文章内容摘自《数据治理-工业企业数字化转型之道》 学习记录

对企业数据治理来说，实现数据指标标准化、统一数据指标标准，可以规范企业业务统计分析语言，帮助企业提升分析应用和数据质量，进而提高企业数据质量和数据资产价值。

数据指标在应用与管理中的问题

1、指标口径不一致

2、指标体系不完整

3、指标问题追溯难

数据指标

数据指标可以打通信息壁垒，加大信息共享力度。指标体系框架设计需从企业发展战略与目标出发，要满足各职能部门业务管理需求，构建“横向协同、纵向贯通”的指标体系。

横向协同：集团相关职能部门结合业务决策、分析、管理工作需要，持续更新、完善、扩展指标体系框架内容，以满足集团化经营管理。

纵向贯通：下属企业提供集团级经营管理所需的数据指标源，支撑集团级业务决策分析和管理。同时，要结合自身业务特点，扩展和完善自身业务指标框架内容

指标体系框架

企业级的指标体系并不是一些指标的简单堆积和重组，而是基于业务管理职能的原则建立的。指标体系框架设计得是否科学合理，很大程度上与指标体系框架设计的构建思路相关。在构建指标体系框架时，应理顺指标体系构建的基本思路

设计原则

指标体系框架设计是一项系统工程，需要完整构建评价体系，其设计原则包括：系统性、全面性、结构性、差异性、重要性。

系统性原则：充分承接整个企业的战略目标，形成以战略目标为核心的指标体系，指标之间有清晰的关联逻辑，有效促进战略执行。

全面性原则：全面覆盖企业管理相关因素，含外部环境、核心资源、业务活动、产品服务与经营业绩等方面，推动整体优化运营。

结构性原则：以数据和信息为基础，将指标划分为战略层、管理层相互支撑的结构。

差异性原则：区别于下属企业的指标体系，结合了企业的实际业务特点，可以有针对性地建立落地的指标体系。

重要性原则：选取核心业务，明确与之相关的关联业务，关注管理瓶颈与重点，推动集团总部各部门之间的管理协同

指标工作的内容

1、建立指标体系：建立指标涉及的业务域划分、数据指标字典元数据、人员/组织/流程的体系

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，构建指标体系和分析体系

3、建立指标规则：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架构体系

4、制定相关规范：建立公司级指标搜集、整理、维护流程，为各类数据应用提供夯实基础

设计原理

要以企业指标体系框架设计相关理论为指导，从企业战略及运营管理的各层级考虑，构建支撑企业战略决策的指标框架体系，以保障企业战略目标的实现为最终目标

数据指标定义框架

数据指标定义框架规范了数据数据指标标准的分类和属性

数据指标标准分类

1、基础指标是表达业务实体“原子量化”属性的概念集合，是直接对单一变量的明细数据进行简单计算得到且不可进一步拆解的指标，如调运量、销售量等。

2、复合指标是建立在基础指标之上，由若干个基础指标通过一定运算规则计算得到且在业务角度无法拆解的指标，如签约率、利润率等。

3、派生指标是基础指标或复合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。

数据指标标准属性

1、业务属性是数据在业务层面的定义，描述了数据和企业业务相关联的特性，是数据业务含义的统一解释及要求。业务属性包括指标名称、业务定义、业务规则、主题、一级子主题、二级子主题、参考标准、计量单位、维度、上报频率、数据层次、映射类型、处理逻辑、统计时间。

2、技术属性是数据在技术层面的定义，描述了数据与信息技术实现相关联的特性。技术属性包括数据类型、数据格式、数据源系统、数据源表名、数据源字段名。

3、管理属性是数据在管理层面的定义，描述了数据标准与数据管理相关联的特性，是数据管理在数据标准管理领域的统一要求。管理属性包括指标编码、数据提出者、数据使用者、数据负责人、颁布日期、废止日期

数据指标提取原则

数据指标的选取在指标体系框架设计中至关重要。指标选取是否合适，直接影响到指标体系框架的完整性和有效性。

指标过多，事实上是指标重复，会导致干扰；

指标过少，则可能选取的指标缺乏代表性，产生片面性。

所以，指标选取应当以如下原则为基准。

（1）正确性，每项指标都必须正确，能够科学地反映评价对象某一个方面的信息。

（2）唯一性，保证指标选取的全面，避免指标重复。

（3）完整性，指标的信息应避免缺项，保证内容完整

数据指标提取方法

数据指标的选取方法包括以下3个步骤。

（1）借鉴行业最佳管理实践，综合考虑内外部环境因素及上级单位要求，建立企业指标体系的总体框架，保证指标体系框架的完整性。

（2）通过对企业战略、管理层及下属企业业务的全面梳理，识别企业生产运作中关键和主要业务环节中的要素，初步形成企业级指标体系框架。

（3）进一步筛选、合并同类指标，去除重复和不重要的指标，通过专家法调整指标，使指标体系框架更加科学、合理

数据指标提取依据

指标体系框架设计要结合行业发展趋势和高层关注点，形成基于战略引领、价值创造的指标体系框架

找指标

找指标的工作主要采用自上而下与自下而上相结合的方式。其中指标分类应从业务管理需求出发，自上而下逐层展开。而具体指标则以业务系统为导向，自下而上逐层筛选。

自上而下：一般先将一级业务域划分为财务、人力资源、销售等，然后划分二级业务域，如将销售划分为市场营销、客户管理、订单管理等（是否需要三级分类视业务复杂程度而定），这样我们就得到了一个指标分类的初步框架。

自下而上：从业务系统出发，从系统中识别其功能模块，例如ERP、CRM、SRM等系统，从这些模块包含的业务单据中可以找到相应的数值字段，然后挑选出可以作为指标展示的。如果这些系统中有单独的统计报表功能，那么我们的工作会相对简单，只需要从报表中找到相应的指标即可。

理指标

通过找指标，可以获得了企业中的指标列表。但是这些指标并不能被称为体系，因为没有进行分类，指标没有业务含义，指标和指标之间也没有任何逻辑。此时还需要梳理指标。在梳理指标时，需要结合企业战略和岗位职责，设定全面的衡量指标，并将指标分解到具体的业务过程中

管指标

管理数据指标工作和其他数据管理工作并无太大差别，即通过推动数据治理体系建设，制定主数据、业务数据、统计数据的标准和规范，提升数据质量。

类似基础数据标准管理，在数据指标标准管理中，同样需要数据治理归口管理部门来牵头负责数据指标标准的制定工作，并建立业务归口部门与技术主管部门的协作机制

（1）数据治理归口管理部门：作为牵头者的角色，需要组织数据治理小组，将技术管理与业务管理的相关人员协同起来，完成数据标准制定工作。为数据标准制定提供资源协调、统筹安排等便利。

（2）指标标准业务归口管理部门：作为指标所属领域的业务主管部门，对数据指标标准进行归口管理。对于业务涉及多个板块的指标，以指标产生部门对数据标准进行归口管理；对于多个部门同时计算的指标，以业务牵头主管部门进行归口管理。其职责主要包括确定数据指标的使用部门、基础属性、业务含义和业务口径等标准，并对指标的技术口径统计结果进行测试和确认。

（3）技术主管部门：作为指标标准管理的技术支撑，对指标的取数方式和指标条件进行确认，并统筹数据指标标准的落地实施工作。

通过制定指标管控制度和流程，可以明确指标责任人、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。

用指标

企业仅仅制定指标体系并不能起到规范数据的作用，只有将指标体系落实到信息系统中才能发挥其管理作用，因此，构建指标体系往往与应用系统建设同步进行