数据指标体系设计是一项比较复杂的工作，还需要企业根据自身战略目标、组织及业务过程等进行自上而下的指标分级，从而使管理层、业务人员等不同角色都能更高效地理解数据指标含义、透过数据指标的波动快速定位相关问题。

一般而言，我们将数据指标分为三级：第一关键指标（又称“北极星指标”）、一级指标和二级指标。比如打车类App的第一关键指标是成单率，将成单率拆解，即可得到两个一级指标，分别是发单数、完单数；再将一级指标完单数拆分，可得到司机取消订单数量、乘客取消订单数量等二级指标。对于客服人员来讲，更需要关注二级指标，跟进了解司机和乘客取消订单的原因，解决司乘用户体验问题。而对于打车类App的运营人员来讲，还需要更多关注发单数、完单数等一级指标，通过运营和激励措施提升相应指标。

指标设计

设计指标前，我们需要了解指标的几大组成要素：维度、度量、统计周期、过滤条件等。其中维度是描述性数据，指的是地区、产品名称、产品类型等指标统计的环境；度量是数字性数据，比如产品销售额、账户余额等；统计周期指的是计算指标的时间范围，比如本月、本季度、本年度等；过滤条件指计算指标的条件限制，比如有效状态、非工作日的等。

指标的组成要素决定了指标的生产逻辑。根据组成要素、生产逻辑的不同，数据指标可被分为原子指标、派生指标、复合指标等类型。其中原子指标，指的是对某一业务行为事件的度量，比如交易笔数、交易金额、交易用户数、账户余额；派生指标，指的是基于原子指标进行维度、统计周期或过滤条件的派生，比如近一周的账户消费金额、上一年的账户余额等；而复合指标就更为复杂，一般是对多个指标进行加减乘除等运算得出，比如2022年月平均GMV、投资年化收益等。

 指标元数据

企业可以根据指标类型、生产逻辑的不同，清晰梳理出生产指标所需要的数据源以及需要构建什么样的数据模型以计算得出指标结果。为了更规范地进行指标生命周期管理，我们建议企业可以输理出一份指标元数据说明书，清晰罗列指标名称、指标编码、指标目录、指标分类、业务口径、技术口径、指标责任人、指标数据更新频率、描述信息等重要内容，给数据开发人员、指标使用人员、指标维护人员等提供更详尽的指导和参考。

指标评审与开发

完成指标模型、指标内容等设计后，数据分析师/数仓架构师会召开指标评审会议，与数据开发/业务人员在指标的定义、业务口径、技术口径、更新周期等方面充分讨论并达成一致意见。

业务人员是数据指标的需求方和使用者，在派生指标维度有哪些、统计周期是什么、复合指标由哪些指标加工而成等问题上能够提出建设性意见；数据开发人员较为了解企业的数据源现状，能够在派生指标由数仓的哪些数据模型加工产出等技术问题上给出专业建议。

综合多方在指标评审会议上的反馈，负责指标开发的数据分析师/数仓架构师可对指标元数据和指标生产逻辑进行优化迭代，正式启动指标开发工作。