指标体系是数据分析师招聘JD中高频出现的词汇，也是分析师必备的技能，尤其是社招岗位。在数据分析师校招岗位中出现的比例虽然没有社招高，但是也有50%的比例，随着入职后工作的展开，这块也是必须要掌握的技能。
对于产品经理、运营的同学来说，如果想证明自己的数据分析能力，指标体系是一个很重要的点，尤其是在往高阶的产品和运营发展的时候。
本文的主要目的是让读者知道什么是指标体系，以及通过2种不同的方法来搭建指标体系。
本文结构如下：
从字面上来看，“指标体系”是可以分成“指标”、“体系”两个词语，所以这里我们先看一下什么“指标”？
来自百度百科的定义：指标是说明总体数量特征的概念及其数值的综合。
综合数据大V的定义：针对某一具体事物或行为进行量化描述的数值。
上面两个定义可能都不是特别的好理解，看一下下面的3个例子，会更形象一些，9.96亿的GDP，4982亿的GMV，12.13亿的UV，这些就是指标。当别人问一下平时看哪些关键指标时，只要交流具体名称即可。
在上面直接讲“9.96亿的GDP，4982亿的GMV，12.13亿的UV”这一串数字的时候，我相信大家一定是有疑问的。这里我们开始引入“维度”概念。
维度是指标的属性或者特征，同时也是指标的必要定语!且看下图，9.96万亿如果加上2019年江苏省这两个属性，是不是就更加明确和有意义了。是的，2019年是时间维度，江苏省地区维度，天猫、微信是平台维度。时间维度从低层到高层包括日、周、月、季度、年度等。地区维度从低层到高层包括区/县、市、省、国家等。当然还可以根据自己业务需要重新定义和划分。
下图是电商业务中常见的分析维度
因为指标是指标体系的关键，有必要强调一下什么是好的指标，为后续建设指标池打下基础。
准 确 性 ：一个指标最要的就是能否准确的进行统计，如果这点满足不了，其他一切免谈，否则只会搬起石头砸自己的脚（切忌，切忌！）
可 比 较 性：是指有维度可比较，比如同期比较，不同地区比较，如果没有比较，指标也没有意义。
业务指导性：当一个指标发生异常变动，对运营下步的执行没有任何指导意义的时候，或者说还是按照之前的方式继续执行的时候，这个指标就是没有指导性的，可以直接放弃。
简 单 易 懂：如果无法一个指标无法快速的让人理解，运用效果一定是差强人意。
经过上面长长的铺垫，终于得到了指标体系的概念：
宏观的角度审视业务流程或者关键节点，分析维度更加全面。
当发现关键目标出现异常波动，根据该体系可以快速定位到问题点。
每个指标都有内在关系，看到的问题可以更深一层。
搭建指标体系主要有2套方法：业务流程法、OKR拆解法。下面通过案例逐一讲解。
从整体的流程来说主要包括下面八个步骤，每个步骤电商网站双十一GMV成交额(GMV)案例来说明。
OKR（Objectives and Key Results）即目标与关键成果法，是一套明确和跟踪目标及其完成情况的管理工具和方法。整体流程和业务流程法大同小异。
关键点就是下图虚线矿中的目标拆解。我们以豆瓣MAU1000万案例来说明。
ORK在拆解的过程中注意下面三点，其实整体下来OKR拆解是比业务流程法有一定的难度的，这也是为什么要熟悉/精通业务的原因。
两种方法讲完了，补充一个有用的模型工具，OSM模型（Obejective，Strategy，Measurement）分别代表业务目标、业务策略、业务度量。
OSM模型主要有下面三大用处，尤其是第三点，上面我举的2个案例，相对来说还不够细，无法有效的在某家公司进行落地，只有根据该公司具体的业务场景进行本土化，才能有效落地。但是这些内容对于求职面试已经是足够了。
设计一个好的指标体系，大家觉得最关键的点是什么呢？
这里给大家抛出这么个问题，希望可以留言讨论，博主也会参与大家的交流。