文章目录
最近，开始了人生中第N次的指标设计。这还真是件“温故知新”的趣事。
原则一、认清指标的应用场景
这一点虽然很重要，但在过去我并不认为是第一重要的。而这次，我把它提到第一位。最笼统的场景分法，可以分为“分析型指标”和“考核型指标”，后者是前者的子集。
“分析型指标”是对业务运行的量化描述，理论依据是“没有量化就不能改进”的管理观念。以“量化一切可量化的环节”为目标。因此数量多，形式丰富，可以有许多创新。
创新可以来自计算方式，比如客单价的计算是算数平均数，可以改成中位数，就避免了数据偏态带来的偏差。也可以来自维度的细分，比如客单价变为成交额头部10%用户的客单价。也可以来自业务环节的细分，比如将下单转化率细细拆解为用户路径中每个环节的转化率。
“考核型指标”不仅是对业务的量化描述，更重要的是“管理抓手”。理念依据是“管理与决策必须有数可依”。它对指标的准确性（效度）、精确性（信度）、可理解性、可执行性、稳定性上要求更高。数量应大大少于“分析型指标”。
尤其要强调可理解性和可执行性：
可理解性指公司从高层到基层，都能对指标含义保持一致的理解。比如，指标名字叫“销售额”就好于叫“GMV”
可执行性指业务的执行动作能在指标数值上获得反馈，并且要尽量及时和敏感。比如，用“商品畅销率”来做考核，就不如用“商品滞销率”，因为让商品畅销有多重原因多种动作，而解决滞销的第一件事儿就是把卖不出去的东西先下架。
目前我自己对考核型指标的重视程度要远大于分析型指标。
原则二、考核指标一定要能“细拆”
“考核型指标”在落地应用的过程中，一定会需要“细拆”，不然对于组织成员来说，指标所代表的要求和自身的能力容易出现错配，那么管理动作便很难落到实处。
要能细拆，那么指标就要能够组合维度进行下钻，或者多指标间能形成推演关系。推演关系我指的是数学运算关系或者因果关系。为什么没有相关关系？因为没有方向性的关系，不能叫做能“推演”。
要能细拆，指标的准确性和精确性还需要具备细拆之后的稳定性。
比如，若是有些指标，在维度下钻到更小的维度空间后，计算对象会出现大比例的空值或者异常值，导致汇总的数据失真，那就说明这个指标的稳定性不够。
比如，有些指标在回溯历史的时候，因为各种原因，历史数据质量差，导致计算的数值不可信，那么这也不是一个稳定的好指标。
原则三、考核指标够用就行，越少越好。
屏幕前的你，不妨自问：每天看几个指标？能说出几个指标的数值？
我想，能讲出5个数值的人屈指可数。那么，怎么样在这有限的5个格子里（决策大脑认知数据的内存），填上最关键的指标，以此发挥出出数据驱动决策的最大效应，才是分析师要思考并实践的。
不求大而全，而是挑选出与公司发展阶段相匹配，并具贴合半年左右战略目标的指标，会是个好思路。
原则四、考核指标必须在公司上下层间都容易理解
这一点在上文中已有表述。要把握住指标名称符合规范，名称和口径都易理解。每个指标都有个以“统计周期+计算方式+修饰词+对象+标量”为结构的全名。当然，谁都不愿意买羊肉串时说“西尔勒-阿普杜-卡内尔-尤瓦尔-买买提，给我10串烤羊肉”，而是说“阿提，10串羊肉”。指标“简称”需要做到在有共识的场景下，准确简短地表达。甚至是代称，“老板，10”。
原则五、考核指标波动与业务动作强相关
首先，把业绩结果指标和过程指标区分开。
其次，从过程指标里，挑选更能反应策略效果的指标，即“抓手指标”。这是我们想要的考核指标。
原则六、考核指标数值一定要有“单调性”
放在最后的，往往是第二重要的！
指标要有单调性（通过口径或者数学转化实现），或者说是有“方向性”，即要么越高越好，要么越低越好。有方向性的指标，才能让业务执行效率提升。“中间态”的指标做考核，会导致执行动作摇摆，弊大于利。
比如，大家都网购，但网店要是以“售罄率”作为考核指标，就不合适，因为高了，意味着货没有备足，造成了销售额损失，低了也不好，说明东西卖不掉，造成存货积压。当然，出清尾货的情况除外。
