数据指标体系和数据治理的管理

为什么要搭建指标体系
我们提到过为什么要搭建指标体系，相信大家在看数据相关招聘岗位简介的时候，也经常看到有关搭建指标体系的要求，因此这里简单的给出两点做指标体系的重要性。

搭建稳定的数据观测体系（维度指标体系），让数据从生产到使用的整个流程更加标准、可靠；

稳定的数据观测体系，不仅能够让数据加工、使用的效率提升，还有利于统一认知，规范数据建设者的工作方法，解决数据维度/指标膨胀，数据不一致的问题，从而拉升内部的相关人员整体的数据专业水平。

怎么搭建指标体系
我们先思考简单的数据问题，这是我作为校招面试官经常会同大家沟通的一个案例。

如果你现在成为一个产品项目的负责人，你想看到哪些数据指标，为什么要分析这些数据指标？

我们现在聚焦一下，从刚才列出的数据指标序列中选出x个指标，怎么选，为什么？

第1题考察点

互联网行业是否熟悉，能够对行业的数据指标有多深的了解；

基本的度量和效果评估意识，构建数据和商业业务的关系抽象能力。

备注：相信我，很多候选人连像样的指标都回答不上几个，更无法洞察数据和商业之间的关系。

第2题考察点

有限的选择下，是否有判断主次的逻辑能力，针对自身的观点和知识能否自我革新升华；

更深层次的思考，为什么要以更少的数据指标去判断商业行为。

这个题目对于处于职场实际工作中的同行来说同样具有考察需要，我们评估一个产品项目所需要的指标是越多越好，还是会存在其中一个适度的分界点（投入产出比的最大化）。

话题回到正题，怎么搭建指标体系？

首先任何没有管理或是数据指标系统的组织中，数据指标的需求形式都类似于第1题的样式存在，团队中不同的人拥有不同的度量单位和评估体系（即使这个人认识到第2题问题的存在，他自身的指标体系依然处于第1题）。

数据指标体系必须是搭建于组织或者一个团体的共识，让整个组织和团体内的度量单位和评估体系，第1题是缺乏管理，肆意生产的野蛮方式。让整个组织和团队提升到第2题的水平达成一致才是数据指标体系。

数据指标体系不是收集指标汇总起来，也不是将所有数据需求全覆盖；

数据指标体系是以最小的投入搭建科学的效果评估指标，让组织和团队达到统一认知的事情；

指标体系的评估标准
指标体系除了有科学的方法搭建，还会存在很多主观的判断。我们在搭建指标体系的时候，经常遇到的问题是为什么大家要遵循这套指标体系，它的权威性怎么得到保障。

指标体系的搭建非常依赖领导的背书和强势认可

指标体系的搭建相对于提升团队的全员水平，所以这不是简单事

指标体系也有生命周期，不断的产品项目阶段需要的指标体系不同

基于以上的几点，指标体系的搭建方法论就很明确了，首先做到领导的认可（指标体系相当于和领导之间的一种协议），其次指标体系的宣贯传播工作不可或缺，其次指标体系的内容需要长期的维护。从这三点我们可以梳理出一个目标的观测值：

基于领导的认可，指标体系是否解决领导提出的问题，问题的量化目标就是指标体系的目标

提高全员的水平怎么证明，问卷、考试、需求文档的质量或引用、指标体系内容的访问数据

指标体系内容的更新频次、更新数量，内容汇报

指标体系的管理内容
数据指标的概念我们很多同学听过，并且也经常看到招聘职位上的要求。但究竟指标体系的怎么落地，包含什么内容相信很少有人真实有过经历。

我对指标体系的理解总体有这个几个观点：

不同组织或者团体期望指标体系解决的问题一致，但落地的指标体系内容不同

指标体系落地产物强依赖于业务，不同的业务存在不同的玩法

指标体系多数情况下连同管理工具一起落地

我认为当前的指标体系，均不能很高效的解决期望问题，我自己目前较为理想的方案也未实际执行

指标体系的管理工具
管理指标体系内容搭建的管理工具，我们通常将其和元数据管理放在一起。也可以看出元数据管理和指标体系管理很类似（元数据的管也存在指标体系同样的问题），在管理指标体系内容的时候，基本涉及以下下几块内容：

数据仓库表管理 // 一般只涉及应用层数据

数据指标管理  // 管理上面提到的指标内容，新增，编辑，删除，状态等

数据维度管理  // 类似指标内容，新增，编辑，删除，状态等

数据模型管理  // 管理指标或者数据表头计算的模型，新增，编辑，删除，状态等

数据应用服务管理  // 支持数据可视化，或者数据服务的方式，接口等

数据权限管理  // 管理工具的权限运营维护