小编分享搭建数据指标体系的要素有哪些。

一要素：主指标（一级指标）。

用来评价这个事到底咋样的最核心的指标。比如说：“产品卖的好”。直观的想到是“销售金额”这个指标，因为这是我们卖货直接收到手里的钱，钱多了当然好。

每个指标得有以下要素：

1. 业务含义：在业务上它的意义是……
2. 数据来源：哪个系统采集原始数据
3. 统计时间：在XX时间内产生的该数据
4. 计算公式：如果有比例、比率，得说清楚谁除谁；如果是汇总，得说清楚谁加谁。

注意：有可能需要多个主指标，来做综合评价。比如产品卖的好，光看金额还不够，可能还要关注毛利，这才是真正赚到的钱。可能还得看销售数量，因为销售数量和库存直接挂钩，得防止积压太多。这样就至少有了三个主指标：销售金额、销售件数、销售毛利。

第二要素：子指标（二级/三级指标）。

主指标可能由几个子部分构成。比如：

销售金额=用户数 * 付费率* 客单价

如果销售金额没达标，我们会很好奇：到底是购买的客户少了，还是卖的人不够多，还是买的太便宜了，了解细节有利于我们找到真正的问题，这时候就得拆解子指标。

第三要素：过程指标。

主指标往往是最终的结果，比如B2B行业的销售金额，是销售线索-售前跟进-需求确认-产品体验-价格谈判-竞标-签约这一系列过程最后的一个结果。光看一个最后结果是无法监督、改进过程的。如果想更进一步管理，就得看得更细一些，从而添加子指标。

第四要素：分类维度。

有可能一件事是很多人、在很长时间内完成的。想知道总销售金额是怎么构成的，每个地区、每个团队分别完成多少，可以增加分类维度。通过分类维度，把主指标切成若干块，这样能避免平均数陷阱，把整体和局部一起看清楚。

第五要素：判断标准。

即使有了以上四个点，我们还是不能说：A产品卖的好。因为好是个形容词，是和差相对的。因此就需要一个对比的参照物。参照物的选择，本身是个复杂的分析过程，需要做深入的分析。

在构造指标体系的时候，往往这些判断标准是和当前数据一起呈现的。这样在看数据的时候，可以直观的做出判断，使用起来就很方便了。