在这个数据为王的时代，信息不再是孤立的数字堆砌，而是驱动决策、优化业务、预测未来的关键力量。然而，海量数据背后，若无一套科学、高效的数据指标体系作为导航灯塔，就如同航海者失去了星图，盲目而低效。《数据指标体系构建》一书，正是您穿越数据迷雾、解锁数据价值的推荐指南。
掌握数据指标体系，意味着您能更快一步识别机遇与风险，将数据潜力转化为实实在在的业绩增长。无论是初创企业探索市场，还是成熟企业寻求突破，《数据指标体系构建》都能成为您手中的利剑，助力精准决策，实现数据驱动的增长飞跃。
本书精华内容：
4大黄金指标评判标准
7大构建指标体系的策略
2大用户指标——规模、行为
5个典型行业指标——工具、内容、社交、交易、游戏
5个典型行业案例——在线教育、阅读工具、图文社区、网约车、社交电商
3个高效数据处理关键——数据收集、指标开发、数仓建模
2个监控看板实战案例
4种数据异动类型
3步精准定位数据异动
1套高效的维度拆解分析策略
7种量化数据异动贡献度的方法
25种BI数据可视化方法

这是一套数据指标体系全流程构建（从规划、框架设计、数据采集加工到应用）方法论与实践指南。它不仅深入浅出地分享了通用的数据指标体系构建策略，还通过多个行业实例展示了具体操作方法。书中从数据采集入手，借助BI工具Superset实践构建过程。
本着“一切技术都是为业务服务的”这一宗旨，本书除了包含数据指标体系构建相关内容外，还结合统计学原理及Excel、Python等工具，深入剖析数据指标波动对业务的影响，旨在帮助读者深入理解数据指标与实际业务的底层关联，把数据指标体系落地到业务中。
第一篇（第1章）：深度解读数据指标体系的基础知识，让读者充分理解数据指标，并掌握构建策略、全流程和方法概要，其中包括数据指标体系分类标准、评判优质指标的4个标准、选择数据指标的4个注意事项、数据指标体系3要素、构建指标体系的7个策略等重点。
第二篇（第2~6章）：从实践层面出发，带领读者基于业务目标一步步提炼5类产品（工具类、内容类、社交类、交易类、游戏类）的关键数据指标，并通过精细的维度拆解，呈现清晰的指标规划图谱。本篇还在最后站在分析维度的角度给出了数据指标分析的方法论。
第三篇（第7章和第8章）：在第二篇形成的规划图谱的基础上，给出数据指标构建的完整方法论，并以在线教育、电子书阅读工具、图文内容社区、网约车平台、社交电商这五大典型行业为例，完整解读如何将方法论应用于实践。
第四篇（第9章和第10章）：揭秘数据从埋点收集到清洗加工的全过程，包括原始数据采集、数据处理与指标开发、数仓模型构建等。这是实现高效数据处理的关键，也是数据分析师推荐技能之一。
第五篇（第11章和第12章）：通过实际案例指导

目    录<br />前  言<br />第一篇  数据指标体系基础知识<br />第1章  数据指标体系简介  2<br />1.1  数据指标概述  2<br />1.1.1  什么是数据指标  2<br />1.1.2  数据指标的分类  3<br />1.1.3  好的数据指标的4个评价标准  4<br />1.1.4  选择数据指标时需要注意的4个问题  6<br />1.2  数据指标体系概述  8<br />1.2.1  数据指标体系的3个要素  8<br />1.2.2  基于数据指标形成数据指标体系  9<br />1.2.3  为什么需要数据指标体系  10<br />1.3  数据指标体系的构建及落地流程概括  11<br />1.3.1  数据指标体系的构建流程  11<br />1.3.2  数据指标体系如何落地  12<br />1.4  构建数据指标体系的方法论汇总  13<br />1.4.1  北极星指标  13<br />1.4.2  OSM/GSM模型  14<br />1.4.3  AARRR模型  15<br />1.4.4  UJM模型  15<br />1.4.5  HEART模型  15<br />1.4.6  PULSE模型  16<br />1.4.7  MECE模型  16<br />第二篇  数据指标规划<br />第2章  数据指标梳理  18<br />2.1  梳理数据指标的不同视角  18<br />2.2  用户数据指标概述  19<br />2.2.1  用户规模指标  20<br />2.2.2  用户行为指标  20<br />2.3  业务数据指标概述  21<br />2.3.1  工具类产品数据指标  21<br />2.3.2  内容类产品数据指标  22<br />2.3.3  社交类产品数据指标  23<br />2.3.4  交易类产品数据指标  23<br />2.3.5  游戏类产品数据指标  24<br />第3章  用户规模数据指标  25<br />3.1  获取用户  25<br />3.1.1  获取用户的渠道  25<br />3.1.2  获客阶段的关键指标  26<br />3.1.3  买量用户成本相关指标  26<br />3.1.4  构建渠道成本用户字典时需要注意的问题  28<br />3.1.5  用户成本指标在数据分析中的作用  29<br />3.2  新增用户  30<br />3.2.1  如何定义用户  30<br />3.2.2  如何定义“增”  31<br />3.2.3  如何定义“新”  31<br />3.3  活跃用户  32<br />3.3.1  什么是活跃用户  32<br />3.3.2  评价活跃用户的指标  32<br />3.3.3  活跃用户的构成  33<br />3.3.4  警惕活跃用户存在的陷阱  34<br />3.3.5  活跃用户数量持续增长与业务的关系  36<br />3.4  留存用户  37<br />3.4.1  用户留存率的计算及问题本质  37<br />3.4.2  平均留存率与加权留存率  39<br />3.4.3  深入解读用户留存  42<br />3.4.4  反映用户留存的相关指标  43<br />第4章  用户行为数据指标  45<br />4.1  使用类指标  45<br />4.1.1  使用次数  45<br />4.1.2  使用时长  46<br />4.1.3  使用时间间隔  47<br />4.2  访问类指标  48<br />4.2.1  访问人数与访问次数  48<br />4.2.2  转化率  49<br />4.2.3  页面访问深度  49<br />4.3  付费类指标  50<br />4.3.1  付费行为指标概述  50<br />4.3.2  付费规模及质量相关指标  51<br />4.3.3  人均付费情况相关指标?  53<br />4.3.4  生命周期价值  53<br />4.4  传播类指标  54<br />第5章  业务数据指标  55<br />5.1  工具类产品及其数据指标  55<br />5.1.1  工具类产品的细分  55<br />5.1.2  工具类产品的价值  56<br />5.1.3  工具类产品的盈利模式  56<br />5.1.4  工具类产品需要关注的数据指标  57<br />5.2  内容类产品及其数据指标  58<br />5.2.1  内容类产品的特点  58<br />5.2.2  内容类产品需要关注的数据指标  59<br />5.3  社交类产品及其数据指标  62<br />5.3.1  社交的流程  62<br />5.3.2  社交类产品的三要素  63<br />5.3.3  社交类产品的分类  64<br />5.3.4  社交类产品需要关注的数据指标  64<br />5.4  交易类产品及其数据指标  65<br />5.4.1  交易类产品的类型  65<br />5.4.2  交易类产品的核心模块  66<br />5.4.3  交易类产品需要关注的数据指标  66<br />5.5  游戏类产品及其数据指标  69<br />5.5.1  游戏行业产业链  69<br />5.5.2  游戏运营的核心要素  70<br />5.5.3  游戏的分类  70<br />5.5.4  游戏类产品的核心数据指标  72<br />第6章  分析维度  75<br />6.1  数据指标与分析维度  75<br />6.1.1  什么是维度  75<br />6.1.2  数据指标与维度之间的关系  76<br />6.1.3  维度在数据分析中的作用  77<br />6.2  数据分析中常用的分析维度  77<br />6.2.1  分析维度汇总  78<br />6.2.2  各类数据分析维度详解  78<br />6.3  维度在数据分析中的应用  81<br />第三篇  数据指标体系框架设计<br />第7章  数据指标体系构建的方法论  84<br />7.1  数据指标体系的通用方法论  84<br />7.1.1  数据指标体系的通用方法论概述  84<br />7.1.2  引领数据指标体系构建的OSM模型  85<br />7.1.3  通用方法论中各步骤实现方法简要概括  85<br />7.2  明确业务目标，梳理北极星指标  86<br />7.2.1  如何找到业务的北极星指标  87<br />7.2.2  如何判断是否为优秀的北极星指标  88<br />7.2.3  选择北极星指标还需要关注产品的生命周期  91<br />7.2.4  梳理北极星指标的方法论  94<br />7.3  梳理业务流程，明确过程指标  95<br />7.3.1  两个模型指导业务流程梳理  95<br />7.3.2  梳理业务流程并明确过程指标的方法论  96<br />7.3.3  案例分析：拆解业务流程，明确过程指标  97<br />7.4  指标下钻分级，构建多层级数据指标体系  98<br />7.4.1  如何实现指标的下钻分级  98<br />7.4.2  案例分析：完成指标下钻分级  100<br />7.4.3  案例分析：数据分析培训机构的北极星指标课程收入拆解  101<br />7.5  添加分析维度，构建完整的数据指标体系  102<br />7.5.1  数据指标体系的维度概述  102<br />7.5.2  案例分析：电商北极星指标GMV的分析维度  103<br />第8章  数据指标体系方法论的案例实践  105<br />8.1  案例：以职场在线教育为例实践数据指标体系构建  105<br />8.1.1  业务场景介绍  105<br />8.1.2  4个步骤实现数据指标体系构建  106<br />8.1.3  数据指标体系如何辅助业务目标实现  109<br />8.1.4  构建数据指标体系的过程总结  110<br />8.2  案例：以电子阅读工具为例实践数据指标体系构建  110<br />8.2.1  业务场景介绍  110<br />8.2.2  4个步骤实现数据指标体系构建  111<br />8.2.3  数据指标体系如何辅助业务目标实现  117<br />8.2.4  构建数据指标体系的过程总结  118<br />8.3  案例：以图文内容社区为例实践数据指标体系构建  118<br />8.3.1  业务场景介绍  119<br />8.3.2  4个步骤实现数据指标体系构建  119<br />8.3.3  构建数据指标体系的过程总结  125<br />8.4  案例：以网约车为例实践数据指标体系构建  125<br />8.4.1  业务场景介绍  125<br />8.4.2  4个步骤实现数据指标体系构建  126<br />8.4.3  数据指标体系如何辅助业务目标实现  130<br />8.4.4  构建数据指标体系的过程总结  131<br />8.5  案例：以社交电商为例实践数据指标体系构建  131<br />8.5.1  业务场景介绍  131<br />8.5.2  4个步骤实现数据指标体系构建  133<br />8.5.3  数据指标体系如何辅助业务目标实现  136<br />8.5.4  构建数据指标体系的过程总结  138<br />第四篇  数据采集和加工<br />第9章  数据采集  140<br />9.1  数据埋点概述  140<br />9.1.1  什么是数据埋点  140<br />9.1.2  数据埋点在数据指标体系构建中的作用  142<br />9.1.3  数据埋点能够采集哪些数据  142<br />9.1.4  数据埋点的分类  143<br />9.2  数据埋点的实现步骤  145<br />9.2.1  数据埋点流程介绍  145<br />9.2.2  实现数据埋点设计的6个步骤  146<br />9.3  案例：以用户注册转化为例实践数据埋点方案设计  147<br />9.3.1  实现用户注册转化埋点方案设计的6个步骤  148<br />9.3.2  用户注册转化埋点方案汇总  150<br />第10章  数据指标开发与数据仓库建模  153<br />10.1  数据指标体系规范  153<br />10.1.1  构建数据指标体系的理论支撑  153<br />10.1.2  各类数据指标的命名规范  155<br />10.1.3  用户规模、行为以及业务数据指标的中英文命名规范  158<br />10.2  数据仓库模型设计  160<br />10.2.1  数据仓库介绍  160<br />10.2.2  数据仓库模型层次?  161<br />10.2.3  数据仓库建模方法及实施流程概述  164<br />10.3  案例：以用户注册转化为例实践数据指标体系规范设计  165<br />10.3.1  数据调研，明确需求?  165<br />10.3.2  业务过程及统计指标梳理  167<br />10.3.3  数据仓库模型设计  171<br />10.3.4  数据仓库建模流程梳理?  178<br />第五篇  数据指标体系应用<br />第11章  BI工具实现数据指标体系构建  180<br />11.1  Superset概述  180<br />11.1.1  常见的BI工具介绍  180<br />11.1.2  Superset下载安装  181<br />11.1.3  Superset连接MySQL数据库  187<br />11.2  Superset的图表功能及基本操作  189<br />11.2.1  Superset图表功能分类  189<br />11.2.2  表格  190<br />11.2.3  KPI图  192<br />11.2.4  关系图  196<br />11.2.5  分布图  202<br />11.2.6  时间序列图  211<br />11.2.7  地理空间图  216<br />11.3  案例：使用Superset构建数据指标监控看板  216<br />11.3.1  用户获客漏斗分析  216<br />11.3.2  用户活跃及留存分析  220<br />11.3.3  用户付费分析  222<br />11.3.4  数据指标监控看板搭建  230<br />11.4  案例：使用Excel代替BI工具搭建数据监控看板  232<br />11.4.1  使用Excel制作动态看板的6个关键步骤  232<br />11.4.2  Excel动态看板在实际工作中的运用?  235<br />第12章  数据指标体系如何指导数据异动分析  237<br />12.1  数据异动分析流程概述  237<br />12.2  数据波动多少才是异动  239<br />12.2.1  透过业务含义理解异常指标 239<br />12.2.2  数据异动的统计学理论支撑  239<br />12.2.3  快速确定数据是正常波动还是异常波动的方法  241<br />12.2.4  建立数据告警，及时监测数据异动  243<br />12.3  数据异动的类型及引起因素  243<br />12.3.1  数据异动的类型  243<br />12.3.2  数据传输问题引起的数据异动  244<br />12.3.3  业务内部因素引起的数据异动  244<br />12.3.4  外部因素引起的数据异动  246<br />12.3.5  其他未知因素引起的数据异动  246<br />12.3.6  不同类型数据异动排查维度汇总  247<br />12.4  维度拆解快速定位异动原因  248<br />12.4.1  维度拆解概述  248<br />12.4.2  维度拆解，分析共性  248<br />12.4.3  案例研究，分析个性  250<br />12.4.4  维度上升，验证共性  251<br />12.4.5  输出业务化的数据结论  251<br />12.5  多个维度均有变化如何快速找出异常的维度  252<br />12.5.1  多个维度均有变化怎么办  252<br />12.5.2  相对熵方法介绍  252<br />12.5.3  案例分析  253<br />12.6  指标拆解量化异动对于大盘的贡献度  254<br />12.6.1  加法指标  254<br />12.6.2  除法指标  256<br />12.6.3  乘法指标  260<br />12.6.4  新增维度如何拆解贡献度  264<br />12.7  案例：留存率下降5%应如何分析  265<br />12.7.1  案例简介  265<br />12.7.2  案例分析  265