了保障数据指标的可得性和可用性，我们在设计数据指标时应充分考虑数据指标的可落地性。并通过指标验证来验证我们制定的数据指标的落地性。

上图明确保障落地性，数据指标体系中不同指标及数据指标维度的制定要求。并通过如指标探源、维度探源、指标实际数据源与预算数据源这些验证指标的落地情况。

▶ 指标埋点流程

数据指标在采集数据前，除了直接采集业务系统数据外，可能还需要设计数据埋点来采集数据指标所需信息。从指标埋点流程中我们来观察指标落地方法。