数据产品经理老曹,自从入职了这家初级规模的互联网公司,给大家带来了很多惊喜和意外。不仅从业务角度给大家普及数据产品知识,传播数据文化。还能在平时的生活中,通过日常接触到的数据产品入手,讲解背后的原理和逻辑,让大家触类旁通,更深入的了解和掌握数据产品知识。


    最近,由于业务快速发展,业务需要观测很多指标。数据产品经理小王,在这个过程中,在定义指标这块很困扰,不知道如何去命名一个指标才算合理。小王带着求知若渴的眼神,对老曹说:

“老曹,现在的指标太多了,大家命名起来很随意啊,有时候看到名字得理解半天,有没有一套标准啊?让指标命名更规范些??”

图片

老曹一听,这小伙越来越可以啊,主动学习的心态越来越好了,心中还是很满意的:

“指标命名当然有规范啦!在给你讲如何命名一个指标之前,首先让我考考你,你还记得指标有哪些类型呢嘛?“

数据产品经理小王点点头:

“这个当然知道啦,你之前给我讲过,指标主要分为基础指标、复合指标和派生指标。其中,

  • 基础指标

主要指不能再拆解的指标,通常表达业务实体原子量化属性的且不可再分的概念集合。

如:订单数、订单总金额

  • 复合指标

建立在基础指标之上,通过一定运算规则形成的计算指标集合。

如:平均订单金额=订单总金额/订单数

  • 派生指标

指基础指标或复合指标与维度成员、统计属性、管理属性等相结合产生的指标。

如:近30天订单金额=用户在过去30天完成支付的订单总金额。

我说的对不对啊?”

图片

老曹漏出默许的笑容:

“学习的很不错啊,那我来给你讲讲,一个指标应该如何命名!

首先,有一类指标,在你命名之前,其实他已经有了,例如,DAU、UV、PV这类指标,所以,为了容易理解,有行业专用名称的你就直接用行业的专用命名就可以了。“

数据产品经理小王:

“这一点很容易理解啊,来点更干货的!!!”

图片

老曹笑一笑,娓娓道来:

“我们常用的指标命名规则其实就是一个公式:限定词+业务过程+统计对象+量化词,其中,限定词、业务过程、统计对象不要求都出现在指标名字中,但是,指标名字里,业务过程和统计对象必须出现一个,而对于量化词,必须要有一个,而且要仅有一个。”

数据产品经理小王:

“呃呃呃,这些专业名词好难理解啊,能给具体解释下嘛?”

*老曹在画板上抹去刚才写的东西,继续画起来:*

“首先,给你讲一下通俗易懂的量化词,量化词是对一物理量的测定,通常以数字单位累表示。比如:金额、份额、次数、率。

让我们来个脑洞时刻:

请看问题:你有没有“1”?

第一反应:“1”什么?“1”是指:你有没有1块钱?你有没有1次爱上过我?还是你有没有1张火车票?

所以,你看,这个次数、张数就是量化词,在一个指标中,可见量化词有多重要。”

数据产品经理小王听的两眼放光:

“嗯嗯,所以一个指标名称里,必须有量化词,要不根本不知道是干啥的。”

图片

老曹接着说:

“然后,再来给你说一下统计对象,统计对象就是你的指标要统计的对象实体名称。比如,你是要统计订单还是用户。

让我们来个脑洞时刻:

请看问题:这个“数”到底是指哪个数?

第一反应:“数”什么?“数”是指:订单数?用户数?支付成功用户数?

所以,你看,这个订单、用户就是统计对象,它可以让你快速了解指标统计的对象。”

数据产品经理小王点点头:

“嗯嗯,这个我也懂啦,那么业务过程又是啥啊。”

图片

老曹见小王理解的很快,接着说起来:

“业务过程是用来描述过程性指标的,拿你淘宝购物过程来说,都会经历支付的环节,那么,在这个过程中,支付成功就是一个业务过程。

让我们来个脑洞时刻:

请看问题:这个“订单数”到底是指哪个业务过程啊?

第一反应:“订单数”到底在描述哪个过程啊?“订单数”是指:支付成功订单数?支付失败用户数?

所以,你看,这个支付成功、支付失败就是业务过程,它可以让你了解是在描述业务的哪个过程阶段。”

数据产品经理小王带着崇拜的目光说:

“soga,四要素掌握三个了,那么最后一个限定词是个啥子啊?”

图片

老曹不紧不慢的说:

“限定词见名知意,就是用来对指标进行限定约束的,常用的限定词有当日、累计、平均等。

让我们来个脑洞时刻:

请看问题:这个“订单数”到底是怎么约束的啊?

第一反应:“订单数”怎么约束?“订单数”是指:当日订单数?累计订单数?

所以,你看,这个当日、累计就是限定词,它可以让你了解指标的限制条件。”

数据产品经理小王迫不及待的说:

“懂啦。最后,让我来命名一个完全包含指标名称四要素:限定词+业务过程+统计对象+量化词的指标吧, 例如:累计支付成功订单数。

各位读者,您看对吗?

如果觉得这篇文章不错,您看还有机会分享嘛?“

图片

后续,“一个数据人的自留地”会持续更新老曹入职公司后,作为数据产品经理的工作过程中的经历和心得,希望对各位有所帮助和启发,如果有共鸣,也欢迎大家留言、投稿,让“一个数据人的自留地”,成为一个有温度的数据社区。

点赞(8)

Comment list 共有 0 条评论

暂无评论
立即
投稿

微信公众账号

微信扫一扫加关注

发表
评论
返回
顶部