八、搭建指标体系

　　· 什么是指标体系：多个数据分析指标的集合就是一套指标体系，设计这些指标的计算逻辑就是搭建指标体系

　　· 为什么搭建指标体系：目的是将抽象的业务现象数字化，数字化后才能更好地理解业务和发现问题以及寻找解决方案。搭建指标体系并不是以软件工具为重点来具体实现，而是主要以分析思维来实现，首先要全面地理解业务，然后引入思考：如何将抽象的业务现象数字化，这些数字就是业务状况的具体表现，搭建指标体系就是定义这些指标的名称及具体的计算逻辑，而像Excel、PBI、SQL、Python等工具是将这些指标统计出来并进行分析。业务是一个非常广泛的代名词，无论是Python数据分析，还是JAVA软件开发，还是UI界面设计，基本上都是业务先行。做软件开发的，理解用户需求后去实现相应功能就是业务其中之一;做界面设计的，理解用户操作习惯和审美就是业务其中之一;做数据分析的，理解用户行为特征后去制定营销策略就是业务其中之一。

　　1.业务数据

　　· 以如下数据集为例，我们来思考下能从什么维度进行数据分析?如何搭建数据分析的指标体系?这些指标又能发现什么样的业务问题点等等

　　2.分析维度

　　· 时间序列上的分析角度：

　　· 地理位置上的分析角度：

　　· 人、货、场上的分析角度：

　　3.量化指标

　　三大类指标

　　时量：衡量业务某种状态的持续时间长短

　　数量：衡量业务发展的规模大小

　　质量：衡量业务经营的质量好坏

　　发货时长：从下单到发货的时长，发货日期-订单日期，衡量发货效率的高低

　　配送时长：从发货到签收的时长，签收日期-发货日期，衡量配送效率的高低

　　运输成本：运输成本求和，衡量快递配送的人力物力等成本高低

　　订单数：订单编号计数，衡量下单量的多和少

　　数量：数量求和，通过售卖件数来衡量业务规模大小

　　单价：单价求均值(或销售额求和/数量求和)，衡量商品的价值高低

　　销售额：数量*单价后求和，通过交易金额来衡量业务规模大小

　　利润额：利润求和，衡量盈利金额的规模大小

　　利润率：利润求和/销售额求和，衡量盈利水平的质量高低

　　用户量：用户编号计数，衡量用户规模大小

　　复购率：下单2次及以上的用户数/用户数，衡量用户对某商品的重复购买程度，即回头客占比

　　下单频次：以用户分组统计订单数，衡量各用户的购买频次高低

　　连续下单天数：如某用户1号2号3号都下单，而4号没下单，则连续下单天数为3天，衡量用户对商品需求的高低

　　上架商品数量：上线准备售卖的商品数量

　　按件求和，衡量售卖商品件数的多和少

　　按种类计数，衡量售卖商品的多样性

　　4.分析场景

　　· 什么是分析场景：问题+维度+指标+结论+解决方案=分析场景，数据集的字段越多，业务知识越熟悉，能构思的分析场景越多

　　· 整体业务发展状况：销售额如何?订单规模如何?多少用户?商品多少件?商品种类多少?均价多少?用户主要分布在哪些地方?合作的快递公司有哪些?盈利水平如何?

　　· 地区维度：全国各省的业务覆盖程度如何?业务主要集中在哪些大区?各大区的业务发展状况又如何?即各项指标的表现如何?比如销售额、利润率、用户下单频次、复购率等等，各大区的业务又主要集中在哪些省份?各大区下哪些省份的业务发展状况好?哪些发展不好?各省/自治区/直辖市的业务发展状况又如何?各项指标的表现又如何?各省份主营的商品分别又是哪些?发展如何?哪些商品卖得好或不好?

　　· 时间维度：整体业务发展趋势如何?即各项指标的发展趋势如何?向好还是向坏?细分到大区、省份、产品类别等维度，发展趋势又是如何?哪些发展好或不好?

　　· 用户维度：用户群体的特征是啥样?即用户画像，男女占比如何?年龄分布如何?偏年轻偏中年还是老年?蓝领为主还是白领为主?哪些特征的用户对业务贡献度较大?

　　· 商品维度：主营商品是哪些?哪些畅销哪些滞销?哪些利润高哪些低?各商品的复购率如何?什么商品适合什么样的用户?售后情况如何?各商品分别出现的问题又是什么?哪些商品用来引流会更好?

　　· 快递维度：合作的快递公司有哪些?主要跟哪些合作?各快递公司的配送效率又如何?分别又有哪些问题?如何优化与各快递公司的合作关系?

　　· 获客渠道：从哪里获取用户?自力更生还是广告推广?各广告渠道的用户群体是否与公司用户群体相符?收费高?按浏览量收费还是访客量还是下单量?从浏览到下单的转化率又如何?投入和产出的比例怎样?如何优化与各广告渠道的合作关系?

上一篇

小白学Python之互联网数据分析之业务指标（三）

下一篇

小白学Java之jvm是什么