讲师介绍

王建峰，中国两化融合应用联盟副理事长，国家工业大数据工程实验室特聘专家，在IT咨询与IT服务行业有18年的工作经验，涉足于石油、化工、制造、医药等行业信息化规划和研究，具有丰富的项目管理、咨询服务经验，多次主持中央企业、大型集团企业以及国家部委信息化咨询、规划、设计项目，参与《数据治理：工业企业数字化转型之道》等书籍编写工作，是自媒体数据驱动智能创始人。

以下内容为王建峰老师分享内容整理而成

一、指标数据是什么？

1.1 指标数据定义及分类

指标：面向特定业务系统的设计，是组织在经营和生产管理过程中衡量目标或事物的数据，通常包含指标名称和定义、计算单位、计算方法、维度和指标数值等要素。

基础类指标（基础项指标/复合项指标）+维度=派生类指标

1、基础项指标：表达业务实体原子量化属性的概念合集，可以直接对单一变量的明细数据进行简单计算得到的不可进一步拆解的指标。如“调运量”
具有如下特征：
1）指标计算规则中仅包含一个变量。
2）其稳定性高，业务定义、计算公式和统计口径不易随业务管理视角频繁变化。

2、复合项指标：建立在基础项指标之上，由若干个基础项指标通过一定运算规则计算形成，在业务角度无法拆解，如“签约率”、“利润率”。
具有如下几种类型：
1）由基础项指标计算得到；
2）由基础项指标、复合项指标计算得到；
3）由复合项指标再度计算得到。

维度是对组织在业务经营过程中所涉及对象的属性进行划分的方式。维度作为观察事物的视角，并不孤立存在，而是通过与指标结合使用，可以对指标的不同方面进行对比与分析。通常为报表的一行或者表头中的一列。一般来说，维度具有离散化取值的特性，即取值可以枚举。常用维度包括时间、空间、组织、业务板块、业务阶段等。

派生类指标（实际指标）是基础项指标或复合项指标与一个或多个维度值相结合产生的指标。如“月计划调运量”、“月日均销售量”等。
具有以下几种类型：
1）由基础项字表和维度组合得到；
2）由复合项指标和维度组合得到；

1.2 指标数据框架

指标数据框架规范了指标数据分类和指标数据标准属性。
指标分为基本类指标和派生类指标，其中基本类指标又分为基础项指标和复合项指标。
指标数据标准属性规定了指标数据标准的业务属性、技术属性和管理属性，其中必填属性称为基础属性，其他可根据实际情况进行梳理的属性称为扩展属性。

1.3 指标数据管理要求？

指标数据定义规范注重反映组织战略目标和业务发展程的全局性，充分考虑各类国际标准、国家标准、行业标准，强调数据标准落地建设，对指标数据定义有如下要求：

完整性要求：指标的信息应避免缺项，保证内容完整。
唯一性要求：保证指标选取的全面，避免指标之间重复。
准确性要求：每项指标都必须准确体现业务需求，能够科学地反映评价对象的某一方面信息。
规范性要求：指标数据标准的定义和分类要有明确的要求，各专业、各层级应严格按照规范的要求开展指标数据标准工作。

1.4 指标数据标准数据项属性架构？

为确保指标数据标准定义的完整与严谨，须构建一整套标签数据标准的信息项属性架构。

基础属性：下图中灰色背景的属性是基础属性。是指标数据标准必须具备的属性。
扩展属性：下图中白色背景的属性是扩展属性。扩展属性是指标数据标准的选填属性，可以根据实际情况进行梳理。

1.5 指标数据标准属性定义-业务属性

一级主题：对业务的高阶分类，依据组织总体业务架构、数据架构，参照数据主题域框架规范由公司统一制定，包含战略决策、业务经营和管理支持等一级主题。

二级主题：以组织业务架构蓝图为基础，对公司战略发展、业务运营、管理支持中产生持续价值、重复利用的数据做高阶抽象，依据组织总体业务架构、数据架构，参照组织数据主题域框架规范统一制定，包含战略规划与计划管理、采购和供应管理、人力资源管理、财务管理油田、炼油、化工、销售等二级主题。

三级主题：是指按业务细分的实际情况对二级主题进一步细化，依据总体业务架构、数据架构，参照公司数据主题域框架规范统一制定，包含规划管理、储量管理、经营分析、工程项目管理、企业文化等三级主题。

处理逻辑：指标数据对应的计算处理方式。即指标数据核算、平衡、拆分等业务规则（计算公式／函数等），描述指标的本质和内涵，满足“口径统一”的要求。如果处理逻辑相同，则应该定义为一个指标。

比如基础的计量单位、国标、行标等或者公司的制度发文、包括行业监管要求、上报频度，这属于对于业务属性方面的定义，此外还有技术属性和管理属性。

1.6 数据标准模板及示例-标签

1.7 数据标准模板及示例-维度

1.8 企业面临的数据指标应用问题

1、指标应用现状：分析指标散落在各部门和各类管理系统中（各类业务指标、外部监管指标、行业共性指标、基础运营指标、绩效考核指标等）；
2、指标呈现形式：以报表、报告、监管和可视化分析为主；
3、指标体系现状：多个指标并存，存在口径不一致，计算和存储冗余，缺少统一的指标运营分析。

1.9 企业面临的数据指标管理问题

以银行指标管理为例：

1、“指标体系”不成体系：随着业务的快速发展，客户服务及业务的场景化和线上化，传统以系统划分各自为政的指标管理模式需要体系化提升效率。

目前多数企业在做指标的时候，大多以单一视角来看待指标，但是对于财务、售后、采购等会有内在关联，比如说对于产品的销售来说，是不是卖得越多，我们的利润就大？卖的越多，产能，采购、资金是否能跟这些都会反映馈到公司整体运营和整体利润上，从业务上来看指标如果不成体系的就应用的话，会比较离散，不能够很好的反映企业发展的内在的问题。

2、指标缺少有效管理：指标建立后统计口径的变化以及统计维度的调整，版本管理和上线、下线等，需要基于指标生命周期的管理平台。管理各自为阵，指标变化后没有进行协同和管控。

3、指标治理和标准化：指标是数据价值发生最关键的一环，数据治理体系的建立，要求指标的定义和统计维度也满足元数据管理和数据标准的要求。

4、指标如何发挥更大作用：随着科技的发展和业务监控的诉求，如何提高指标的应用方式和效率，如指标资产化和服务化，实时计算指标场景，可视化大屏和分析预警等。

1.10 如何解决指标问题面临的困境

总体来说：可分成指标体系不全面、指标设置不统一、指标应用不完善三大问题。

1、可通过管理成熟度模型进行判断指标建设的定位：

事后：结果展示，依据设定的报表格式对指标结果进行展示。

过程：跟踪指导，依据设定的指标对达成的结果的过程进行跟踪指导，

引领：分析决策：针对过程和结果进行分析，提出优化措施及建议，为公司运营决策提供辅助支撑。

2、优化思路：

扩展体系，丰富内涵：在现有结果展示指标的基础上，结合企业战略目标和信息化发展规划，进一步优化提升指标体系框架；

方法多元、便于操作：采取结果展示、过程跟踪、指标分析评价等方式让指标应用更加丰富多元；

科学衡量、客观准确：以引入业内指标最佳实践、设立内部运营对标指标库等手段，指标标准更为客观准确。

1.11 指标工作的目标和内容

目标：搭建复合企业实际情况的数据指标体系，制定体系相关规范；建立公司级指标搜集、整理、维护流程，促进业务绩效分析和科学决策，打造“计划-过程-结果-评价“的指标全生命周期管理体系。

工作内容：

1、建立体系框架：建立指标设计的业务域划分，指标数据字典元数据、人员/组织/流程的体系设定。

2、定义指标内容：整理指标的业务属性、技术属性和管理属性，构建指标关系体系和分析体系。

3、指标落地实施：持续发展能够支撑横向业务领域划分，纵向加工计算逻辑分层的指标管理系统。

4、制定相关规范：建立公司级指标搜集、整理、维护流程，为各类数据应用建立坚实基础。

1.12 指标体系对现有业务提升的意义

企业在建设数据库和数仓后，就开始进行指标标准化工作。通过指标的标准化建设，指标的会选取更加科学，指标管控就会更加精细化。指标的范围会进行全面优化。因此通过指标体系的构建，也就是说从个体专家经验式管理向知识体系化和科学化的管理转变是指标体系构建的价值。

1、全面支持决策：

数据指标极具参考价值，公司的管理层为了更准确进行战略决策，需要搭建完备的数据指标体系，一个相对全面的数据指标体系，可以让管理者对公司的发展从数据层面有一个比较客观的认知，这样在进行战略决策时，可以保持相对理性。对于新业务的洞察，也可以不断融入新的数据指标，丰富指标体系，灵活且全面地把握业务发展趋势，为未来的决策提供借鉴。

2、指导业务运营：

数据指标体系可以反映业务客观事实，看清业务发展现状，通过指标对业务质量进行衡量，把控业务发展情况，针对发现的业务问题聚焦解决，促进业务有序增长。除此以外，还可以建立业务指标因果关系，主要明确结果型指标和过程型指标关系，通过结果指标回溯过程指标，找到解决问题的核心原因。

3、如何建设一个优质的指标体系？

1、结果如何：描述性分析，从结果性指标能看出结果如何；
2、为什么会发生：诊断性分析，从过程性指标辅助能够看出为什么出现这种结果；
3、还有可能发生什么：预测性分析，如果按照这种结果发展下去，会有什么样的趋势；
4、我们怎么做：策略分析，可以根据指标体系的结果描述和过程去进行问题定位，思考业务问题的解决方式。

1.13 某大型集团：全产业指标数据梳理设计

1、建设目标：

某大型集团数据治理建设目标：依托新一代信息通讯智能技术创新，以“价值引领、数据驱动、融合互联、智能应用、智慧转型”为核心，通过全价值链开展数据资源的采集、运行、计算、分析、智能应用与开发工作，提供完整的数据资源共享服务及价值应用，打造能源行业领先的智能商业及运营模式，不断促进能源行业生产、供给、消费变革创新，支撑集团智慧企业建设。

2、设计方法：多元化集团的产业板块都有相互联系，以集团层面来出发，可以了解每个板块运营健康度、盈利能力等，可以反映出集团的竞争优势和竞争能力。首先通过集团指标库的梳理完成完整的指标库——进行不同主题域的确认，制定集团指标体系框架——覆盖集团多产业板块业务指标集等。

二、如何构建指标数据体系？

2.1 标杆企业做法

标杆企业在企业信息体系上都具有战略指导的指标体系，灵活和反应快速的信息系统支撑及深入市场和客户的分析洞察能力。

首先从战略及价值出发，构建指标体系要具有清晰的定义，可衡量的公式，完整的分析维度及权责相符的责任相应单位，必须有业务属性，技术属性和管理属性。

然后整合公司数据架构和BI（商业智能）系统，能够完整和有效的整合业务数据，并具有灵活的展现和分析的支撑能力。

最终会形成市场洞察，客户洞察，包括生产洞察等等，就是各方面的维度的洞察，支持管理层监控绩效表现及分析战略决策、引导产品和客户服务创新。

2.2 梳理指标最佳实践

数据需要反应真实业务，在梳理指标的时候，我们会从几个维度来看。

首先，从公司价值增长的维度和战略生效的层面进行指标的梳理，也就是从价值模型、价值树、优先价值动因、指标的长名单。然后从公司的战略理解，关键成功因素、现有指标、指标长名单，参考行业指引，引进最佳实践，通过结合形成最终的指标短名单。

指标其实并不是越多越好，关键是需要能够反映，对于我们业务有更好的支撑，对于决策有更好的应用。在这个思路下，形成分解分析维度和业务主题分类来理解组织结构，这样的指标体系是完整的对业务决策能够支撑的体系。

2.3 指标体系规划实施步骤-整体思路

1）战略分解：战略解读，分解战略并形成部门级关键举措，形成战略解读、战略分解、关键成功因素、关键业务举措等指标。

2）指标梳理：基于现有报表系统，或者对标行业参考，梳理整合已有指标形成指标清单。

3）价值树分解：基于公司实际与关键因素形成体系框架。公司的价值树一般是1到5个主题域，分解以后，把指标挂在上面，形成整个指标体系和指标卡片。

4）指标卡片：指标应用最终是通过指标卡片去来对指标进行解释的。

最终，通过指标体系构建，对于数字化转型场景应用起到支撑左右，如管理驾驶舱的设计，专题设计。

2.4 指标体系建立步骤

1）找指标：找寻，分散在企业各处的指标。如存在于报表、信息系统、部门文件中的指标。

2）理指标：构建契合业务的指标体系，从价值链的角度，或者基于对于价值的分析，把指标与价值联系起来。

3）管指标：对于指标进行常态化管理机制。建立指标管理组织，规范指标管理流程，是否能正确赋能业务的考核等。

4）用指标：规划指标体系在信息化中的应用方式，最终将指标用起来。

指标建设需要以终为始，对于业务、战略、运营、管理起到支撑作用。

添加文末助手微信领取课程回放

2.5 STEP1:找指标

指标分类从业务管理需求出发，自上而下逐层展开；具体指标以业务系统为导向，自下而上逐层筛选。

自上而下设计时：确定业务领域-识别业务环节-定义业务分析主题

自下而上设计时：确定指标范围-整理指标维度框架-基本指标与维度映射-数据指标体系分析，对数据指标体系进行个性化的匹配。

2.6 指标梳理

指标规范定义的核心元素及目标：定义统一、口径统一、名称统一、来源统一、参照统一（指标名称、计量单位、报告额度、应用主题等）

为指标的分析和使用提供参考依据（分析方法、预警判断标准、应用报表）

明晰指标的数据来源、统一指标取数规则（数据来源、取数规则）

形成指标字典（指标代码、指标名称、业务定义、对应主题、数据需求提出者等）

2.7 STEP2:理指标

结合公司的战略岗位职责，设定全面的衡量指标的标准，分解到具体的业务过程。

企业级KPI：和大的业务流程紧密联系，通常用于高层管理者对企业整体运营情况监控/关键的结果是导向指标，直接和整个企业的业务目标关联。

业务板块KPI：和公司业务目标和业务流程紧密联系，通常用于对公司运营情况的监控，可以向上汇总到企业级KPI。

运营层KPI：和各作业区的目标紧密联系，通常用于对生产流程和技术工艺的监控，关注运营层面和具体操作环节。

形成一级主题：环境，经营业绩，财务报表，质量管理，发展保障等；

形成二级主题：比如经营业绩包含市场发展，风险管理，运营评估，重大项目等等

形成管理域：市场发展（市场占有率，业务发展，企业利润、成本管理）风险管理（资金风险，营业的周期风险）

三四级分解：比如说在发展保障，质量管理，销售服务环节形成价值数的反应级别。

最终形成数据指标库，指标的编码、一级主题、二级主题，三级主题、名称，业务定义，推理逻辑，来源等形成体系化的自上而下管理的指标体系。

2.8 指标体系示例：

2.9 STEP3:管指标

1、常态化数据管控：数据管理团队由数据管理领导小组，信息管理部门，业务部门、数据专项管理组、信息化项目组共同组成。

2、指标管控制度和流程：指标管控制度和流程是指标认责人、指标用户、指标管控团队在各项管控活动中应遵循的管理要求和工作流程。对指标的新增、生效、失效、修订、指标在不同业务系统集成化的需求，指标口径定义等进行定义。

3、指标体系管理内容：指标定义，指标模型，指标维护、发布、检索，指标维度管理（指标维度在集团形成一致，指标的一致性和维度的一致性也是判断是否是优质指标的度量）、指标质量、指标一致性、指标数据对比关联。

4、指标数据安全管理：梳理合规性要求-识别数据安全等级-建立数据授权规则-数据访问控制-数据安全监管等。

5、指标体系管理与运营：需求分析-指标配置设计-指标开发-指标场景验证测试-发布（敏捷迭代）。如果指标反映数据不准确，或者说指标的计量方法有问题，对于企业决策会产生问题。

2.10 STEP4:用指标

企业仅仅制定指标，并不能起到规范数据的作用，至于将指标体系落实在信息系统中，才能发挥其作用，因此构建指标体系往往和应用系统建设同步进行。

1、指标体系包含但不限于以下使用场景：

数据分析、报表或人工填报、战略和绩效管理、数据管理、数据服务

管理驾驶舱：指标图形展示、趋势预测、决策支持

多维分析：借助BI工具，在指标、分析维度和数据模型配合下，形成自定义查询、数据立方体等方式的多维度分析指标应用。

客户评价：客户类的评估指标、如客户贡献度、风险、营销、评级等

对外服务、可视化、绩效考核、数据打包等

2、指标数据是重要的数据资产

梳理指标以后，还是要把指标变成数据资产，形成数据资产目录，通过系统的加工分析，形成数据服务列表或者叫服务目录，对内对外形成支撑和监管。

2.11 指标体系成果构成

1、组织体系：

帮助企业构建合理的指标管理组织

确立责权明确的组织体系

确保指标管理工作的持续演进

2、制定标准：

制定统一指标标准

制定管理规范

制定指标使用规范

制定应用开发规范

3、技术选型：

根据企业实际情况，规划所采用的产品和技术

设计企业指标数据架构，并监管其在各应用产生、使用、分发、下线和归档的全生命周期

4、规划实施：

根据企业实际情况，规划项目建设步骤和方法

明确每阶段的投资和收益

确定业务域和指标的实施范围

2.12 指标体系管理与应用

找指标、理指标、管指标，用指标那这四个方面来进行构建，这个思路比较简单。也就是要想构建指标体系，首先要寻找指标，按照战略要求和部门需要，从业务价值链的层面形成体系化，更好的辅助公司运营和决策。

三、项目应用案例

总结

本文由中国两化融合应用联盟副理事长王建峰老师主要探讨了数据指标管理体系建设实践相关的内容。

点击此处领取完整ppt与直播回放

大咖分享｜王建峰：数据指标管理体系建设实践分享相关推荐

闭环管控体系与数据指标管理
1.1 什么是业务流程管理业务流程管理也叫作BPM(BusinessProcessManagement),是企业实现业务目标的管理流程,包括.目标分解.业务计划.预算管理.实施监控.持续改善.评估和 ...
什么是数据指标管理，如何建立指标管理体系
数据指标管理是指对数据指标进行收集.分析.监控和报告的一系列活动,以便帮助组织管理人员做出基于数据的决策. 数据指标管理通常包括以下步骤: 1.收集数据:数据指标管理需要对相关的数据进行收集,并将其存 ...
如何搭建数据指标监测体系？
无论是数据分析师还是数据产品经理的工作都会涉及数据监测体系的搭建,而且部分小公司是没有数据产品经理的,所以大部分都落在了数据分析师头上. 公司不同层级的管理人员.执行层面负责不同工作的同事所观测的指标 ...
WOT干货大放送：大数据架构发展趋势及探索实践分享
WOT大数据处理技术分会场,PingCAP CTO黄东旭.易观智库CTO郭炜.Mob开发者服务平台技术副总监林荣波.宜信技术研发中心高级架构师王东及商助科技(99Click)顾问总监郑泉五位讲师,分别 ...
得物交易域数据仓库数据质量保障体系建设 |大数据测试
一.背景介绍目前得物数仓测试,划分成交易.增长.社区等多个模块,不同的数仓测试域,都会有一名测试人员负责跟进,根据每个版本每个域资源实际投入情况,组内会适当的调整资源,以满足日常迭代需要:单交易域这 ...
政务大数据平台数据安全体系建设指南
在电子政务领域,基于大数据的应用正迅猛发展.通过建设大数据平台,对政务数据进行汇聚.分析.共享,能够为社会公众带来便捷的政务服务,与此同时,也带来了数据安全问题.2019 年 12 月 1 日起实 ...
预告丨《政务大数据平台数据安全体系建设指南》发布会
随着电子政务的发展,政务大数据平台等大数据应用建设速度不断加快,政务数据融合.汇聚.共享,给社会公众带来便捷政务服务的同时,也产生了网络攻击.数据泄露等安全风险. 政务数据安全如何保障,怎样兼顾数据安 ...
服务监管框架下的 IT 运维服务与绩效管理体系建设案例
公众号回复:干货,领取价值58元/套IT管理体系文档公众号回复:ITIL教材,领取最新ITIL4中文教材正文一. 对客户需求与服务现状的调研和分析任何服务质量的改进都是源于对客户需求的高度关注 ...
2022·GOPS全球运维大会精彩回顾 | AIOps中统一监控体系的实践分享
2022年10月29日,第十九届GOPS全球运维大会在上海圆满落下了帷幕.会议上颁布了IT技术领导力年度评选相关奖项,擎创科技荣获2022年度AIOps领域极具影响力产品奖. 此次会议为期两天,共计1 ...
数据中台：宜信敏捷数据中台建设实践|分享实录
2019独角兽企业重金招聘Python工程师标准>>> 内容来源:宜信技术学院第2期技术沙龙-线上直播|宜信敏捷数据中台建设实践分享嘉宾:宜信数据中台平台团队负责人卢山巍导读: ...

大咖分享｜王建峰：数据指标管理体系建设实践分享