数据分析有：分类分析，矩阵分析，漏斗分析，相关分析，逻辑树分析，趋势分析，行为轨迹分析，等等。我用HR的工作来举例，说明上面这些分析要怎么做，才能得出洞见。
比如分成不同部门、不同岗位层级、不同年龄段，来分析人才流失率。比如发现某个部门流失率特别高，那么就可以去分析。
比如公司有价值观和能力的考核，那么可以把考核结果做出矩阵图，能力强价值匹配的员工、能力强价值不匹配的员工、能力弱价值匹配的员工、能力弱价值不匹配的员工各占多少比例，从而发现公司的人才健康度。
比如记录招聘数据，投递简历、通过初筛、通过一面、通过二面、通过终面、接下Offer、成功入职、通过试用期，这就是一个完整的招聘漏斗，从数据中，可以看到哪个环节还可以优化。
比如公司各个分店的人才流失率差异较大，那么可以把各个分店的员工流失率，跟分店的一些特性（地理位置、薪酬水平、福利水平、员工年龄、管理人员年龄等）要素进行相关性分析，找到最能够挽留员工的关键因素。
比如近期发现员工的满意度有所降低，那么就进行拆解，满意度跟薪酬、福利、职业发展、工作氛围有关，然后薪酬分为基本薪资和奖金，这样层层拆解，找出满意度各个影响因素里面的变化因素，从而得出洞见。
比如人才流失率过去12个月的变化趋势。
比如跟踪一个销售人员的行为轨迹，从入职、到开始产生业绩、到业绩快速增长、到疲惫期、到逐渐稳定。
通过面向企业业务场景提供一站式大数据分析解决方案，能够为企业在增收益、降成本、提效率、控成本等四个角度带来价值贡献。
最直观的应用，即利用数据分析实现数字化精准营销。通过深度分析用户购买行为、消费习惯等，刻画用户画像，将数据分析结果转化为可操作执行的客户管理策略，以最佳的方式触及更多的客户，以实现销售收入的增长。
下图为推广收支测算分析，为广告投放提供决策依据。
下图为渠道销量分析，为渠道支持提供数据支撑。
例如通过数据分析实现对财务和人力的管理，从而控制各项成本、费用的支出，实现降低成本的作用。
下图为生产成本分析，了解成本构成情况。
下图为期间费用预实对比分析，把控费用情况。
每个企业都会出具相关报表，利用数据分析工具，不懂技术的业务人员也能够通过简单的拖拉拽实现敏捷自助分析，无需业务人员提需求、IT人员做报表，大大提高报表的及时性，提高了报表的使用效率。
通过数据分析工具，能够在PC端展示，也支持移动看板，随时随地透视经营，提高决策效率。
预算是否超支？债务是否逾期？是否缺货了、断货了？客户的回款率怎么样？设备的运行是否正常？哪种产品是否需要加速生产以实现产销平衡？...其实，几乎每个企业都会遇到各种各样的风险问题。通过数据分析，能够帮助企业进行实时监测，对偏离了预算的部分、对偏离了正常范围的数值能够进行主动预警，降低企业风险。
下图为税负率指标，当综合税负率过高，可以实现提示和预警。
下图为重要指标预警，重点监控项目的毛利率。
1、数据分析有：分类分析，矩阵分析，漏斗分析，相关分析，逻辑树分析，趋势分析，行为轨迹分析，等等。我用HR的工作来举例，说明上面这些分析要怎么做，才能得出洞见。
2、比如分成不同部门、不同岗位层级、不同年龄段，来分析人才流失率。比如发现某个部门流失率特别高，那么就可以去分析。
3、比如公司有价值观和能力的考核，那么可以把考核结果做出矩阵图，能力强价值匹配的员工、能力强价值不匹配的员工、能力弱价值匹配的员工、能力弱价值不匹配的员工各占多少比例，从而发现公司的人才健康度。
4、比如记录招聘数据，投递简历、通过初筛、通过一面、通过二面、通过终面、接下Offer、成功入职、通过试用期，这就是一个完整的招聘漏斗，从数据中，可以看到哪个环节还可以优化。
5、比如公司各个分店的人才流失率差异较大，那么可以把各个分店的员工流失率，跟分店的一些特性（地理位置、薪酬水平、福利水平、员工年龄、管理人员年龄等）要素进行相关性分析，找到最能够挽留员工的关键因素。
6、比如近期发现员工的满意度有所降低，那么就进行拆解，满意度跟薪酬、福利、职业发展、工作氛围有关，然后薪酬分为基本薪资和奖金，这样层层拆解，找出满意度各个影响因素里面的变化因素，从而得出洞见。
7、比如人才流失率过去12个月的变化趋势。
8、比如跟踪一个销售人员的行为轨迹，从入职、到开始产生业绩、到业绩快速增长、到疲惫期、到逐渐稳定。
指标体系是数据分析师招聘JD中高频出现的词汇，也是分析师必备的技能，尤其是社招岗位。在数据分析师校招岗位中出现的比例虽然没有社招高，但是也有50%的比例，随着入职后工作的展开，这块也是必须要掌握的技能。
对于产品经理、运营的同学来说，如果想证明自己的数据分析能力，指标体系是一个很重要的点，尤其是在往高阶的产品和运营发展的时候。
本文的主要目的是让读者知道什么是指标体系，以及通过2种不同的方法来搭建指标体系。
从字面上来看，“指标体系”是可以分成“指标”、“体系”两个词语，所以这里我们先看一下什么“指标”？
来自百度百科的定义：指标是说明总体数量特征的概念及其数值的综合。
综合数据大V的定义：针对某一具体事物或行为进行量化描述的数值。
上面两个定义可能都不是特别的好理解，看一下下面的3个例子，会更形象一些，9.96亿的GDP，4982亿的GMV，12.13亿的UV，这些就是指标。当别人问一下平时看哪些关键指标时，只要交流具体名称即可。
在上面直接讲“9.96亿的GDP，4982亿的GMV，12.13亿的UV”这一串数字的时候，我相信大家一定是有疑问的。这里我们开始引入“维度”概念。
维度是指标的属性或者特征，同时也是指标的必要定语!且看下图，9.96万亿如果加上2019年江苏省这两个属性，是不是就更加明确和有意义了。是的，2019年是时间维度，江苏省地区维度，天猫、微信是平台维度。时间维度从低层到高层包括日、周、月、季度、年度等。地区维度从低层到高层包括区/县、市、省、国家等。当然还可以根据自己业务需要重新定义和划分。
下图是电商业务中常见的分析维度
因为指标是指标体系的关键，有必要强调一下什么是好的指标，为后续建设指标池打下基础。
准确性：一个指标最要的就是能否准确的进行统计，如果这点满足不了，其他一切免谈，否则只会搬起石头砸自己的脚（切忌，切忌！）
可比较性：是指有维度可比较，比如同期比较，不同地区比较，如果没有比较，指标也没有意义。
业务指导性：当一个指标发生异常变动，对运营下步的执行没有任何指导意义的时候，或者说还是按照之前的方式继续执行的时候，这个指标就是没有指导性的，可以直接放弃。
简单易懂：如果无法一个指标无法快速的让人理解，运用效果一定是差强人意。
经过上面长长的铺垫，终于得到了指标体系的概念：
宏观的角度审视业务流程或者关键节点，分析维度更加全面。
当发现关键目标出现异常波动，根据该体系可以快速定位到问题点。
每个指标都有内在关系，看到的问题可以更深一层。
搭建指标体系主要有2套方法：业务流程法、OKR拆解法。下面通过案例逐一讲解。
从整体的流程来说主要包括下面八个步骤，每个步骤电商网站双十一GMV成交额(GMV)案例来说明。
OKR（Objectives and Key Results）即目标与关键成果法，是一套明确和跟踪目标及其完成情况的管理工具和方法。整体流程和业务流程法大同小异。
关键点就是下图虚线矿中的目标拆解。我们以豆瓣MAU1000万案例来说明。
ORK在拆解的过程中注意下面三点，其实整体下来OKR拆解是比业务流程法有一定的难度的，这也是为什么要熟悉/精通业务的原因。
两种方法讲完了，补充一个有用的模型工具，OSM模型（Obejective，Strategy，Measurement）分别代表业务目标、业务策略、业务度量。
OSM模型主要有下面三大用处，尤其是第三点，上面我举的2个案例，相对来说还不够细，无法有效的在某家公司进行落地，只有根据该公司具体的业务场景进行本土化，才能有效落地。但是这些内容对于求职面试已经是足够了。
设计一个好的指标体系，大家觉得最关键的点是什么呢？
这里给大家抛出这么个问题，希望可以留言讨论，博主也会参与大家的交流。
