随着经济增速的放缓，通过科学、有效地精细化运营实现业务持续增长，已成为企业发展的首要任务。如何有效利用数据指标体系，将决策方向从“业务经验驱动”向“数据量化驱动”转型，成为企业的关注要点。
对比单一指标“出现什么问题，分析什么”，数据指标体系“通常能够更全面地结合上下游各指标，进行多维度的数据分析，使得问题分析和方案优化更具针对性和参考性”，因此受到很多企业青睐。但很多企业在实际搭建数据指标体系的过程中，都出现了不少问题，例如：指标体系搭建无重点，只是单纯的罗列指标，无优先级，无核心关键指标；不同部门同一指标口径定义不一，导致指标定义模糊、逻辑混乱，影响数据质量和业务开展；指标无法全面量化企业业务，无法清晰了解企业业务现状。
为此，数通畅联依托多年实践经验推出了数据中台方案，帮助企业构建真正有效的，可以快速解构业务、理解业务、监控业务变化、发现业务问题、快速定位问题、科学决策业务的数据指标体系。
无论是现在的互联网企业，还是传统型企业，都需要数据分析，科学的数据指标体系能指引公司在正确的道路上不断前进，或者使平淡无常的业务焕发新生，而不合理的数据指标体系可能使得业务方无所适从。
数据指标有别于传统意义上的统计指标，它是通过对数据进行分析得到的一个汇总结果，是将业务单元精分和量化后的度量值，使得业务目标可描述、可度量、可拆解。
数据指标需要对业务需求进行进一步抽象，通过埋点进行数据采集，设计一套计算规则，并通过BI和数据可视化呈现，最终能够解释用户行为变化及业务变化。指标的分类如下图所示：
体系化的本质是将数据指标系统性地组织起来，具体会按照业务模型、按标准对指标不同的属性分类及分层。当然，不同的业务阶段、不同业务类型会有不同阶段的划分标准。指标体系需要遵循如下原则：
1.全局性：需要能覆盖到所有核心关键因素的地方，但不重复，做到不重不漏。但并不代表指标越详细丰富地罗列就好，指标有主次之分，也要知道每个指标背后代表的业务意义。
2.主次优先：既然指标有主次之分，那也会有主次优先，这可能是因为业务的目标、着重点，也可能是因为面向的对象不同，比如管理层领导、部门经理和一线人员关注的指标肯定会有所区别。
3.明确性：指标有明确的定义、计算口径，并且可理解。
4.可执行：涉及指标的数据可收集可计算，保证指标能正常落地运用。
数据指标体系是业务数据标准化的基础，其对指标进行了统一管理，体系化是为了方便统一修改、共享及维护。宏观方面，数据指标体系建设是数据中台建设的重要一环，不仅符合“创新驱动”的意识，更是企业实现自身“数据驱动”发展的重要途径。数据指标价值主要从以下几个方面表现：
1.数据指标极具参考价值，公司的管理层为了更准确地进行战略决策，需要搭建完备的数据指标体系。
2.指标体系中会有很多拆解的细分指标，这些数据的变动反映的是用户对于运营情况的最新反馈，为运营的业务决策提供了数据支持。
3.数据指标体系中的用户行为数据，可以让产品及运营人员对用户的行为路径和喜好模式有比较深入的理解。
4.从技术角度来看，数据中台是为了汇总与融合企业内的全部数据，甚至外部数据，打破数据隔阂，解决数据标准与口径不一致的问题。
在进行业务数据的采集时，不同业务系统提供的业务数据方式是不同的，在进行数据采集前需要明确数据的采集方式，其次采集的数据分为业务系统日常运行过程中产生的业务数据、一些企业已经分析好的指标数据。
业务数据在采集之前，需要去了解企业的业务情况，了解企业的工作内容、工作范围，对企业进行业务的梳理，在梳理过程中针对不同种的业务情况划分不同的主题，例如人员信息、每日考勤的人事主题，旅游景区的门票销售，客流情况的旅游主题，财务营收的财务主题等等。
将主题划分明确后针对不同主题有针对性、有目的性地与客户沟通每类主题下所涵盖的指标、这些指标都来自于哪些业务系统等。在指标的沟通明确过程中再逐步了解指标的采集方式、计算方式等。
业务数据的采集方式通常分为三种：
1.由源头系统提供视图或从库的查询权限，由数据中台定时进行拉取；
2.由业务系统提供数据接口，数据中台定时进行接口的拉取，通过数据映射录入到数据中台中；
3.数据中台提供接收接口，由源头系统定时进行推送。
一般情况下在采集业务数据时，为了明确数据确权的情况，在第一步我们不会对数据进行任何的加工处理，直接将数据录入进数据中台。之后数据中台会根据实际的数仓构建以及数据分析的需求将业务数据进行表字段的筛选，然后进行数据的聚合汇总。在数据汇总的过程中，数据中台可将构建好的业务数据作为分析维度纳入到数仓中，并为后续的数据分析做维度支撑。
但是也存在采集的数据与主数据无任何关系并且提供的数据全部是结果类的指标数据的情况。一般这种情况都是通过接口进行数据的提供，通过业务系统提供的接口出参以及我们的请求参数确定接收表的表字段和唯一值。通过ESB定时调用数据接口并进行相应的字段映射最终写入到数据中台。针对这种数据我们一般直接落实，或通过时间、其他基础数据等维度进行更加细粒度的计算聚合。
数据中台建设首先需要分析主题、指标，通过了解企业的业务情况，建立相应的业务主题，根据不同的业务主题与企业的日常运行所产生的数据去梳理需要分析的指标，通过指标确认要建设哪些主数据、采集哪些业务数据，再确认数据源头、采集方式，而在整个过程中分析是数据中台建设的开始，也是最重要的一步工作。
基础数据也可以进行相应的分析，在基础数据构建的过程中会有部分字段作为枚举类数据，也就是基础数据中的基础数据，如人员主数据中性别分为了男和女，那么男和女就可以作为一个分析的维度进行分析，展示出企业的男女比例，或者将入职时间作为分析维度，将企业每个月的入职人数进行展现。
业务数据就是将企业各个业务系统所产生业务价值的数据整合至数据中台，数据中台在建设基础数据后，通过采集各个业务系统之间的业务数据，可以将这些基础数据作为几个系统之间业务数据的关联关系。在数仓构建的过程中将业务数据与基础数据相互结合进行数据分析。
如果源头系统直接提供计算好的指标，一般它们都会提供相应的数据接口，我们可以在接口的调用过程中梳理出接口的唯一值，与源头系统沟通获取对应的基础数据并对基础数据进行整合，在后续进行数据分析的过程中，通过整理的基础数据作为分析的维度。
数通畅联推出了由“MDM基础数据平台+ESB企业服务总线+DAP数据分析平台”构成的数据中台方案。数据中台主要是打通企业的数据环节，实现全生命周期的数据管理，通过数据中台建设数据管理体系，实现各个业务系统数据的有效整合，通过基础数据治理保证底层基础数据的一致性，基于业务指标进行前端的动态展现，结合数据指标的多维度穿透，实现以不同形式、不同维度的智能分析、数据探索。
数据中台治理方案能帮助企业连接不同的系统，允许部署和维护集成流程，改善企业内部数据和应用程序之间的连接和协同，降低成本并提高使用速度，实现业务集成和数据集成，让集成更敏捷、让客户使用更便捷。通过数据中台分析业务指标的同时也是对企业业务的梳理，发现业务中存在的问题，推动企业业务升级与转型，方便领导层能实时把控企业业务的发展，了解业务痛点，改进业务管理方式，实现业务与数据的相互支撑，从而为企业的高层决策提供数据支持。
在数据中台方案中，通过ESB从各个系统抽取主数据并同步至MDM平台，支持DAP里元数据自动生成业务数据同步、清洗、转换、加工、汇总的数据集成流程，同时纳入到DAP数据分析平台里进行统一数据调度，支撑数据仓库的建设，构建企业的大数据中心，基于数仓通过图形化、拖拽式配置构建分析主题，实现快速、精准分析，支持领导层的决策。
MDM：对企业中的主数据进行集中管理，统一进行清洗、校验和丰富，建立统一、标准、完整的主数据体系，并为其他系统提供标准的主数据，同时为DAP提供基础数据支持；
ESB：从各个系统抽取主数据并同步至MDM平台，支持主数据校验、清洗和汇聚，并配合MDM平台进行主数据分发; 配合DAP平台建立业务数据同步流程，支持数据仓库的建设；
DAP：结合ESB从各系统进行数据抽取、加工、转换，并汇聚存储到数仓中，构建企业的大数据中心，基于数仓通过图形化、拖拽式配置构建分析主题，实现快速、精准分析，支持领导层的决策。
随着大数据时代的到来，越来越多的人意识到数据里包含着巨大的力量，这其中潜藏着无限的商机，无数的焦点都聚焦于数据，各行各业都在追寻数字化转型发展。那么数据中台解决方案能够为企业经营带来哪些价值呢？
不同公司，由于业务属性不一样，关键的数据指标也会有所差异，甚至同一公司在不同发展阶段，需要了解的数据也都不一样。不管怎样，我们应该主动思考需要哪些关键数据指标适合描述并反映现阶段的业务现状，明确分析的目的，一定要提炼出最具价值的核心数据指标供公司决策层作为数据支撑，并且从不同维度来分解数据指标，要保证反映公司和业务的核心指标和细节指标能清晰地看到。在DAP数据平台中预置的丰富样例让企业能够根据实际需要选择想看的数据。
通过数据分析看板，可以直观地发现问题，但想要挖掘原因，需要将关键指标逐一、层层地拆解，抽丝剥茧，从中发现问题的蛛丝马迹，才能从杂乱无章的现象中发现问题的本质。需要用归因分析找到引起问题的主要原因，通过解决主要矛盾来解决问题的根源或者提升业务指标。分析原因以及总结原因的过程，能够沉淀对产品、用户行为、运营营销手段的深刻洞察。
通过数据管控体系和数据运维体系咨询服务，对组织架构、运营模式、管控流程、角色与职责进行明晰的定义。通过标准业务流程驱动，构建企业信息基础数据集成和共享平台，实现企业数据层面的战略规划管理。支持集团化多组织结构的复杂管理层级，能够构建在多组织结构上的应用系统，兼顾集团公司整体管理和下属企业作业流程之间的平衡。
数据分析的价值终极的体现，就是作为决策的支撑，即通过各种维度数据对比、多维分析、趋势分析等诸多分析方法，对“数据”进行价值的挖掘，形成公司业务实现增长、降本增效，提供最终的解决方案，创造商业价值。所有数据分析的最终目的是指导业务决策，实现增长、降本增效。
从企业角度而言，如何应对全球化、精益化、服务化、智能化和协同化的趋势发展，将数据信息转变为战略资产是一项艰巨的任务。但企业面对数据，不应该变得浮躁，急于求成。在企业数据治理这条曲折而漫长的道路上，讲究的不是谁快，而是谁稳，信息化意识、整体规划、构建前提、严格选型、协作配合缺一不可，只有这样，才能不偏离企业发展的战略目标，在企业信息化保卫战中立于不败之地，同时选择合适的伙伴，对于挖掘数据价值，赋能业务发展非常重要。
数通畅联多年来一直耕耘于企业IT架构、SOA综合应用集成、数据治理分析领域，在成长过程中深耕地产、制造等行业，积累行业集成项目经验，已形成完备的实施交付体系。在产品、技术逐步完善提升的同时，解决方案更加灵活合理，逐步深入行业。在更多、更细致场景中打磨产品和解决方案，让产品变成精品、实现打造首选整合利器、共克异构集成难题的愿景。
免责申明：
本文系转载，版权归原作者所有，如若侵权请联系我们进行删除！
《数据治理行业实践白皮书》下载地址：https://fs80.cn/4w2atu
《数栈V6.0产品白皮书》下载地址：https://fs80.cn/cw0iw1
想了解或咨询更多有关袋鼠云大数据产品、行业解决方案、客户案例的朋友，浏览袋鼠云官网：https://www.dtstack.com/?src=bbs
同时，欢迎对大数据开源项目有兴趣的同学加入「袋鼠云开源框架钉钉技术群」，交流最新开源技术信息，群号码：30537511，项目地址：https://github.com/DTStack
在根据指标设计方法上，如何建立起围绕业务的指标体系？ 
198
0
