在互聯網行業里，很多崗位都需要和數據打交道，比如運營、產品、銷售等。數據分析的作用在于以特定的形式將數據分析結果展示給決策者，給他們提供決策參考和依據。

用數據說話，是一個好習慣！最近，有做電商分析師的朋友問我，如何把數據指標業務化？從中得到有意義的洞察，以此提高工作效率呢？今天，和大家一起分析一下。

1.根據時間屬性確定指標

時間是一個自然屬性，業務運作會隨著時間的變化而變化，因此根據時間屬性來確定指標是最常見的方法。

時間可以是年、月、周、日等，根據自己的業務目的來選擇使用。例如：

（1）日銷售額、月銷售額、年銷售額

（2）日完成率、月完成率、年完成率

（3）日活躍用戶量（DAU）、周活躍用戶量（WAU）、月活躍用戶量（MAU）

2.根據地區屬性確定指標

分析受眾用戶的使用習慣和業務場景，來確定每個地區的指標，比如：

（1）一線城市：使用人群、男女比例、上季度指標

（2）二線城市：使用人群、男女比例、上季度指標

（3）三線城市：使用人群、男女比例、上季度指標

一線城市、二線城市、三線城市排列，這是按業務中的重要性排序。

3.根據人貨場梳理指標體系

對于大型零售企業而言，人、貨、場都是零售營運的核心三要素！

例如一個零售品牌企業，可以用以下方法梳理指標體系：

（1）人：可以劃分為員工 、顧客；

（2）貨：可以根據商品的流動來劃分，計劃、采購、配貨、調撥、回收、物流；

（3）場：可以劃分為渠道、店鋪等。

對業務進行具體劃分的方法，可以根據不同企業的具體情況進行調整，從而梳理出業務的分析架構。

4.衡量企業業務化的標準

在衡量業務經營狀況的過程中，單一數據指標衡量很可能片面化，需要通過補充其他的指標來使我們的判斷更加準確。

例如：朋友的店鋪月凈利潤20萬元，剛看這個指標感覺這個店盈利不少，發展應該不錯，但是再一看前兩個月的凈利潤，發現前兩個月的凈利潤都是40萬以上，增加了這一個指標，我們就發現了這個店的經營狀況可能存在問題了。

5.數據應符合指標體系的標準

一般來說，我們在計算相關率排除退回訂單，會有兩個分析方向：

（1）根據商業目的，

（2）根據金融目的。

但是這時，無論我們出于哪個目的，都需要有統一的標準，這樣才能更好地統計數據。日常的數據指標在核算時，也要充分考慮到一線的實際業務，這樣才能更加客觀的運用到日常指導中。

搭建指標體系，不只是羅列指標。這是很多數據分析師都會犯的通病，上來先把大量的指標列好，也不說明優先級，業務根本就看不懂。業務的復雜程度不一樣，所需要的指標體系也不一樣。