文章主要讲解指标体系搭建，具体内容分为个部分：

1. 指标体系的通俗定义与选取原则

2. 指标体系四步法：包括指标构成、指标体系建立四步法()

3. 知乎APP指标体系指标体系实操

【文章约1500字，预计阅读时间4分钟】

一 指标体系的通俗定义与选取原则

1.定义：在业务不同阶段，分析师牵头、业务方协助，制定的一套能从各维度去反映业务状况的一套待实施框架。 2.选取原则：根本性、可理解性、结构性

• 根本性：核心数据一定要理解到位和准确

• 可理解性：所有指标要配上业务解释性，如日活的定义是什么，打开还是点击还是进程在

• 结构性：能够充分对业务进行解读，如新增用户只是一个大数，还需要知道每个渠道的新增用户，每个渠道的新增转化率，每个渠道的新增用户价值等

二 指标体系四步法

1.指标的构成：

1. 原子性指标：最基础不可拆分指标(如交易额)

2. 修饰词(可选)：某种场景(如搜索)

3. 时间段：如双11

4. 派生指标：4=1+2+3；双11这一天通过搜索带来的交易额；次日留存、日活、月活、日转化率。

2.指标体系建立四步法： Step1:理清业务阶段和方向

1. 业务前期：创业期

   盘子大小(如用户量)，此时指标体系应紧密围绕用户量提升来做各种维度拆解，如渠道

2. 业务中期：上升期

   盘子大小健康程度(用户量+优化用户结构)，关注用户留存

3. 业务后期：成熟发展期

   收入市场份额，看收入指标，各种商业化模式的收入，同时做好市场份额和竞品监控

Step2:确定核心指标 案例：某款产品日活口径是打开APP，通过不断买量，日活一直在上升，但打开APP用户中，3秒跳出率达30%，非常不健康。 解决：更好的核心指标是停留时长大于3秒的用户数 Step3:指标核心维度拆解 核心指标波动必然是某种维度波动引起，监控核心指标，本质上还是要监控维度核心指标。通用拆解的方法都是先对核心指标进行公式计算，再按照业务模块和路径来拆解。

案例：当前核心指标是停留时长大于3秒的用户数

1)公式计算

停留时长大于3秒用户数=打开进入APP用户数*停留时长大于3秒的占比

2)业务路径拆解

打开进入APP用户数： 渠道转化率、打开方式、用户画像(谁，从哪里来，发生了什么行为) 停留时长大于3秒的占比： 停留时长分布；停留大于3秒的用户特征和行为特征；停留小于3秒的用户特征，有无作弊可能。 Step4:指标宣贯、存档、落地 宣贯：统一口径 存档：对指标口径和业务逻辑进行详细描述存档 落地：建立核心指标相关报表 例如指标***功能日渗透率=该功能日点击人数/日活

三 知乎APP指标体系实操

1.当前业务发展阶段

知乎当前处于业务发展期和成熟期之间，2个论点：

1)当前知乎业务正在快速调整期，内容向娱乐大众化转型

2)商业化进行较大探索(大学)

内容和商业模式都在探索，所以可以判断其处于业务发展期和成熟期之间。(工作中看年度业务规划即可得到答案)

2.核心指标及拆解

首页推荐最重要的指标就是问答数 问答数=提问数+回答数=提问人数*人均提问数+回答数*人均回答数

评论点赞收藏应该是内容产品的核心指标吗？

评论点赞多跟产品健康度没有直接关系，评论点赞多的本质原因是提问回答比较精彩，这是相关性而不是因果性关系。评论点赞是一个二级功能，更底层的理解实际上是增加app社交属性。

3.会议、存档、建表

会议：产品(负责使用)、研发(负责打点) 存档：对不太好理解的指标要进行单独解释，比如什么是日活 建表：确定好打点之后就要建表，确保数据第一时间出来，能及时发现问题。

字段	业务语言	技术语言	业务人员	研发人员
是否大V	被关注人数超1000	Action日志中，Follow_uv>1000	小A	小B

注意：不需要一套大而全的指标体系，只需围绕当前的核心指标，解决最重要的问题即可。 这是加薪的第一篇推文，关于数据指标体系搭建课程的学习笔记.课程平台是网易云平台，主讲人Spring，BAT 7年从业经验.文章主要讲解指标体系搭建，具体内容分为个部分：指标体系的通俗定义与选取原则指标体系四步法：包括指标构成、指标体系建立四步法()知乎APP指标体系指标体系实操【文章约1500字，预计阅读时间4分钟】一 指标体系的通俗定义与选取原则1.定义：在业务不同阶段，分析师牵头、业... GrowingIO公开课： 搭建 业务+数据一体化的 指标 体系 IBM 数据治理统一流程 ISO38500 IT治理国际标准 ISO_IEC_38500_2008_version_PDF 五、案例篇 字节Apache Flink在字节跳动的实践 Hudi on Flink在顺丰的实践应用-蔡适择 滴滴Flink在滴滴出行的应用与实践 阿里基于Flink的实时计算平台 菜鸟在物流场景中基于Apache Flink的流计算实践 腾讯clickhouse实践 Clickhouse玩转每天千亿数据-趣头条 微博基于Flink的机器学习实践 快手稳定性 体系 建设 快手元数据平台化建设及应用场景 快手 指标 规范化及OneService平台化实战 Apache Flink 在美团的实践与应用 快手服务治理平台+KESS+的设计理念和实战 快手数据中台建设：大数据服务化之路 快手离线数据全链路分级保障平台化建设 快手万亿级实时 OLAP 平台的建设与实践 ClickHouse在快手的大规模应用与架构改进 美团点评酒旅数据仓库建设实践 美团酒旅数据治理实践 美团外卖为何使用Doris创建数据仓库 内部分享-基于 Hudi 和 Kylin 构建准实时高性能数据仓库 实时数据产品实践——美团大交通战场沙盘 ClickHouse在苏宁用户画像场景的实践 腾讯云clickhouse性能调优实践 融合趋势下基于 Flink Kylin Hudi 湖仓一体的大数据生态 体系 ClickHouse 在头条的技术演进 Doris的用户画像人群应用-会议组 Doris在美团外卖数仓架构中业务实践与改进思路 Flink 在 OPPO 的平台研发与应用实践 Flink实时仓库实践 Flink在滴滴的应用实践 摘要：业务的洞悉决定了 数据分析 师发展的上限，数据技巧只是逼近它。好的分析师都懂业务，也必须懂业务。 数据分析 涉及不同的业务领域，很多时候，业务的了解比数据技巧更重要。很多新人常问Python、SQL，但鲜有问业务，可后者才决定分析的成败。 业务的洞悉决定了 数据分析 师发展的上限，数据技巧只是逼 2. 进入循环，判断 i 是否小于模式串的长度，若小于则执行循环体，否则退出循环。 3. 在循环体中，首先判断 j 是否等于-1或者当前字符等于模式串中的字符 j，若满足条件则 i 和 j 同时加1。 4. 若不满足条件，则将 j 更新为 next[j]，直到满足条件。 5. 更新 next[i] 为 j。 6. 返回 next 数组。 下面是Python实现代码： ```python def get_next(pattern): n = len(pattern) next_arr = [-1] * n i, j = 0, -1 while i < n - 1: if j == -1 or pattern[i] == pattern[j]: i += 1 j += 1 next_arr[i] = j else: j = next_arr[j] return next_arr 注意，该算法中的模式串下标从0开始。