指标平台通过对企业的指标数据资产进行全生命周期统一管理，实现指标口径对齐，并通过一系列产品技术优化，实现指标的高效开发，提供灵活、高性能的指标服务，已逐渐成为企业数据基础设施的重要组成部分
本次分享主要围绕指标平台建设方法论和相关实践案例展开。
分享嘉宾｜黄勇 爱分析 合伙人兼首席分析师
内容已做精简，如需获取专家完整版视频实录和课件，请扫码领取。
此次分享主要包括以下三大部分内容。首先，将从企业数字化经营的视角深入解析这个指标平台的价值和必要性；其次，重点探讨企业在指标管理及应用领域所面临的主要挑战；最后，介绍指标平台落地方法论，并结合相关典型案例进行详细分享与解读。
首先，我们主要讲讲指标平台与数字化运营。在此之前，要对指标以及指标体系形成一致的认知。什么是指标？什么又是指标体系呢？数字化的核心是数据驱动，用数据来描述业务现状，剖析业务问题背后的根本原因，乃至预测未来的业务发展趋势。在此过程中，我们必然频繁使用指标这一工具。指标其实是一种抽象定义的数值，其背后体现的是相关业务的实际情况，经过指标的转化成为一个定量的标准，例如企业的收入、利润等，最终都可以转变为相应的指标。可以说，有多少行业关联的实际情况，就有多少相关的指标。指标体系实际上是一个组织化的，相互关联的一套指标的集合，它实质上是描绘业务内在逻辑的一种方式，通过指标体系可以从多个维度相对全面和深入地描绘业务状况，这就是指标和指标体系的含义。为何我们认为此指标体系是企业进行数字化运营的利器？如果采用更具象的表述，是因为指标体系能够协助企业搭建业务的数字孪生，从而更好地进行数字化运营。我们可以观察上面这张图所展示的案例，其中展示了在电商业务的运营案例中，应用指标体系进行数字化运营的过程。左上角展示了从业务视角出发，在电商业务中，企业以总利润为核心的经营目标来推进相关运营活动。为了实现在这总利润的经营目标，会涉及到采购、营销、销售订单履约及一系列运营行为。这些运营行为可映射到相关的指标体系中，构成数字孪生。比如经营目标可以分解成指总利润这一目标，总利润可以根据财务逻辑分解成毛利减费用，毛利可进一步拆分为销售额减采购成本……这样逐层深入，最后围绕客户数这个拆分后的指标，可进一步深入拆分更多的环节，围绕客户数增长，可以细化拆分目标客户的访客流量，新客户激活的存量客户数和老客户的保留率等指标。然后还可以进一步细化拆分过程性的指标，例如，推广曝光量、推广内容等，这些指标转化为可操作、可执行的颗粒度。这实际上代表了一种从业务运营逻辑最终转化为指标系统的典型流程。根据这个实际案例，指标系统能在三个层面发挥关键价值。第一个层面，能够对企业的总体目标进行深入剖析，从而实现从战略到执行的全链条。在这个例子中，总利润这个总体目标可以拆分得非常细致，比如如何结合客户这个维度来制定可操作的客户增长策略等。第二个层面，可以对业务的整体运营状态进行量化监测、诊断以及预测，以便管理团队和业务人员更直观地了解业务状况及其原因。由于这些拆分后的指标都是可以量化和衡量的，所以可以清晰反映其变化趋势，把握现实情况，并基于数据进行深度的诊断和分析。第三个层面，通过指标系统可以明确问题所在，进而了解哪些指标出现问题，以及如何通过何种途径对指标进行改进，改进后的效果如何，都能够直接指导数字化运营的实际落实环节，而不仅仅是停留在分析的层次。以上就是为什么指标体系对于企业的数字化运营具有如此重要意义的原因。在实践中，我们也发现企业在处理复杂业务体系中的指标管理和应用时，也面临着众多挑战。我们概括了以下五个主要层面的挑战。第一，体系不好用。在建立指标体系方面，许多企业缺乏一套实用的指标体系，甚至有些企业根本没有指标体系，只有零散的指标。当没有一套实用的指标体系时，可能会导致企业无法清晰了解自身业务，在进行业务分析时也缺乏全局视角，无法进行有效联系，这背后其实反映的是管理层面的问题。第二，口径不统一，业务协作效率低。在指标管理环节的问题中，其中一个便是指标口径不一致导致业务协作效率低下，这也是一个广泛存在的问题。大多数企业在实际使用指标时，往往是自下而上，不同部门依据自己的视角和解读方式来确定指标和相关数据开发的。从企业整体角度来看，由于指标口径不一致，导致组织无法在同一平台上讨论问题，无法解决某些需要协作才能改进的业务问题。一方面有可能是因为在数字化前期不重视管理，没有进行相应的管理工作；另一方面则是虽然重视了，但在实际操作过程中缺乏有效的方法和工具，管理的效率较低。第三，指标开发交付周期长，无法及时响应需求。这其中的核心原因在于，大部分企业的数据指标及其设计开发方式均是由业务部门提出需求，再由数据部门进行开发。然而，数据部门的交付能力并不能随着业务部门的数据需求的增长而同步提升，这种差距将会长期存在。另一方面，针对数据部门而言，往往缺乏一些高效、实用的开发工具，这无疑也增加了开发周期。第四，指标分析灵活性和查询性能不足。这主要是从业务用户的角度出发，大家往往期望指标分析工具既具有强大的分析功能，又能快速响应可能包含在大数据量场景中的查询。然而，从技术实现的角度来看，这两者难以兼得。第五，指标数据异常问题难定位。当我们仔细查看指标后，可能会发现某些问题，但指标分析工具本身无法理解这些问题的真正根源。由于实际业务问题涉及到众多复杂因素，大多数工具缺乏自动预警和因果归因的能力，从而无法通过工具完成这项任务，形成闭环。以上是我们总结出来的，企业在指标管理和应用方面几个普遍面临的问题。为了应对以上问题，我们发现指标平台正逐渐发展为一个新的工具，并作为企业数据基础设施的重要组成部分，旨在解决上述问题。传统的指标管理方式和工具较为分散，其中最常见的一种是文档式，即许多指标的口径、指标、资产目录等都可能沉淀在各类文档或表格中，无法很好地适应业务需求的变化，同时在实际操作中亦不易被遵循。第二种方式是借助大数据平台，包括一些BI工具，都可能包含一些相关的管理指标和存储指标的区域，但总体而言，这些管理方式仍然相对分散。而指标平台则构建了一个统一的指标资产管理和服务层。一方面，它底层联系的是数据库、数据仓库，以及业务系统或MPP数据库等数据资产，然后通过平台统一将其沉淀为指标形式。另一方面，它向上统一向BI、AI等企业应用场景提供指标服务。这是我们看到的架构层面的一大变化，也是指标平台的基本定义。接下来，将着重阐述如何在操作层面上有效地实现指标平台的落地。我们总结出了一种三角模型的方法论，三角模型指通过将指标体系设计、指标平台建设与指标平台运营三者紧密融合，以构建一整套完善的指标管理能力，这三大要素也是环环相扣，缺一不可。首先要讲到的是指标体系设计的环节。我们认为，指标体系的设计必须以业务数字孪生为目标，一方面，企业应依据自身的业务逻辑和管理逻辑进行分解，将其层次分明地细化为子目标及过程性指标，从而形成从战略到执行的闭环；另一方面，设计完指标之后，需采用统一的数据标准口径，将历史指标和新增指标统一归类，形成一致的业务标准。同时还有非常重要的一点，指标体系应具备良好的牵引作用，推动数据底座的建设，这一点可能易被忽视，但事实上，指标体系本身已充分涵盖企业的战略和管理思维，以及业务部门的需求，可直接指导诸如数据仓库建模等系统的设计，使得企业数据底座的建设更加明确需求导向，从而更迅速地创造业务价值，这便是指标体系设计的主要目标。关于指标体系设计的具体流程和方法，我们归纳出了以下四个关键环节。第一，北极星指标设计。众所周知，北极星指标是反映公司战略目标的核心指标，它能引导组织向同一方向努力。因此，企业首要任务便是确定北极星指标，例如在图示案例中，该企业设定的北极星指标便是销售收入，这是最重要的T0指标。第二，指标拆解。即将北极星指标进一步向下逐层拆解为更易于实现的指标，本质上是目标拆解的过程，企业可以依照业务逻辑，以及时间和空间的维度值进行拆解。指标的拆解更多的是自主规划的过程，可以根据自身的业务逻辑选择合适的拆解方式。第三，过程指标设计。此过程旨在在拆解指标的基础上，将其细化至具体且可行的业务策略层次。相较于指标的拆解，过程性指标设计更注重执行力，即将目标转化为可执行的业务措施，并以指标来衡量措施的有效性。例如，在图表中，将北极星指标的销售收入进行层层拆分，最终落于用户这一侧。在用户领域中，我们运用AIPL模型对指标进行细化拆解，比如在购买环节设定购买用户数，该指标已经成为一个更为具体的业务目标。接下来便需要进行过程指标设计，进一步提升购买金额等细节，从而落在具体的实施层面。第四，全局框架设计。从整个公司的角度出发，需要将所有指标按类别组织起来，以便更好地进行管理。其主要目的在于提高指标管理和使用效率。举例而言，右侧的框架中，T1级别采用平衡计分卡框架，将公司的各项指标统一纳入财务、用户内部流程学习和成长等框架体系之内，实现了良好的组织整合。接下来分享一个典型案例，展示某证券公司在指标体系设计过程中所遇到的代表性问题。该公司在指标体系建设上面临着两大问题。第一，指标零散不成体系，无法快速定位分析问题。第二，由于各部门均依据自身需求定义指标，导致口径不一致，影响协作效率。针对此类问题，该公司采取的解决方案为：首先明确北极星指标——即总资产规模最大化（AUM）。其次，采用KY +的模型作为整个企业的指标全局框架，将产品、客户、渠道和团队这四个定义为影响AUM的关键因素。以KYC为例，我们详解如何拆分和执行此模型。KYC聚焦于核心客户增长，借鉴了互联网中的海盗模型——2A3R模型，同时结合了证券行业的特色，在2A3R模型中加入了第三个A元素，即品牌认知（Awareness ），使其转化为 3A3R模型。以此模型为基础，构造了KYC业务领域的指标，形成独特的指标设计方法，提供更全面的决策支持和具体的业务运营指导，全面提升公司的业务运营量化、透明化及分析效率。接下来，我们讨论指标平台建设。指标平台建设的主要目标是成为企业所有指标数据的唯一出入口，打造指标资产统一管理的平台，因此在整个功能设计上需要具备良好的数据集成能力，并能对资产口径进行统一管理。与功能设计同样重要的是，要灵活高效地开发指标，使开发功能更易于使用和高效。无论对于数据开发者还是业务人员都能高效地操作。性能方面，设计保证灵活性的同时还应满足高性能的指标查询与计算需求，从而提供良好的用户体验，使指标平台能够真正投入使用。最后，支持指标应用也是关键之一，除指标平台外，还应当作统一的服务平台，面向多样化的应用场景提供统一的指标服务。围绕上述目标，我们总结了指标平台建设与选型过程中的重点关系以及需留意的事项。第一，产品功能模块设计完整。上图是我们总结的一个典型指标平台，提供的功能模块从底层的数据集成到最上层的指标应用、市场指标服务等，以确保能够完成指标全生命周期的管理。第二，指标引擎能力。企业需要密切关注指标引擎在整个性能层面，是否能够满足企业现有的数据规模及其重要数据分析场景对于性能的要求。第三，易用性。在指标开发至取数等全流程中，指标平台能否较好地支撑低门槛图表驱动的处理和配置方式，支持业务自主使用，甚至结合大型模型技术实现自然源交互的能力等。易用性的核心在于确保指标平台能更便捷地供业务人员使用，从而解决前面提到的指标开发周期过长的问题。指标平台建设完成后，真正实现其价值的阶段是在运营环节，衡量指标运营环节成功与否的关键指标有两大方面。首先，推广指标应用是首要目标，以提高指标平台的使用率，进而使企业管理层获得更大的业务价值。其次，仍需确保指标体系的不断更新与优化，确保数据质量。典型的指标平台运营流程，共有五个主要步骤：根据业务场景的需求进行场景的收集，构建相应的指标体系，确认指标体系的口径并基于此进行开发和数据入库，将开发完成的指标应用上线，以产生实际价值且进行相应的推广。这便是一套标准化的指标平台运营流程。在运营指标平台时，我们建议设立指标委员会，作为一个核心的领导组织，以便更好地规范指标口径。委员会作为核心领导组织，能够汇聚企业管理层、数据部门及各业务部门，加强沟通和协作，更好地推动指标的应用。因此，委员会的组长通常建议由企业的核心高层管理人员担任，如CFO、CTO甚至是CEO，副组长则由数据部门负责人担任，负责统筹需求、评审及开发的工作。此外，业务部门负责人或数据分析人员是该架构中的核心角色，必须参与指标的协同管理，深度参与日常运营，同时还需要一些流程管控等支持角色。第一，确立月度经营分析会机制。月度经营分析会是确立指标系统权威性的一个有效途径，只有树立指标体系在企业经营分析中的权威地位，围绕这套指标体系来开展相关工作才具有可行性。月度经营分析会主要由决策者参与，决策者会基于关键指标的表现，对企业及各部门的目标达成情况进行评估，并针对存在的问题提出诊断，甚至直接关联重要部门的绩效考核。基于此种机制，各业务部门会更加重视这套指标体系，从而将其融入到日常的业务运营中。第二，从核心场景切入，打造标杆案例。结合业务痛点强烈且部门整体数据意识强、配合度高的场景，通过指标应用大赛等运营手段征集并打造标杆案例，面向其他部门宣讲和推广，从而发掘出更多应用场景，起到推广指标应用的作用。第三，通过数据BP机制，拉通业务与技术。数据BP的核心在于强调数据部门的数据分析专家不应仅留在数据部门，最好能够深入到不同的业务部门，直接参与业务部门的实际运营工作中。通过解决业务部门的问题，收集指标的应用需求和场景，再回到数据部门进行开发和应用。这是一个能够使业务部门更直接地将需求传达给数据部门，同时挖掘更多潜在需求的有效机制。下面以一个经典案例来进行说明，该案例也是一家全国拥有数百家大型门店的顶尖零售企业所采用的方法。该企业面临的主要问题可以总结为，希望将经营分析深入到不同门店和不同业务环节，以便在业务运营过程中能够及时发现问题，作出更为精准的决策。然而，由于各项指标本身以及管理层的问题，他们目前只能通过后期的财务结果数据来了解最终的经营状况，无法在前期阶段对经营情况进行全面的评估和优化。针对以上问题，首先，公司对其经营分析体系进行了全面完善，设定了每月的经营分析会制度。其次，设立了指标委员会，负责统一及协调各部门的指标口径。再次，在场景上选择了一些高端场景，如他们本身将快消品作为核心品类，就会围绕快消场景搭建体系，对指标进行拆解，进而构建一些指标应用。最后，借助指标平台的工具和数据、BP等机制构建并推广这些指标应用。最终，该企业实现的效果实质上是构建了一套基于指标的数字资产体系的全面数字化运营分析制度，形成了一系列经营分析与决策应用，使得公司的经营分析决策由以往的以月为单位、以财务为口径，转变为以日单位以业务数据为口径，使得公司的整体业务表现得以大幅提升。分享视频
以上就是本次标平台建设方法论和实践趋势的相关讲解，如需获取专家完整版视频实录和课件可扫码领取。
⩓
注：点击左下角“阅读原文”，领取专家完整版视频实录和分享课件。
