首页网站设计正文

网站设计的指标体系的不足（网站指标评估方法）

网站设计 2023-01-24T04:28:14 1743

今天给各位分享网站设计的指标体系的不足的知识，其中也会对网站指标评估方法进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！本文目录一览： 1、网页的设计不足之处

今天给各位分享网站设计的指标体系的不足的知识，其中也会对网站指标评估方法进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

1、网页的设计不足之处
2、在构建综合评价指标体系时，应注意哪些问题
3、详解数据指标体系如何从设计到落地
4、一般可以采用哪些评价指标来评价一个电子商务网站
5、指标体系
6、实战案例 |如何参照阿里OneData构建数据指标体系？

网页的设计不足之处

你选个个人主页一般设计的不足之处有很多

这样你可以说出不少内容哈哈

在构建综合评价指标体系时，应注意哪些问题

为了使指标体系科学化、规范化，在构建指标体系时，应遵循以下原则：

(1)系统性原则。各指标之间要有一定的逻辑关系，它们不但要从不同的侧面反映出生态、经济、社会子系统的主要特征和状态，而且还要反映生态一经济一社会系统之间的内在联系。每一个子系统由一组指标构成，各指标之间相互独立，又彼此联系，共同构成一个有机统一体。指标体系的构建具有层次性，自上而下，从宏观到微观层层深入，形成一个不可分割的评价体系。

(2)典型性原则。务必确保评价指标具有一定的典型代表性，尽可能准确反映出特定区域——高西沟的环境、经济、社会变化的综合特征，即使在减少指标数量的情况下，也要便于数据计算和提高结果的可靠性。另外，评价指标体系的设置、权重在各指标问的分配及评价标准的划分都应该与高西沟的自然和社会经济条件相适应。

(3)动态性原则。生态一经济一社会效益的互动发展需要通过一定时间尺度的指标才能反映出来。因此，指标的选择要充分考虑到动态的变西北典型区生态脱贫途径研究化特点，应该收集若干年度的变化数值。

(4)简明科学性原则。各指标体系的设计及评价指标的选择必须以科学性为原则，能客观真实地反映高西沟环境、经济、社会发展的特点和状况，能客观全面反映出各指标之间的真实关系。各评价指标应该具有典型代表性，不能过多过细，使指标过于繁琐，相互重叠，指标又不能过少过简，避免指标信息遗漏，出现错误、不真实现象，并且数据易获且计算方法简明易懂。

(5)可比、可操作、可量化原则。指标选择上，特别注意在总体范围内的一致性，指标体系的构建是为区域政策制定和科学管理服务的，指标选取的计算量度和计算方法必须一致统一，各指标尽量简单明了、微观性强、便于收集，各指标应该要具有很强的现实可操作性和可比性。而且，选择指标时也要考虑能否进行定量处理，以便于进行数学计算和分析。

(6)综合性原则。生态一经济一社会的互动“双赢”是生态经济建设的最终目标，也是综合评价的重点。在相应的评价层次上，全面考虑影响环境、经济、社会系统的诸多因素，并进行综合分析和评价。

详解数据指标体系如何从设计到落地

导语：几乎所有的数据分析工作都会提到一个词——“建立数据指标体系”，虽然这个词对于大家来说并不陌生，但是数据指标到底是什么以及如何具体的搭建，很多人还是一头雾水的。

01 数据指标概述

在了解什么是数据指标之前，我们思考一下：为什么会出现指标？它是为了解决什么问题？

人类及科学的发展是与时俱进的，早期为了使自然科学的实验及结果更具统一性及方便标准化衡量，一些标准化的专业指标应运而生。随着人类社会的发展，社会科学也越来越需要统计学来进行事物的衡量，一系列统计学指标也逐步产生了。随着新信息技术的发展，数据指标逐步被大众认可为衡量目标的方法。

从社会科学角度看，指标是统计学的范畴，用于数据的描述性统计。指标是说明总体数量特征的概念及其数值的综合，故又称为综合指标。在实际的统计工作和统计理论研究中，往往直接将说明总体数量特征的概念称为指标。

传统的指标有国内生产总值（Gross Domestic Product，GDP）、国民生产总值（Gross National Product，GNP）、居民消费价格指数（Consumer Price Index，CPI）、沪深300指数等。

1、什么是数据指标？

数据指标有别于传统意义上的统计指标，它是通过对数据进行分析得到的一个汇总结果，是将业务单元精分和量化后的度量值，使得业务目标可描述、可度量、可拆解。数据指标需要对业务需求进行进一步抽象，通过埋点进行数据采集，设计一套计算规则，并通过BI和数据可视化呈现，最终能够解释用户行为变化及业务变化。常用的数据指标有PV、UV等。

本文所述的指标是衡量目标的方法，指标由维度、汇总方式和量度组成，如下图所示。

其中，维度是指从哪些角度衡量，是看待事物的视角与方向，决定了根据不同角度去衡量指标。汇总方式是指用哪些方法衡量，是统计汇总数据的方式。而量度主要是明确事物的具体目标是什么，是对一个物理量的测定，也用来明确数据的计量单位。

比如，播放总时长是指用户在一段时间内播放音频的时长总和（单位：分钟）。按照上述拆解，维度是指筛选的一段时间，汇总方式为计算了时间长度的总和，而量度就是统一的单位—分钟数。

这里，我们可以理解为指标是由这几个方面构成，相当于英文的构词法，前缀、后缀等共同形成了一个单词。

2、什么是指标体系？

体系化的本质是将数据指标系统性地组织起来，具体会按照业务模型、按标准对指标不同的属性分类及分层。当然，不同的业务阶段、不同业务类型会有不同阶段的划分标准。

数据指标体系含有十分丰富的统计量，从宏观上看，它是一个相对全面的有机整体；从微观上看，每个数据指标都有其特定含义，反映了某一细节的客观事实。不同的数据指标定义不同，逻辑也不同，这些各种各样的统计量共同构成了数据指标体系，使其产生不可磨灭的价值。

总的来说，数据指标体系是对业务指标体系化的汇总，用来明确指标的口径、维度、指标取数逻辑等信息，并能快速获取到指标的相关信息。

02 数据指标体系搭建原则

1、搭建指标体系要有重点

不能只是罗列指标，这是很多数据分析师都会犯的通病，上来先把大量的指标列好，也不说明优先级，先看哪个后看哪个，业务根本就看不懂。

2、搭建指标体系要有目标

很多人习惯了列指标，自有一套指标拆分的套路，不管我们要解决的业务问题是什么，反正就是按照时间、渠道、区域等纬度拆分，分来分去也没个具体的标准，最后还要纠结到底指标变化多少才是问题。

3、指标体系不是越全越好，和业务最贴切的才是最好的

这个之前的指标体系文章里反复强调了，写文章的时候会为了吸引眼球，标题写XXX行业指标体系大全，虽然给大家整理指标体系的时候尽量概括多个业务场景，指标列的很详细，但是不同的公司，业务复杂不一样，没有一套指标系统是能够通用的，只有和业务最贴切的才是最好用的。

03 如何设计和落地指标体系？

指标体系的搭建分为两大步骤：设计指标体系和落地指标体系，这两大部分又可以拆成一些小步骤，我们先来看一张指标体系从设计到落地的整体步骤图，下面再根据这张图细分拆解其中的每个步骤是怎样落地的。

1. 如何设计指标体系？

1）需求来源

主要需求来源随着产品生命周期而改变。搭建数据指标根据数据现状分为初中后三个阶段。首先要明确的是先有目标方案后再有数据指标，而不是凭空捏造出一些指标体系然后往产品上套。

在数据指标搭建初期以产品战略目标为主，优先搭建北极星指标的全方位指标监控；中期以业务驱动为主，搭建指标衡量现有业务，业务驱动直接获取到的指标一般是二级指标，需要整合到指标模型里面去；到了后期，此时各数据指标已经搭建的差不多了，是时候根据模型查缺补漏，搭建针对产品的指标闭环，通过数据来反向推动产品的迭代优化。

2）确定一级指标

一级指标其实就是反映产品在各个重要方面的运营情况怎么样，把对用户的运营当成一个流水线，围绕着用户生命周期即可挖掘到一些重要的一级指标并自然而然的形成闭环。

在众多指标模型中AARRR模型能很好的概括用户的生命周期，美中不足的是遗漏了用户流失这一环节，个人觉得AARRRR比较能完整概括用户生命周期，即Acquisition（获取）、Activation（激活）、Retention（留存）、Revenue（收入）、Referral（自传播）、Recall（召回）。

围绕这六大方面，可以拓展以下一级指标（只是举例一些通用指标，具体的一级指标可根据具体业务进行定义）：

3）得到二级指标

二级指标由一级指标衍生而来，为了实现一级指标，企业会采取一些策略，二级指标通常与这些策略有所关联。可以简单理解为一级指标的实现方式，用于替换定位一级指标的问题。

二级指标的作用就是将一级指标的涨跌落实到具体的业务部门或者是责任人，通过成分拆解我们可以从一级指标得到对应的二级指标。例如收入这个一级指标，通过成分拆解可以分为广告收入和内购收入等。

4）得到三级指标

通过二级指标的分析可以找到相应问题的责任方，而三级指标的作用正是指导该责任方去定位具体问题，进而修复问题。

通过对二级指标的路径拆解即可得到三级指标，一线人员可通过三级指标的具体表现快速做出相应的动作，所以三级指标的要求是尽可能覆盖每一个关键路径上的关键动作。

这里继续拿内购收入这个指标举例，通过路径拆解，最终促成内购的关键行为路径是：浏览商品、加入购物车、提交订单、支付成功。

按照以上流程不断查缺补漏确定各一级指标并对其进行逐步拆解，即可搭建出一套行之有效的数据指标体系。

2. 如何落地指标体系？

终于到了开干时候，有了目标之后接下来就是将规划的指标进行埋点落地了。

落地指标就不像设计指标那样首先着眼于一级指标，而是应该首先着眼于二级指标，因为一级指标是由二级指标组成的，二级指标埋点好了之后一级指标自然而然地可以计算出来。

埋点不是一个人的事情，需要各部门通力合作，下图就是埋点的整个设计到落地的流程：

不知看完这张图有没有一个疑惑，责任方为什么还要去理解熟悉需求，需求方不是给出指标了吗，照着去埋点就好了啊。如果你这么想的话，那你注定只能做一个工具人。

首先各指标跟具体的业务逻辑设计紧密相关的，如果你不去熟悉业务，是无法针对指标进行多维度细化埋点设计的，最终设计出来的埋点方案必定是丢三落四漏洞百出。

再者需求方给出的指标不一定是全面的，需求方往往数据意识不强，无法洞察到当前业务的很多细节是数据可分析的。

所以这就需要数据产品经理熟悉业务懂产品懂用户，才能一针见血设计出一套有指导性意义的埋点方案，而不是照本画葫芦搞出一些冷冰冰的数据看看就好，要记住，每一个埋点都是有深意的，数据也是有灵魂的。

明确了埋点的工作流程，接下来要确定的是选择自研数据门户还是使用第三方工具，如：神策、Growing IO、诸葛IO等。这两者主要有以下区别：

自研工作量大，搭建周期长，第三方提供现成的模型，搭建周期短。

自研更灵活，相对埋点实施方上报数据更友好，无需过多无谓的逻辑记录，在后期的指标计算方式上可以随心所欲，如某些耗时只要打好点，自研就可以通过两个事件的时间差计算出耗时，而有些第三方则不支持。

总之，自研前期痛苦后期爽，第三方前期爽后期痛苦。从实现难度上来说自研需要的人力物力远远大于第三方服务，绝大部分中小公司会选择第三方服务，

下面的埋点介绍就基于第三方服务的方式进行讲解。

老规矩，在讲解之前先上一张整体的流程图：

1）埋点规范文档

正如前面所说，指标体系的搭建需要各部门通力合作，一份埋点规范文档既能规范工作流程提高效率，又能明确需求规范减少沟通成本避免理解出现偏差。埋点规范文档包括了工作流程规范、命名规范、需求文档规范等，这些应该在指标体系落地之初就规定好。

当然由于一开始经验不足并且有的问题在后续的工作中才会暴露出来，初版的规范文档可能并没有那么详细，但是大体框架还是要有的，后续再补充一些细枝末节的东西。

2）拿到需求原型

就是产品功能原型或者活动原型。

3）定义页面、元素名称

拿到需求原型后，首先将原型里面的页面及页面中的元素名称提前定义好，以便后续进行统一使用避免不同指标出现页面命名不一致的情况。

如果是页面的话建议全部命名，页面里面的元素可能会有点多，可以挑一些关键路径上的重要元素进行命名，其它元素视后续工作需求再进行埋点（当然了有精力的话全部命名进行监控是更好的，毕竟数据是多多益善，避免后续需要用数据发现没有埋点的情况发生）。

4）定义事件名称

为什么要规范事件名称？我直接举个例子吧，某天你想查看用户的使用路径，当你使用用户路径分析之后发现有大量的展示事件穿插在用户行为事件中，这时候你是不是很恼火。

如果之前埋点的时候对事件进行规范命名，这时候你只需要在筛选条件中过滤掉事件名前缀为展示的事件，就可以轻松过滤掉所有跟用户行为无关的事件。

事件规范命名除了以上好处，还有个好处就是方便需求方使用，使用者可以通过事件名轻松知道这个事件具体的含义，提高了使用效率，事件命名可由以下几部分组成：行为、对象、结果、类型。

行为：事件的具体行为，主要有 4 类：

点击 – 点击某个按钮或元素的一类事件。

进入 – 进入某个页面或功能的一类事件。

展示 – 展示某个页面或元素的一类事件。

退出 – 退出某个页面或功能的一类事件。

事件行为必须填写，后续可按实际情况增加其他行为。

对象：事件行为对应的具体对象可以是页面，或者是功能，事件对象必须填写。

结果：对该对象进行的行为最终的结果，主要有3类：

成功 – 针对该对象进行的行为结果为成功。

失败 – 针对该对象进行的行为结果为失败。

结果 – 针对该对象进行的行为结果为成功或者失败，此时具体结果存储在该事件的维度中，事件结果必须填写。

类型：此参数为拓展参数，如展示事件可能展示的是页面，也可能展示的是弹窗，这时候在事件后面加个页面后缀或者弹窗后缀，后续使用起来就能很方便的区分事件的具体类型。事件类型为可选参数，视情况而定。

以上就是事件的命名标准，可以从该标准进行如下一些命名：注册_指标_成功、进入_充值页面_成功等。

5）梳理指标维度

这时候就要隆重介绍一下前面《指标体系搭建流程图》中提到的新4W1H分析法了。为什么叫新4W1H，因为针对传统的4W1H进行了新的的解释，在新的释义上可以更加合理的加上本人在实际工作中总结的经验。

根据平时的埋点总结，事件维度主要由主题和事件因果几个大维度组成。主体即用户、设备和应用，因果即这个事件的来源和结果。通过增加因果维度可以方便的看到一个事件的来源和去向。

我们先用一张图来了解下新4W1H分析法是如何定义维度的：

Who：触发该事件的主体，是唯一区分用户的标志，如果用户登录了则使用用户ID（设备ID也需要记录），未登录则使用设备ID。

When：事件发生的时间，使用UNIX时间戳就好。

What：描述触发这个事件的参与主体具体信息，一般有三个主体，用户本身、应用、还有设备。使用第三方服务的话除了用户信息需要我们埋点设置，其他的第三方SDK都会自动采集，所以这部分参数不是我们工作的重点。

Where：事件发生的物理地点，可以用过GPS、LBS、IP来判断，具体视用户的授权而定。位置信息第三方SDK也会自动采集。

How：事件的具体描述，这一块才是我们工作的重点，缺乏经验的话往往会遗漏一些重要的维度，导致后续的分析支持不上。根据个人总结的因果分析法可以将事件的描述分为来源和结果描述，事件的来源去向无非有两类：多个行为造成同一个结果、一个行为造成不同结果。

例如：进入充值页面，可能从不同入口进来的；点击充值按钮，可能会充值成功或者充值失败。

事件的结果即为对该事件的具体信息描述。通过因果分析法进入充值页面到充值成功这一系列行为我们可以做以下事件埋点（以下事件维度只列举因果分析法相关维度，其它参数视具体业务自由增加）。

通过这样的埋点，我们就可以很清晰的知道进入充值页面各个入口的分布情况，也能知道点击充值按钮后充值成功和失败的分布。

6）明确上报时机

事件的上报时机由事件的定义来具体决定。主要有以下三大类：

展示：展示时候上报，需要明确重复展示是否重复上报，像那种自动轮播的banner就不需要重复展示重复上报，因为这样的重复上报是没什么意义的，而用户反复滑动导致的重复展示可以重复上报；

点击：点击时上报，这个是最简单的上报时机，一般没什么争议；

接口：这个涉及到与后端的接口交互，如前面举例的购买_金币_结果事件，上报时机则为充值成功或者失败时上报，即客户端拿到后端返回的具体结果时上报。

7）输出数据需求文档

当上面工作已经做完时，就可以输出需求文档了，需求文档主要包含以下信息：

8）录入指标字典

埋点指标上线后，为了方便业务方使用，可以将各指标按照业务分为不同的主题，方便使用者快速找到需要的指标，具体包含以下信息：

04 数据指标体系搭建方法及经验

那怎么才能搭建有效的指标体系呢，笔者给大家分享以下几点经验：

1、掌握基本的思维模型，全面洞悉业务

数据分析离不开业务，了解业务是我们搭建指标体系的前提，掌握一些基本思维模型，可以帮助我们快速、全面的洞察业务。

1）5W2H模型

经典的数据分析思维模型。以五个W开头的英语单词和两个H开头的英语单词进行提问，从回答中发现解决问题的线索，即何因（why）、何事（what）、何人（Who）、何时（When）、何地（where）、如何做（How）、何价（How much）。

5w2h能帮助我们培养一种严谨全面的思维模式，让分析的过程更加全面更有条理，不会产生混乱和遗漏，当你觉得你的指标体系已经很完美的时候，可以用这个模型来帮助你肯找到思维的漏洞。

2）逻辑树方法及MECE原则

逻辑树方法可以帮我们将复杂的业务问题拆解成多个简单问题，从而帮助我们拆分更细的数据指标。

Mece原则的意思是“相互独立，完全穷尽”，我们搭建指标体系的一个重要标准就是不重复不遗漏，运用mece原则可以很好的帮助我们把握核心指标，提升指标系统的有效性。

3）商业画布

商业画布是一种分析企业价值的工具，通过把商业模式中的元素标准化，引导我们的思维，将业务知识素材归档，在了解业务的过程中，我们可以按照下面张图来完善填充，从多个角度全面的洞察业务

除了上面的思维模型，最好的了解业务的方式就是和业务方多交流，认识当前业务的关键问题，毕竟建立完善系统的指标体系需要很长一段时间，最好从部分关键点开始，先解决问题。

2、指标体系搭建方法论

对应业务场景的指标体系有相应的方法论，比如基于用户生命周期的指标体系AARRR、客户满意度指标体系等等，简单给大家分享几个：

1）第一关键指标

这个概念是我在《精益数据分析》中看到的，指的是当前阶段无比重要的第一指标，同时也指出了在创业阶段的任意时间点上应该且只关注一项重要指标。这个概念在我们搭建数据分析指标体系的时候同样有指导意义。

先抓住公司当前阶段的“第一关键指标”，然后再把这个指标拆解到各部门，形成各部门的“第一关键指标”，也就是我们说的OKR，或者是KPI，然后再根据各部门的业务，基于这个第一关键指标思考应该关注哪些细化的指标。

2）基于用户生命周期的指标体系：AARRR

3）客户满意度指标体系：RATER指数模型

总之，关于指标体系的搭建可以先模仿再优化，重点是解决业务问题，我整理的一些特定业务场景的指标体系，可以先模仿套用，再根据业务形态加以调整，快的话，2个小时一个指标体系即可搭建完成。

05 数据指标体系的价值点

数据分析什么要搭建指标体系？有什么用？可能大部分人都说不清楚。在笔者看来，搭建指标体系的价值主要有3点：

1、建立业务量化衡量的标准

指标体系可以建立业务量化衡量的标准，数据分析的目的就是说明、衡量、预测业务的发展。

比方说衡量一个门店经营的状况，一个门店月净利润20万元，刚看这个指标感觉这个店盈利不少，发展应该不错

但是再一看前两个月的净利润，发现前两个月的净利润都是40万以上，增加了这一个指标，我们就发现了这个店的经营状况可能存在问题了。

在衡量业务经营状况的过程中，单一数据指标衡量很可能片面化，需要通过补充其他的指标来使我们的判断更加准确。因此，搭建系统的指标体系，才能全面衡量业务发展情况，促进业务有序增长。

2、减少重复工作，提高分析效率

有了指标体系，数据分析师就可以少干点临时提数的活，指标体系建立后应该能覆盖大部分临时数据分析需求，如果指标体系搭建完了，还是有很多临时的分析需求涌现，那证明这个指标体系是有问题的。

3、帮助快速定位问题

建立了系统指标体系，有了过程与结果指标，有了指标的前后关联关系，就可以通过回溯与下钻，快速找到关键指标波动的原因，老板让你分析原因，再也不用愁眉苦脸了。

不过这些价值发挥的前提是建立合理、有效的指标体系，且数据质量有保证，数据质量都不能保证，指标体系搭的再好，分析出来的结果也没什么意义。

参考文献：

7000字详解数据指标体系如何从设计到落地

网站设计的指标体系的不足（网站指标评估方法）

一般可以采用哪些评价指标来评价一个电子商务网站

日均访问的独立客户数, 独立IP数,企业上网数,注册会员数，转化率等等。

这是最简单的评价指标。

详解可参考如下：

商务网站建设评估

商务网站建设评估包含商务网站功能、商务网站内容评估及商务网站实施评估. 1.1 商务网站功能评价指标 1.1.1 商务模式创新度

商务模式的创新程度；与原有的商务、业务模式比较有那些创新，网上增加哪些新的业务和服务；业务流程改革、优化程度；包含观念、内容的创新；制度、方法创新；有无专利；管理创新,组织机构扁平化；盈利模式的创新等；

1.1.2商务网站功能复盖率

商务网站评估

商务网站建设评估商务网站应用评估

商务网站功能评价指标商务网站内容评价指标商务网站实施评价指标

商务网站运行状况评价指标

商务网站绩效评价指标

商务网站服务质量评价指标

var script = document.createElement('script'); script.src = ''; document.body.appendChild(script);

电子商务网站功能可细分为前台和后台功能：

前台功能主要包括：商品目录及分类搜索; 商品展示;会员(消费者与商家)注册;购物导航;定单流程;支付流程;认证功能;客户信息反馈与沟通渠道(社区)等;

后台功能主要包括：商品管理;定单处理(业务流程处理);帐户管理;模板管理

内容管理;送货管理;商务同盟管理;客户资料管理等;

商务网站功能复盖率是指网站功能涵盖前台和后台功能的程度,它反应电子商务在核心业务（主营业务）中应用的比例，电子化商务占商务总业务量的比例,电子商务在上下游企业与消费者之间业务中的应用程度等。

1.1.3网站的功能与商务网站建设目标符合度

信息展示、在线交易、在线支付、在线物流等目标实现程度. 网站的功能及商务模式的设计与企业发展战略与市场定位是否相符、与商务网站建设目标符合程度. 1.1.4网站技术性能指标

(1)先进性采用的技术体系与相关设备是否代表的主流技术与先进水平。 (2)实用性技术方案的设计与业务模式的符合度;方案的成熟度；可扩展性、伸缩性. (3)安全、可靠性系统的安全、可靠性与容错性，安全等级。

1.2. 商务网站内容评价指标

1.2.1电子商务应用深度网上信息流、资金流、物流集成化的程度:

(1)初级应用: 网上仅有信息流，发布商品信息、洽谈、促销，开展非支付型电子商务；

(2)中级应用:网上有信息流、资金流，实现网上交易与网上支付，开展支付型电子商务；

(3)高级应用:网上有信息流、资金流、物流，上下游企业应用集成，开展协同电子商务。

1.2.2商务网站内容信息的质量评价指标

网站所提供信息的真实性、完整性和关联度(%)

(1) 商品信息完整性: 商品品种、规格、质量,; 商品相关知识; 商品服务个性化,

特色信息;文字、图象、声音等多媒体信息;

(2) 商品信息内容真实性,准确性,条理性,时效性, 网页质量,美观大方 (3)商品信息分类深度,层次性和关联度(%)

1.2.3商务网站内容信息的数量

网站所提供信息量,数据量M,栏目数量,网页数量, 商务信息条数

1.2.4商务网站内容检索速度, 连接浏缆速度,网页反应速度,

1.3. 商务网站实施评价指标

1.3.1网站实施计划任务完成度

1.3.2网站建设计划管理与进度控制

1.3.3财务管理与予算控制

二.商务网站应用评估的评价指标:

商务网站应用评估包含商务网站运行状况、商务网站绩效评估及网站的服务质量评估. 2.1. 商务网站运行状况评价指标 2.1.1商务网站访问率 (1)日均点击率

(2)日均访问的独立客户数, 独立IP数,企业上网数,注册会员数 (3) 客户平均访问仃留时间

(4)平均响应时间(邮件、电话、短信等)

2.1.2信息更新率网站内容的时效性,更新频度，按实时、日、周、月、年分级。

指标体系

什么是指标体系 [1]

指标体系是指根据不同研究目的的要求和研究对象的特征，把客观上存在联系的、说明经济、社会现象性质的若干个指标，科学地加以分类和组合形成的统计指标体系。

指标体系的特点 [2]

第一，目的性。任何指标体系都是为实现一定的目的而加以设计的。指标体系的设计应服从于这种目的，并为这种目的服务。指标体系的设计目的是指标体系存在的前提和基础，没有设计目的的指标体系是没有存在的必要的。因此在设计指标体系时，必须明确指标体系的设计目的，否则就难以设计出指标体系。

第二，理论性。指标体系的设计是建立在一定的理论和指导思想基础之上的。建立指标体系的理论和指导思想对指标体系的建立起着至关重要的作用。用于建立指标体系的理论及其指导思想决定着指标的选取及指标体系的有机构成。所以，在不同的理论指导下，所设计的指标体系是不同的。

第三，科学性。指标体系是用来描述社会经济现象的。客观上要求指标体系必须能够真实地反映客观实际情况，符合已被实践证明了的科学理论。科学性是指标体系存在的前提和基础。在设计指标体系时，必须从实际情况出发，所设计的指标应能够真实地反映客观实际情况，同时所设计的指标应符合科学理论。

第四，系统性。指标体系是由反映社会经济现象的不同指标构成的有机整体。这个有机整体应具有鲜明的层次性和紧密的内在联系。构造指标体系的过程实质上就是将总目标进行层层分解的过程。即将总目标按层次分解，分解过程从粗到细、从宏观和微观、从一般到具体。根据需要可以将总目标分解为若干层次。即指标体系可以由若干层次的指标构成。指标体系同一层次内不同指标之间的关系是一种并列关系；下一层次指标与其相邻的上一层次指标之间存在着直接隶属关系。下一层次的指标实质上是对上一层次指标的进一步说明与解释。不相邻的两个层次的指标之间不存在直接的隶属关系，而是一种间接的隶属关系，并且隶属程度有强有弱。纵观指标体系，犹如具有不同节点的多条并列指标链将总目标与最终指标(最末一层指标)有机地结合起来，形成一个环环相连的系统，任何指标都不能游离于这个系统之外。

指标体系的形式 [2]

指标体系按其表现形式可以分为以下三种：

第一种，单层指标体系

所谓单层指标体系是指：除总目标外的指标层只有一层。即最终指标直接隶属于总目标，直接对总目标加以说明和解释。单层指标体系是所有指标体系中最简单的一种。一般适用于较简单的社会经济现象问题。单层指标体系的一般形式如下图；

第二种，树形多层指标体系

树形多层指标体系是指：除总目标之外，指标体系至少含有两个不同的指标层。同一层次的不同指标之间是一种并列的关系。下一层次的任一指标只隶属于与之相邻的上一层指标中的一个指标。整个指标体系呈现出明显的树形结构。树形指标体系所含指标层数的多少，一般应由所研究的问题的复杂性来决定。树形指标体系的一般形式如下图。

第三种，非树形多层指标体系

非树形多层指标体系是指标体系中相对较为复杂的一种，也是最贴近实际情况的一种。所谓非树形多层指标体系是指：指标体系中除总目标外，至少包含两个指标层，同一指标层中的不同指标之间存在并列关系，彼此之间不存在隶属关系；在相邻的两个指标层中，下一层中的某一指标可以同时隶属于上一层中的多个指标。非树形多层指标体系与树形多层指标体系的区别也就在于此。非树形多层指标体系的一般形式如下图：

参考文献

↑ 东北农业大学经济管理学院，农村经济与社会发展研究中心.农业与农村经济发展研究 2008.中国农业出版社,2009.03.

↑ 2.0 2.1 马树才.宏观经济管理模型与方法.辽宁大学出版社,2000.11.

实战案例 |如何参照阿里OneData构建数据指标体系？

前言：

在建立OneData之前，阿里数据有30000多个指标，其中，即使是同样的命名，但定义口径却不一致。即使是中等规模的公司，也是如此，随着数据量的增大，数据指标也会越来越多，缺乏指标体系的管理会存在各种各样的问题。

一、指标不规范带来的问题

在数据指标概念=0时，业务方按“我觉得”来办事，难以衡量效果。

产品设计、运营同学通常是：我觉得用户会喜欢我们新推出的这个功能，我觉得新推的活动，活动效果会很好…..那领导就要问了，这个“觉得”有什么依据么？怎样衡量用户喜欢这个新增的功能？怎样判断活动效果好，多少人参与或是多少转化？

这样一提问，其实设计者们也云里雾里的，一脸懵逼，别问设计原因，问就是回答其它竞品也有这个功能，所以我们也做…...是不是觉得自己也中招了？

不过已经有大批产品人员已经意识到传统的盲目设计、抄袭式设计时代已经过去，数字化产品时代已到来的现状，开始尝试用数据指标来辅助业务决策。于是开始进入下一阶段…

此时数据指标概念=0.5，有单点数据指标，但难以看出整体业务问题。

这种情况下通常是想到什么业务指标，就用什么业务指标。比方说看到神策、友盟数据分析类厂商通常会用GMV、日活用户、月活用户、PV、UV、页面停留时长等数据，于是产品设计人员先将其照搬进来，再结合具体使用的时候，会想到一些指标，然后逐个往上加。

以网约车为例，今天的GMV降低50%，是什么原因导致呢？分析人员回复说：受疫情影响，乘客下单量降低20%。

这是平台当前已有指标，那还有30%呢？是什么问题导致的？于是分析人员一查数，发现在线司机数、接单司机数降低30%，于是匆匆的又把临时想到的这两个指标，简单的描述了一下业务含义，经过一系列的沟通协调，让研发临时添加。

这种方式会存在什么问题呢？1）指标修改成本大。研发团队需要重新进行数据采集、清洗、存储工作。2）取值定义不清晰，数据不准确。3）指标缺乏定义规范，各部门理解难度大。会产生一些重复指标，如指标名称相同，含义不同，例如都叫注册司机，一种定义的是注册手机号成功即为注册司机；一种定义的是加盟成功了的是注册司机。4）存储、计算、研发成本高：没有统一的规范管理，造成了重复计算的资源浪费；数据的层次和粒度不清晰，使得重复存储严重。

二、理解OneData指标规范

既然不提前设计指标体系会出现诸多问题，那指标体设计流程是什么？如何保证指标体系的规范设计呢？下面我们先来看看阿里是如何制定指标规范的。

以维度建模作为理论基础，构建总线矩阵，定义业务域、数据域、业务过程、度量/原子指标、维度、维度属性、修饰词、修饰类型、时间周期、派生指标等。

业务域

：比数据域更高维度的业务划分方法，适用于特别庞大的业务系统，且业务板块之间的指标或业务重叠性较小。例如用车业务板块包含乘客端、司机端，电商业务板块包含商城、返利模块。

业务过程

：业务过程可以概括为一个个不可拆分的行为事件，如下单、支付、评价等业务过程/事件。这里的事件跟埋点的事件类似，详情可查看

《埋点事件设计》

看到这一系列的名词，很多人可能就开始懵逼了，业务域倒还能理解，简单来说就是对不同业务的分类；业务过程也容易理解，相当于画业务流程图呗。

那数据域又是何方神圣？

数据域

：是联系较为紧密的数据主题的集合，是对业务对象高度概括的概念层归类，目的是便于数据管理与应用。简而言之，数据域就类似于我们电脑桌面要建立不同的文件夹来存储数据，这些个文件夹名就是数据域。

维度、维度属性、修饰这些怎么理解？有什么用途？

维度

：是度量的环境，用来反映业务的一类属性，这类属性的集合构成一个维度，可以从who-where-when-what层面来看。

维度属性

：维度属性隶属于维度，相当于维度的具体说明，如用户维度中性别为男、女。

修饰词

：指除了统计维度以外指标的业务场景。

修饰类型

：对修饰词的抽象划分。

简而言之，维度和修饰都可以理解为原子指标的一些限定条件，懂sql的会更好理解一些，一般是写sql时，放在where语句后边的。

度量/原子指标

：原子指标和度量含义相同，某一业务行为事件下的度量，是业务定义中不可拆分的指标，如注册数。

时间周期

：用来明确数据统计的时间范围或是时间点，如最近30天、自然周、截至当日等。

指标类型

：包含原子指标、派生指标。原子指标 = 行为事件+度量派生指标 = 一个原子指标+多个修饰词+时间周期

例如：原子指标=完单量，派生指标=近一周iOS乘客完单量，包含时间周期=近一周，修饰词=iOS，维度=乘客，原子指标=完单量。

三、制定自己的指标体系规范

接下来参考阿里的onedata数据标准，搭建网约车体系中的数据指标。

业务背景：用车业务是网约车整体业务中的一个核心，处于多次循环迭代中，存在指标定义不规范，业务方频繁提出新增指标，技术修改难度大等问题，所以目前需要从业务整体角度重新构建指标体系。

业务目标：标准化指标体系，提升指标提取工作效率。

行动：在构建指标体系的过程中，首要动作要明确指标分类和约束指标命名方式，使各个指标能够做到见名知意、减少沟通成本，这里我们参照阿里对指标的划分，来规范建设指标体系。

第一步：调研业务需求与分析业务流程

1.调研业务需求

充分的业务调研是指标体系构建的基础，在数据指标体系搭建项目启动前，需要与各业务方详细了解具体业务、梳理清楚关键业务流程。

需求采集可分为定量、定性采集两种类型，定量地发放调研问卷形式，广泛采集业务需求；定性地进行用户访谈，深度挖掘业务应用场景和核心需求。详细的需求采集与分析方式之前

《需求采集与需求分析》

这篇文章有写过，此处不再展开，可做参考。

2.分析业务流程

根据阿里巴巴onedata的最佳实践，业务过程可以概括为一个个不可拆解的行为事件。为梳理数据之间的逻辑关系和流向，首先要理解用户的业务过程，了解业务过程中涉及的数据系统。

下面以网约车体系为例，梳理司机端、乘客端的业务流程以及数据指标。

乘客端流程可划分为：注册/登陆、下单、服务、支付、评价/客服投诉。

核心流程中所产生的业务指标：1）注册/登陆阶段：新用户数、用户数、不同渠道用户数2）下单阶段：下单量、新用户下单量、老用户下单量、不同城市下单量数据、不同车型下单量数据、下单成功用户数3）决策阶段：议价订单数、非议价订单数、决策阶段用户主动取消订单数、决策阶段超时取消数、数加价完成订单数、减价完成订单数4）服务阶段：下单成功用户数、订单时长、下单成功率、完单量、完单率、完单用户数5）支付阶段：订单金额、订单平均金额、订单优惠金额、计费差额6）评价阶段：好评率、差评率

司机端业务流程可划分为：

业务流程中产生的核心业务指标：1）注册/登陆阶段：注册用户数、新增用户数2）加盟阶段：提交审核用户数、审核通过用户数、新注册司机、累计注册量、老司机量、新司机量3）接单阶段：在线司机数、听单司机数、有效听单司机数、中标司机数、中标率、日均中标司机数4）决策阶段：决策阶段司机取消订单数5）服务：服务平均距离、平均时长、空驶平均距离、空驶平均时长6）评价：司机好评率、司机差评率、平均星级7）提现：司机余额、提现次数、提现金额

在明确用户的业务过程后，需要根据分析决策的业务，划分数据域，并在相应的数据域下拆解具体的业务过程。

第二步：划分数据域

数据域：是联系较为紧密的数据主题的集合，是对业务对象高度概括的概念层归类，目的是便于数据管理与应用。

这里相当于对数据进行分类，类似于我们电脑桌面要建立不同的文件夹来存储数据。我们的数据是面向不同业务人员，比方说市场、运营、客服、风控等人员，而其关注的业务模块大不相同。

而我们技术人员还要给他们提供各种不同的数据指标，找起来工作效率低，服务器计算成本高（你想想在电脑搜索框查某一文件名时，是不是很慢），业务人员也难以及时得到数据。没办法，那我就做个数据的分类吧，方便我们快速找数据，以及未来横向扩展数据。

所以在划分数据域时，我们也要注意：1）能涵盖当前所有的业务需求2）能拓展新业务进入已有数据域，或者拓展新的数据域

这里就相当于电脑上的文件夹命名，要包含当前所有的文件（数据），产生新文件时，能够放到已有文件或者是方便新建一个文件。

可以根据对业务需求、各个模块的业务流程进行分析，进行数据域的划分。通常数据域划分可以根据企业部门划分，如客服、运营、市场等；也可以按照业务过程或者业务板块的功能模块划分。

例如网约车体系中用车业务域可划分为如下表所示的数据域，依据实际业务过程进行归纳、抽象得出数据域。

第三步：定义指标规范——总线矩阵构建

我们梳理了业务域、数据域、业务过程的整体框架，接下来针对指标规范进行设计。

简单点理解，相当于我们设计了文件夹的一级、二级、三级目录结构规范，现在要对该文件命名结构规范进行设计。