有很多人將數據指標理解成標簽，理解成傳統意義上的統計指標，其實這是不對的。數據指標指的是通過對數據進行分析得到的一個匯總結果，是將業務單元精分和量化后的度量值，使得業務目標可描述、可度量、可拆解。數據指標和業務的聯系十分緊密，因為它是對業務需求進行的進一步抽象，反映了用戶做了哪些行為，給業務帶來了怎樣的變化等。

數據可視化 – 派可數據商業智能BI可視化分析平臺

數據指標是一個具有適用范圍的衡量目標的方法，也適合業務相對應的統計概念。所以對于企業的不同部門因為所需、所用的數據不同，對于數據指標的關注程度也是不同的，例如銷售部門數據的重心會放在銷售數量、銷售變化、銷售收入等數據上，也就形成了數據指標的適用性。

【資料圖】

數據指標分類從指標運算聚合程度上來劃分，可以將指標分成基礎指標和復合指標。

基礎指標是從粒度最細的業務明細數據中做一層聚合，只進行最基礎的統計加工，同時也是數量最為龐大的指標群體。

復合指標指在基礎指標的基礎上，進行復合運算，運算的方式可以是簡單的六則運算、也可以包括復雜的公式，或數據處理算法。

從指標的重要性和層級上劃分，又可以分為公司戰略層面指標，業務策略層面指標，業務執行層面指標。通常戰略方面指標用于衡量業務執行層面指標，策略層面指標是為了實現戰略層面指標而設計，往往稱為二級指標。業務執行層的指標又是對二級指標的拆解和細化，通常是指導工作人員開展工作的內容。

數據指標存在的問題1、指標重復建設。企業系統架構龐?，指標由各業務需求部門分散于各系統進行建立，指標口徑和統計方法并未統一。有了新指標需求后，各部門獨立建設，前期構建指標并未進行復用，無法進行跨部門跨領域的指標積累，大大增加了指標開發工作量。

2、指標管理不規范。指標的建設和維護常常依賴于技術人員，隨著企業IT部門人員流動，研發人員對指標理解逐漸缺失，需要重新查看代碼才能進行指標理解。另由于開發人員操作不規范問題，可能導致一個SQL腳本對應多個指標計算，導致后期指標邏輯調整，造成較大影響。

數據指標 – 派可數據商業智能BI可視化分析平臺

3、指標血緣未跟蹤。開發人員交付的指標報表，由于時間久遠，需求方、指標來源表、使用者等方面不清晰，很多指標由于后續業務調整已經無人管理和使用，但是仍然進行定期計算，占用系統的計算資源。另由于數據源提供數據的質量問題，導致指標計算不準確，且未進行問題追溯。

4、指標價值難挖掘。業務人員往往不會使用復雜指標工具，開發人員難以從業務人員角度理解需求，業務人員在進行數據分析時，很難自行進行復雜指標開發，由于和開發人員的溝通成本，導致一些分析想法難以實現，難以挖掘數據的價值。

5、指標應用難創新。隨著各項大數據分析技術的發展，通過算法實現歸因類、預測類指標的應用越來越廣泛，但這類指標開發仍然存在較高的門檻，企業往往由于缺乏相關的技術支撐和團隊支撐，無法構建需要的指標，推動業務創新發展。

數據指標體系建設原則1）指標的分級分類：進行集團及指標維度、分類、層級的統一定義，避免指標重復，作為后續各部門指標的創建梳理提供統一的標準。

2）指標的統一口徑：對各類指標進行統計口徑的統一，避免計算過程中發生歧義。

指標 – 派可數據商業智能BI可視化分析平臺

3）指標的規范管理：設立指標管理辦法，將指標統一管理責任到人，保障指標管理能夠持續有序運營。

數據指標體系的價值數據指標體系的構建其實在很大程度上將企業整體的發展情況完整的展現在高層管理人員的面前，還可以通過數據可視化形成管理駕駛艙、集團看板等核心報表，只需要了解核心的數據指標變化情況，就能全面分析企業發展，進行更加準確的決策。

而數據指標體系也不只是管理人員獨享，企業的業務人員同樣可以通過數據指標獲得大量價值。舉一個簡單的例子，如果沒有數據指標體系，業務人員因為對IT技術、數據庫了解不多，只能與技術人員溝通少量利用數據或不用數據，這樣一來，業務情況就無法通過數據來復盤、預測。數據可視化分析 – 派可數據商業智能BI可視化分析平臺

這個時候，數據指標體系就可以利用其中針對業務的指標查看對應的數據變化情況，并根據業務變化進行優化調整，并在過程中持續進行優化，為業務發展帶來正面影響，規劃下一步業務的執行，讓企業業務健康發展。