数据指标体系搭建实践:指标管理四步法

发布时间:2020.09.21来源:头条浏览量:268次标签:数据治理

当你接触一个指标,如果这个指标本身的口径得不到一个官方规范的解释,那么我们用起来就会很慌。为什么这么说?
因为不同人对于一个指标口径的理解,会存在偏差的,比如对于“新用户”这个原子指标的定义口径,有的人是理解为当日新注册的用户为新用户,而有些人会理解为当日首次下单的用户为新用户,那么直接导致的结果就是同一个指标,计算出来的结果会天差地别。

那么,我们如何统一管理混乱的数据指标?其实最好的就是需要有一个指标系统来支持的。亿信华辰持有一把指标建设的利器——指标管理平台,不仅能快速高效整合管理指标,还有一套通用成熟的指标体系建设流程,帮助企业建立并不断完善企业的指标体系。

1、为什么要进行指标管理
指标,就是在某一个角度上分析的具体数据,展示在某一角度观察的数据的趋势,比如学生的成绩、身高,交税的应缴税额、已缴税额等都是数据分析时的指标。可以说,每个企业都需要指标管理平台。只要有财务指标需求、人力资源指标需求、经营指标需求和个性化指标需求等各种指标类需求的企事业单位都需要它,而这些基本是所有企业发展到一定程度后的必然需求。

从行业类型来说也是如此,各行各业都需要它,因为各行各业都有自己指标体系,如:卫生行业有卫生资源、医疗服务、疾病控制等指标体系,税务有宏观指标、中观指标、微观指标等。

具有一定规模的企业,为了了解企业各方面运转的状态,会建立企业管理体系,其中就包含了各种用于评价的指标,这些指标可以反映出产品质量、资源利用、生产成本等情况。对这些指标的体系化的管理,就需要用到指标管理工具。

2、指标管理的大体步骤是怎样的


亿信华辰指标管理平台是对指标进行统一管理的工具,它同时面向业务人员和技术人员,提供集指标定义、指标建模、指标数据落地和指标分析等服务于一体的完整的解决方案。如上图所示,进行指标管理大体分为以下步骤:

首先,获取数据源。
确定企业建立指标体系的数据来源,为我们进行指标体系建设提供数据基础。需要注意的是,完全没有经过任何处理的数据,如果直接用于创建指标体系,那么很可能导致指标的质量低下,指标分析结果可能不准确或不完整。所以我们一般推荐使用经过一定的清洗转换,规范的数据来建立指标体系。

第二步,定义指标。
定义指标包括对指标口径的定义、对指标属性的定义、对指标体系结构的定义。

从数据源获取的数据可以直接创建基础指标,而我们能用于判断企业经营状况的通常是由基础指标经过一定计算形成的合成指标,因此我们需要对基础指标进行加工,确定合成指标的计算口径。

每个指标还有一些用于协助管理或应用的属性,例如指标口径的定义人员、指标数据的提供部门等管理属性。这些也需要通过工具进行维护。

指标体系结构的定义可以帮助不同角色对指标体系进行管理和应用。实际上企业中不同的角色,对同一套指标的结构有不同的理解,这是由不同角色的观察角度和应用目标不同造成的,这就需要我们的指标管理工具能提供多种指标体系结构的定义。

第三步,指标建模。
使用创建好的指标来建立模型。这些模型通常是基于特定类型的指标应用的,例如基于成本分析来创建成本相关指标的模型。

第四步,指标固化。
指标固化是将指标数据落地到之前创建好的模型中,做好最终的指标应用的数据准备。

最后,指标应用。
指标模型和数据准备好之后就可以通过这些指标数据来进行分析应用了。

3、指标管理过程中需要注意的问题
(1)指标的创建通常需要经过一定的审批。
带有审批流程的工具才能应对实际管理流程中的统一管理的需要,工作流程才能规范化。

(2)指标体系的展示结构需要支持多种结构。
这是为了应对不同角色对指标体系进行管理或应用的不同需求。例如从管理角度查看时:

从指标维护考核的角度查看:

从指标责任部门的角度查看:

(3)指标的维护需要对历史版本进行记录。
一旦指标进行了修改,通常需要对上一个版本或更早版本进行记录,用来支持未来某个时刻可能用到的历史版本恢复,或者不同版本之间的对比。

这些都是在指标体系建立和维护的过程中必须要考虑到的细节问题,需要利用工具进行管理。正所谓工欲善其事,必先利其器,亿信华辰指标管理平台可以独立提供从数据接入到指标定义、建模、固化,最后完成指标分析的全流程,满足一般企业日常指标管理的需要。
(部分内容来源网络,如有侵权请联系删除)
立即免费申请产品试用 免费试用
相关文章推荐
  • 为什么数据成为新的生产要素,怎么理解

    为什么数据成为新的生产要素,怎么理解

    在经济学中,生产要素又称为生产输入,是人们用来生产商品和劳务所必备的基本资源,主要包括土地、劳动、资本、企业家才能和数据。生产要素促进生……查看详情

    发布时间:2020.11.25来源:知乎浏览量:464次

  • 数据治理 VS 数据管理!

    数据治理 VS 数据管理!

    与早期的数字化原生企业相比,不进行数据管理或治理的企业将面临着严重的后果 。至于说到良好的数据管理和应用的实践,大多数人只会将这个词与那……查看详情

    发布时间:2022.06.15来源:互联网浏览量:333次

  • 什么是数据质量?如何衡量它以获得最佳结果?

    什么是数据质量?如何衡量它以获得最佳结果?

    我们过去谈过很多关于数据质量的问题 - 包括糟糕数据的成本。但是,尽管对数据质量有了基本的了解,但许多人仍然不太了解“质量”究竟是什么意……查看详情

    发布时间:2018.12.25来源:数据治理浏览量:250次

  • 数据质量问题的影响因素

    数据质量问题的影响因素

    数据质量反映的是数据的“适用性(fitness for use)”,即数据满足使用需要的合适程度。数据质量通过完整性、一致性、准确性、及……查看详情

    发布时间:2020.04.09来源:百度浏览量:696次

  • 企业如何建立主数据管理平台让数据增值

    企业如何建立主数据管理平台让数据增值

    90年代中期,ERP兴起并得到快速发展。然而,最早的ERP系统中并没有主数据(Masterdata)的概念,而是被称作基础数据。基础数据……查看详情

    发布时间:2020.08.28来源:知乎浏览量:276次

  • 大数据治理 [Big Data Governance an Emerging Imperative]

    大数据治理 [Big Data Governance an Emerging Imperative]

    《大数据治理》是一个信息治理专家奉献的鸿篇巨制,作者以极其实用和通俗易懂的风格,倾心向读者解读大数据治理这一复杂主题。作为一家大公司的资……查看详情

    发布时间:2018.11.29来源:数据治理浏览量:265次

  • 企业怎样保护业务数据的质量

    企业怎样保护业务数据的质量

    企业内容的质量主要从以下三个方面体现:技术人员设计系统时逻辑严谨,符合规范;业务人员通过统一的培训,录入数据时有统一的规范;管理人员发现……查看详情

    发布时间:2019.09.10来源:知乎浏览量:201次

  • 数据治理与数据质量

    数据治理与数据质量

    单纯从数据层面来看,数据体系包括治理、管理和应用三个部分。治理是负责解决人与人之间的事,管理负责各个职能领域,应用则是价值的实现。不讨论……查看详情

    发布时间:2019.01.03来源:Magic浏览量:164次

  • 数据治理为什么成为企业必备?

    数据治理为什么成为企业必备?

    基本概念什么是数据治理?答:又叫”数据管控”。引用《DAMA数据管理知识体系指南》一书给出的定义:数据治理是对数……查看详情

    发布时间:2020.07.29来源:CSDN浏览量:250次

  • 数据在数字化转型时代的作用

    数据在数字化转型时代的作用

    说今天的商业环境变得极具竞争力可能是轻描淡写的,那些没有不断重塑业务的公司 - 以核心数据 - 最终会在市场中断的同时观望。数据技术,科……查看详情

    发布时间:2019.03.12来源:亿信华辰浏览量:241次

相关主题
您点击 “提交”,表明您已理解并同意接受本网站隐私政策和用户协议