前言 ：
在建立OneData之前，阿裏數據有30000多個指標，其中，即使是同樣的命名，但定義口徑卻不壹致。即使是中等規模的公司，也是如此，隨著數據量的增大，數據指標也會越來越多，缺乏指標體系的管理會存在各種各樣的問題。
壹、指標不規範帶來的問題
在數據指標概念=0時，業務方按“我覺得”來辦事，難以衡量效果。
產品設計、運營同學通常是：我覺得用戶會喜歡我們新推出的這個功能，我覺得新推的活動，活動效果會很好…..那領導就要問了，這個“覺得”有什麽依據麽？怎樣衡量用戶喜歡這個新增的功能？怎樣判斷活動效果好，多少人參與或是多少轉化？
這樣壹提問，其實設計者們也雲裏霧裏的，壹臉懵逼，別問設計原因，問就是回答其它競品也有這個功能，所以我們也做…...是不是覺得自己也中招了？
不過已經有大批產品人員已經意識到傳統的盲目設計、抄襲式設計時代已經過去，數字化產品時代已到來的現狀，開始嘗試用數據指標來輔助業務決策。於是開始進入下壹階段…
此時數據指標概念=0.5，有單點數據指標，但難以看出整體業務問題。
這種情況下通常是想到什麽業務指標，就用什麽業務指標。比方說看到神策、友盟數據分析類廠商通常會用GMV、日活用戶、月活用戶、PV、UV、頁面停留時長等數據，於是產品設計人員先將其照搬進來，再結合具體使用的時候，會想到壹些指標，然後逐個往上加。
以網約車為例，今天的GMV降低50%，是什麽原因導致呢？分析人員回復說：受疫情影響，乘客下單量降低20%。
這是平臺當前已有指標，那還有30%呢？是什麽問題導致的？於是分析人員壹查數，發現在線司機數、接單司機數降低30%，於是匆匆的又把臨時想到的這兩個指標，簡單的描述了壹下業務含義，經過壹系列的溝通協調，讓研發臨時添加。
這種方式會存在什麽問題呢？1）指標修改成本大。研發團隊需要重新進行數據采集、清洗、存儲工作。2）取值定義不清晰，數據不準確。3）指標缺乏定義規範，各部門理解難度大。會產生壹些重復指標，如指標名稱相同，含義不同，例如都叫註冊司機，壹種定義的是註冊手機號成功即為註冊司機；壹種定義的是加盟成功了的是註冊司機。4）存儲、計算、研發成本高：沒有統壹的規範管理，造成了重復計算的資源浪費；數據的層次和粒度不清晰，使得重復存儲嚴重。
二、理解OneData指標規範
既然不提前設計指標體系會出現諸多問題，那指標體設計流程是什麽？如何保證指標體系的規範設計呢？下面我們先來看看阿裏是如何制定指標規範的。
以維度建模作為理論基礎，構建總線矩陣，定義業務域、數據域、業務過程、度量/原子指標、維度、維度屬性、修飾詞、修飾類型、時間周期、派生指標等。
業務域
：比數據域更高維度的業務劃分方法，適用於特別龐大的業務系統，且業務板塊之間的指標或業務重疊性較小。例如用車業務板塊包含乘客端、司機端，電商業務板塊包含商城、返利模塊。
業務過程
：業務過程可以概括為壹個個不可拆分的行為事件，如下單、支付、評價等業務過程/事件。這裏的事件跟埋點的事件類似，詳情可查看
《埋點事件設計》
看到這壹系列的名詞，很多人可能就開始懵逼了，業務域倒還能理解，簡單來說就是對不同業務的分類；業務過程也容易理解，相當於畫業務流程圖唄。
那數據域又是何方神聖？
數據域
：是聯系較為緊密的數據主題的集合，是對業務對象高度概括的概念層歸類，目的是便於數據管理與應用。簡而言之，數據域就類似於我們電腦桌面要建立不同的文件夾來存儲數據，這些個文件夾名就是數據域。
維度、維度屬性、修飾這些怎麽理解？有什麽用途？
維度
：是度量的環境，用來反映業務的壹類屬性，這類屬性的集合構成壹個維度，可以從who-where-when-what層面來看。
維度屬性
：維度屬性隸屬於維度，相當於維度的具體說明，如用戶維度中性別為男、女。
修飾詞
：指除了統計維度以外指標的業務場景。
修飾類型
：對修飾詞的抽象劃分。
簡而言之，維度和修飾都可以理解為原子指標的壹些限定條件，懂sql的會更好理解壹些，壹般是寫sql時，放在where語句後邊的。
度量/原子指標
：原子指標和度量含義相同，某壹業務行為事件下的度量，是業務定義中不可拆分的指標，如註冊數。
時間周期
：用來明確數據統計的時間範圍或是時間點，如最近30天、自然周、截至當日等。
指標類型
：包含原子指標、派生指標。原子指標 = 行為事件+度量派生指標 = 壹個原子指標+多個修飾詞+時間周期
例如：原子指標=完單量，派生指標=近壹周iOS乘客完單量，包含時間周期=近壹周，修飾詞=iOS，維度=乘客，原子指標=完單量。
三、制定自己的指標體系規範
接下來參考阿裏的onedata數據標準，搭建網約車體系中的數據指標。
業務背景：用車業務是網約車整體業務中的壹個核心，處於多次循環叠代中，存在指標定義不規範，業務方頻繁提出新增指標，技術修改難度大等問題，所以目前需要從業務整體角度重新構建指標體系。
業務目標：標準化指標體系，提升指標提取工作效率。
行動：在構建指標體系的過程中，首要動作要明確指標分類和約束指標命名方式，使各個指標能夠做到見名知意、減少溝通成本，這裏我們參照阿裏對指標的劃分，來規範建設指標體系。
第壹步：調研業務需求與分析業務流程
1.調研業務需求
充分的業務調研是指標體系構建的基礎，在數據指標體系搭建項目啟動前，需要與各業務方詳細了解具體業務、梳理清楚關鍵業務流程。
需求采集可分為定量、定性采集兩種類型，定量地發放調研問卷形式，廣泛采集業務需求；定性地進行用戶訪談，深度挖掘業務應用場景和核心需求。詳細的需求采集與分析方式之前
《需求采集與需求分析》
這篇文章有寫過，此處不再展開，可做參考。
2.分析業務流程
根據阿裏巴巴onedata的最佳實踐，業務過程可以概括為壹個個不可拆解的行為事件。為梳理數據之間的邏輯關系和流向，首先要理解用戶的業務過程，了解業務過程中涉及的數據系統。
下面以網約車體系為例，梳理司機端、乘客端的業務流程以及數據指標。
乘客端流程可劃分為：註冊/登陸、下單、服務、支付、評價/客服投訴。
核心流程中所產生的業務指標：1） 註冊/登陸階段：新用戶數、用戶數、不同渠道用戶數2） 下單階段：下單量、新用戶下單量、老用戶下單量、不同城市下單量數據、不同車型下單量數據、下單成功用戶數3） 決策階段：議價訂單數、非議價訂單數、決策階段用戶主動取消訂單數、決策階段超時取消數、數加價完成訂單數、減價完成訂單數4） 服務階段：下單成功用戶數、訂單時長、下單成功率、完單量、完單率、完單用戶數5） 支付階段：訂單金額、訂單平均金額、訂單優惠金額、計費差額6） 評價階段：好評率、差評率
司機端業務流程可劃分為：
業務流程中產生的核心業務指標：1） 註冊/登陸階段：註冊用戶數、新增用戶數2） 加盟階段：提交審核用戶數、審核通過用戶數、新註冊司機、累計註冊量、老司機量、新司機量3） 接單階段：在線司機數、聽單司機數、有效聽單司機數、中標司機數、中標率、日均中標司機數4） 決策階段：決策階段司機取消訂單數5） 服務：服務平均距離、平均時長、空駛平均距離、空駛平均時長6） 評價：司機好評率、司機差評率、平均星級7） 提現：司機余額、提現次數、提現金額
在明確用戶的業務過程後，需要根據分析決策的業務，劃分數據域，並在相應的數據域下拆解具體的業務過程。
第二步：劃分數據域
數據域：是聯系較為緊密的數據主題的集合，是對業務對象高度概括的概念層歸類，目的是便於數據管理與應用。
這裏相當於對數據進行分類，類似於我們電腦桌面要建立不同的文件夾來存儲數據。我們的數據是面向不同業務人員，比方說市場、運營、客服、風控等人員，而其關註的業務模塊大不相同。
而我們技術人員還要給他們提供各種不同的數據指標，找起來工作效率低，服務器計算成本高（妳想想在電腦搜索框查某壹文件名時，是不是很慢），業務人員也難以及時得到數據。沒辦法，那我就做個數據的分類吧，方便我們快速找數據，以及未來橫向擴展數據。
所以在劃分數據域時，我們也要註意：1） 能涵蓋當前所有的業務需求2） 能拓展新業務進入已有數據域，或者拓展新的數據域
這裏就相當於電腦上的文件夾命名，要包含當前所有的文件（數據），產生新文件時，能夠放到已有文件或者是方便新建壹個文件。
可以根據對業務需求、各個模塊的業務流程進行分析，進行數據域的劃分。通常數據域劃分可以根據企業部門劃分，如客服、運營、市場等；也可以按照業務過程或者業務板塊的功能模塊劃分。
例如網約車體系中用車業務域可劃分為如下表所示的數據域，依據實際業務過程進行歸納、抽象得出數據域。
第三步：定義指標規範——總線矩陣構建
我們梳理了業務域、數據域、業務過程的整體框架，接下來針對指標規範進行設計。
簡單點理解，相當於我們設計了文件夾的壹級、二級、三級目錄結構規範，現在要對該文件命名結構規範進行設計。
常用的指標基本是按照個人理解給予的命名，並沒有特別的規範，比如說日活/月活用戶量、近壹個月下單量、完單金額等。但隨著數據指標的增多，出現了很多限定條件下的指標，比如近7天北京快車下單量這樣的指標，這個指標是如何設計得到的，有沒有壹套指標規範設計呢？
如上圖所示，設計指標時需清晰定義業務域=用車業務、數據域=服務域、業務過程=下單、維度=城市、屬性=北京、時間周期=近7天、修飾詞=快車、度量/原子指標=下單量。通過增加對原子指標的約束條件，規範產生派生指標=近7天北京快車下單量，提供壹套通用的指標定義標準，方便不同業務部門的人理解指標含義。
以網約車體系中的服務域為例，制定如下總線矩陣，劃分業務過程為下單、派單、決策、開始行程、完單。
總線矩陣是數倉架構師會用的比較多，對於產品人員會比較難理解，其實就類似於數學中矩陣和排列組合，壹個原子指標的維度限制條件組合不同，可得到成千上萬個派生指標。
總結
本文主要從數據產品角度介紹，如何基於阿裏OneData進行網約車指標體系建設。通過對業務分析、數據域劃分及總線矩陣構建，來建立壹套指標設計規範。通過建立指標規範，可以提升研發和業務方的指標獲取效率，為後續自助式分析打下基礎。
在設計指標規範過程中發現會產生成千上萬個指標，那這些指標哪些是真正給業務方提供指導意義的呢？
下壹篇將會講解如何根據OSM模型和AARRR模型確定核心業務指標，以及如何設計指標字典。