摘要：在数据分析和业务运营中，选择合适的指标是衡量企业经营状况和推动业务发展的关键。本文深入探讨了如何在众多业务指标中筛选出核心指标，以有效评估企业经营的好坏。
在数据分析和业务运营中，选择合适的指标是衡量企业经营状况和推动业务发展的关键。本文深入探讨了如何在众多业务指标中筛选出核心指标，以有效评估企业经营的好坏。
在经济活动中最基本的指标包含收入、成本、资产回报率等，这些较为成熟的财务指标，在经营活动中由于经营内容不同，所对应的业务指标也不尽相同。如何评估企业经营得好坏，需要过程指标来牵引和监控。
指标分类通用指标大类上可分为三类：规模类、效率类、效益类。可发现财务指标也遵循该规律，并且为了可对比各种经济主体，将这三类指标转化为货币度量。
我们在经营活动中，根据不同分析对象，也可进行对应拆分：例如 在电商经营分析中，可主要关注：经营收入（规模）、访购率（效率）、毛利率（效益）；又如 在商品分析中，则可主要关注：商品数量（规模）、动销率（效率）、单品收入（效益）；如果在平台视频分析中，则可关注：视频数量（规模）、完播率（效率）、单视频观看时长（效益）等等。通过以上拆分，不难发现，随着分析主体的不同可通过这三类指标将分析主体的规模、效率、效益来看其运作情况。
指标选择由于一般分析师是在业务发展到一定阶段介入，从无到有创造一个指标的机会较少，一般需要从众多的业务指标中筛选有效的来衡量业务发展好坏，面对庞杂的指标体系，要如何选择核心指标，这里有一些小tips：
指标为业务目标服务，且是直接体现业务好坏。换句话说”该指标数值提升，业务是否可以发展好？“ 可以试着用该问题来对指标约束和收敛。规模和效率兼顾。初创期看规模，比如用户数、总收入、商家数等，而之后更要关注效率，如订单转化率等，动销率等。指标尽量与收入关联。企业进行的是经营活动，在出现多个指标有涨有跌时，要回归到变现能力上来做最终决策。指标拆解确定好经营主体和监控指标后，需对指标进行拆解，以将企业的核心目标拆到各条业务线上、或到各个部门上。常用的拆解方法是：加法方法和乘法方法。方法很好理解，简单举两个例子来对拆解说明。
加法方法：M=M1+M2+M3+…+Mn，即总目标是多个并联的子项之和，子项间不重不漏。比如在做年度目标分解时，一年的总收入目标会根据业务的周期性拆到各月份上，或一年的总收入目标拆到各业务线上。
乘法方法：M=A*B*C…，即总目标是串联的多个子项之积。如某个商品某天的总收入=商品售卖个数*商品单价=浏览商品用户数*访购率*商品单价，如果商品单价不变，推广渠道不变，那么优化商品的封面图文字表述等提升访购率，可提升总收入。
在一些复杂场景中还需要将加法和乘法相结合，比如在多个渠道推广商品，则一天的收入为每个渠道收入的加总，而每个渠道的收入则由该渠道的用户质量和访购率来决定。
指标异动归因公式指标选择、拆解完，有了较为完整的指标体系，在后续的日常监控中，分析师也常会处理一类问题：指标异动归因。
如何判断异动？
出现指标异动的场景，通常是平日监控中出现指标的猛然上升或者下降，即在时间序列下，一个单位周期的数据比另一单位周期指标发生的变化，通常通过环比或者同比看其变化幅度的大小，判断是否要归因。幅度大小的界定一般根据指标数值3倍标准差和业务经验判断相结合，另还有一些算法方法暂不展开讲，后续文章再详细说明。
如何量化贡献？
加法归因贡献：举例来说，如果想归因收入同比的变化，从M1变为M2，用△M表示其变化量，如果按业务线拆分看是哪个业务带来的变化，如业务线A的收入为MA，业务线B的收入为MB等，则各业务线收入的变化为△MA、△MB……，MA业务的变化对整体△M的贡献为△MA/△M，如果符号为正则代表同变化量同方向贡献，符号为负则代表同变化量反方向贡献。
乘法归因贡献：乘法归因需要先对指标进行一次对数转换。举例来说，M=A*B*C，经过一段时间M’=M(1+m)，其中m为变化率，同理 A’=A(1+a)，B’=B(1+b)，C’=C(1+c)，M’=A’*B’*C’，两边取对数，ln(M’)=ln(A’*B’*C’),ln(M(1+m))=ln(A(1+a))+ln(B(1+b))+ln(C(1+c))，所以ln(1+m)=ln(1+a)+ln(1+b)+ln(1+c)，因此因素A对于M的贡献=ln(1+a)/ln(1+m)，其他因素以此类推。
归因解读指标的变化会受到内外环境的多重影响，在定量描述指标变化贡献时，需要结合业务动作和外部市场变化。指标之前也会存在此消彼长的关系，比如更大范围的广告投放使得用户量增长，可能会带来一部分质量稍差的非目标用户，或者用户看到推广后并非在当日立即转换，从指标上看会存在转化率下降的表现，此时应该如何来解读，后续会根据纬度拆解篇章来继续说明。
来源：人人都是产品经理