• 数据指标体系建设思考(二)


    一、数据指标体系搭建原则

    我们在搭建数据指标体系时不能只是简单地堆积指标,也不仅仅会罗列指标。这可能以往有很大一部分人都会犯的通病。

    那么我们在搭建数据指标体系时需要考虑的因素有哪些,或者从常规的方法论来说,我们需要注意的搭建原则有哪些。下面我们分为三个方面来说明这个内容。

    01建设高可信、高价值的数据指标体系

    高可信,说明我们的数据指标是统一规范、标准化的指标,指标的结果是基于有效数据资产且可以准确、精确、科学反映或监控业务活动行为。

    高价值是指我们的数据指标体系可以体现企业的业务策略、指导并监视业务策略落地、符合企业价值导向并全面覆盖企业当前发展阶段的业务活动的体系化内容。

    建设高可信、高价值的数据指标体系,从数据指标框架设计及数据指标选取,我们需要考虑下列原则:

    在这里插入图片描述

    就如上图表达的,我们需要做有效的工作,清晰定位问题而不是忙乱地解决问题。从框架设计上,需要考虑的设计原则有系统性、全面性、结构性、差异性和重要性(参照《数据治理工业企业数字化转型之道》):

    在这里插入图片描述

    关于数据指标的选取,我们需要考虑正确性、唯一性、完整性这三项原则。下面总结的3点原则从另一方式来说明如何选取数据指标:

    1、选择简单、准确、精确、标准化的指标。
    2、选择能直接度量数据驱动过程的指标。
    3、清晰、可度量、有目标、可见的KPI(关键指标)。
    我们还可以参照传统的评价评估体系来考虑数据指标体系的构建原则:

    在这里插入图片描述

    ①系统性原则

    各指标之间要有一定的逻辑关系,它们不但要从不同的侧面反映出业务系统的主要特征和状态,而且还要反映业务系统之间的内在联系。

    ②典型性原则

    确保数据指标具有一定的典型代表性,尽可能准确反映出特定业务领域的综合特征。

    ③动态性原则

    指标的选择要充分考虑动态的变化特点,制定充分的评价维度。

    ④简明科学性原则

    各指标体系的设计及评价指标的选择必须以科学性为原则,能客观、真实地反映企业发展的特点和状况,能客观全面反映出各指标之间的真实关系。

    ⑤可比、可操作、可量化原则

    指标体系的构建是为业务领域政策制定和科学管理服务的,指标选取的计算量度和计算方法必须一致且统一,各指标应该尽量简单明了、微观性强、便于收集,还应该具有很强的可操作性和可比性。

    ⑥综合性原则

    各业务领域的互动、双赢是企业生态建设的最终目标,也是综合评价的重点。要在相应的评价层次上,全面考虑影响业务领域各系统的诸多因素,并进行综合分析和评价。

    02、数据指标体系服务于业务活动需求

    从设计及构建原则中,我们发现,我们在谈论数据指标体系的时候,总是会谈到业务相关的内容,说明数据指标体系是服务于企业业务活动需求,所以我们从业务活动需求这一点来进一步说明我们如何建设数据指标体系。

    在这里插入图片描述

    数据指标必须与业务结合,才能转化为信息,要不就只是数据,不会产生价值,也失去数据指标的指导、监视、评价的意义。

    所以数据指标体系最终的输出结果会是一份体系化的指标数据标准或者是指标字典,而且也可以实现将可视化地展示到Dashboard上。

    右上角的小三角说明了我们数据指标需要有价值,要适合当前业务并且可以统计的。

    以BPP模型来指导建立数据指标体系,说明我们在建设数据指标体系时需要充分考虑企业的商业模式、产品服务和业务流程任务这三层级内容,分别解决不同阶层的业务需求。

    分析获取关键指标,通过关键指标分解及衍生出下级指标及指标分类层次,形成数据指标体系是一个典型的数据指标体系建设方法。在这个过程中,我们需要充分考虑当前业务策略及企业的发展阶段。

    我们需要意识到关键指标也会随着企业发展阶段的不同、商业模式的不同等情况而发生变化,甚至有可能是一个大的变化。下图就举例说明了这个问题:

    在这里插入图片描述

    前面我们还提到了关于高价值,那么在建设数据指标体系时,需要贴合业务,从体现企业价值贡献的角度来考虑数据指标体系的建设:

    在这里插入图片描述

    可以利用EVC模型,按照客户价值、企业价值、生态价值分别形成三级数据指标。

    有各种各式的典型分析模型来指导我们更好地建设数据指标体系,但是我们需要学以致用,所以我们在实际工作上,落地上关键的一点是“与业务运营方的需求沟通”。只有充分沟通,才能保障我们的工作成果有最终价值体现。

    在这里插入图片描述
    前面聊到的这些内容,并不是让大家在建设数据指标体系上既考虑这个,也考虑另外一个。在这里更多地想表达我们建设数据指标体系时需要根据我们所在企业的实现业务策略及业务需求来进行,各种分析模型只有指导意义,并不建议生搬硬套,所以我们引入下一个话题。

    03、没有通用的指标体系,只有合适的指标体系

    在这里插入图片描述
    前面反复强调过,数据指标体系要根据企业业务形态来设计及落地。所以我们可以总结一点就是,没有通用的指标体系,只有合适的指标体系。我们不能直接地抄各种成功的数据指标体系,或者因为我们企业与他们类似就直接套用。

    成功的数据指标体系可以帮助我们解决体系化建设的框架及考虑问题的参考方式,一个能落地的数据指标体系需要分析清楚企业的商业模式、监管要求、业务流程等内容。
    “从业务中来,回业务中去”这句话同样也符合数据指标体系的建设原则。

  • 相关阅读:
    ONLYOFFICE8.1版本桌面编辑器测评
    springboot基础入门
    在SpringBoot项目加入冲突动态监测算法
    滴滴线下仿真环境实践:从方案设计到持续运营
    Kotlin 核心语法,为什么选择Kotlin ?
    docker&kubernets中级篇(十)
    前端性能精进(六)——网络
    Javaweb之HTML,CSS的详细解析
    批处理中的%~语法
    二叉树的定义和使用
  • 原文地址:https://blog.csdn.net/weixin_39971741/article/details/128184184