在企业经营管理中，如果不能对企业数据进行组织管理，数据不但不能成为企业的资产，反而会成为企业的“负担”。指标可以直接反应企业生产运营销售等各环节情况，为决策层提供支撑，在企业经营管理中占有重要地位。

根据北明项目实施经验和用户调研，我们对常见的指标问题进行了总结：

1、指标重复建设。企业系统架构庞⼤，指标由各业务需求部门分散于各系统进行建立，指标口径和统计方法并未统一。有了新指标需求后，各部门独立建设，前期构建指标并未进行复用，无法进行跨部门跨领域的指标积累，大大增加了指标开发工作量。

2、指标管理不规范。指标的建设和维护常常依赖于技术人员，随着企业IT部门人员流动，研发人员对指标理解逐渐缺失，需要重新查看代码才能进行指标理解。另由于开发人员操作不规范问题，可能导致一个sql脚本对应多个指标计算，导致后期指标逻辑调整，造成较大影响。

3、指标血缘未跟踪。开发人员交付的指标报表，由于时间久远，需求方、指标来源表、使用者等方面不清晰，很多指标由于后续业务调整已经无人管理和使用，但是仍然进行定期计算，占用系统的计算资源。另由于数据源提供数据的质量问题，导致指标计算不准确，且未进行问题追溯。

4、指标价值难挖掘。业务人员往往不会使用复杂指标工具，开发人员难以从业务人员角度理解需求，业务人员在进行数据分析时，很难自行进行复杂指标开发，由于和开发人员的沟通成本，导致一些分析想法难以实现，难以挖掘数据的价值。

5、指标应用难创新。随着各项大数据分析技术的发展，通过算法实现归因类、预测类指标的应用越来越广泛，但这类指标开发仍然存在较高的门槛，企业往往由于缺乏相关的技术支撑和团队支撑，无法构建需要的指标，推动业务创新发展。

针对上述问题，我们在本篇主要探讨如何科学的建立指标体系，如何规范的进行指标管理，帮助企业构建和沉淀指标体系，解决数据治理中所遇到的指标问题，助力企业进行数字化转型。

数据指标定义     

指标是⼀种衡量业务⽬标的⽅法，是企业⽤来描述现有业务或预测未来业务的⼯具，指标是指将业务单元细分后量化的度量值。它使得业务⽬标可描述、可度量、可拆解。

比如衡量企业经营管理时的资产负债率、投资收益指标；考核生产效率时的生产计划完成率指标等。企业的每个业务环节都会涉及到指标。

数据指标构成

数据指标的构成部分主要有指标基本信息、指标维度、指标度量、指标的汇总方式等。

指标维度将会在下节进行说明，指标度量是指指标物理量测定，通常以数字+计量方式表示，一般指度量单位，指标汇总方式指指标的计算逻辑，如求和，平均值等。

数据指标维度

广义的维度是指是事物或现象的某种特征，是通过不同角度分析事务的方法，常见的指标维度有时间、地区等。维度的可以分为定性维度跟定量维度。

一般文本型维度为定性维度，如性别、学历、国家、地区等，通过数值进行衡量的维度为定量维度，如收入、年龄等。

数据指标分类

从指标运算聚合程度上来划分，可以将指标分成基础指标和复合指标。

基础指标是从粒度最细的业务明细数据中做一层聚合，只进行最基础的统计加工，同时也是数量最为庞大的指标群体。

复合指标指在基础指标的基础上，进行复合运算，运算的方式可以是简单的六则运算、也可以包括复杂的公式，或数据处理算法。

从指标的重要性和层级上划分，又可以分为公司战略层面指标，业务策略层面指标，业务执行层面指标。通常战略方面指标用于衡量业务执行层面指标，策略层面指标是为了实现战略层面指标而设计，往往称为二级指标。业务执行层的指标又是对二级指标的拆解和细化，通常是指导工作人员开展工作的内容。

数据指标管理意义

我们了解了指标的定义后，接下来详细讲解下构建指标管理体系的意义，企业决策管理层深刻了解到指标体系构建的意义后，有助于通过从上到下对构建指标体系进行推动。建设指标管理体系的主要意义有：

1、厘清业务现状：构建不同层级，不同主题、不同维度的指标，让企业经营者以及各部门人员，对现状公司的现状有较为统一的理解。

2、全面业务分析：查看关键指标数据，认识公司业务与行业标准、竞争对手的差异。找出业务痛点，整体业务问题。

3、持续产品优化：通过预测类指标对企业经营问题、风险、财务收入等方向进行预测，通过预警类指标对生产过程预警、投资风险等进行预警，通过归因类指标对设备故障，业务异常进行归因分析。整体上帮助企业持续进行产品和业务的优化。

指标体系建设原则

企业需要构建数据指标管理体系，从原则上要做到以下几点：

1）指标的分级分类：进行集团及指标维度、分类、层级的统一定义，避免指标重复，作为后续各部门指标的创建梳理提供统一的标准。

2）指标的统一口径：对各类指标进行统计口径的统一，避免计算过程中发生歧义。

3）指标的规范管理：设立指标管理办法，将指标统一管理责任到人，保障指标管理能够持续有序运营。