指标是一种衡量业务目标的方法，是企业用于描述现有业务或者预测未来业务的工具，但是在企业中，指标和指标之间的关系并非很简单，主要会遇到的问题有：
系统太庞大，指标体系复杂；数据分散于各个系统，定义方法和口径无法达到统一；指标的建设和维护依赖于技术人员；挖掘指标价值的困难。
为了提升数据质量，我们需要从指标、人、工具、数据源四方面着手，指标治理是最显性也是最优先的，以指标治理为核心，才能形成从上至下的压力，进而将人的意识和习惯、工具的应用和维护、数据源的扩展和萃取三部分的工作可持续地做好。
指标治理是有范围的，并不能武断地进行全公司或者全事业部的指标统一，建议在具体部门或者业务线中，做好指标治理工作，进而寻求更大范围统一的可能性。
1. 当我们遇到两个相同名称的指标，数值不相同时，需要做检查，若是计算错误就及时修正，若是口径不同，则将两个名称区别开，记住一定要规范命名。
2. 当我们在做数据产品或者研究时，需要定义某种指标的时候，要优先与现有的指标进行对照，如果重叠，在不产生理解歧义的情况下，继承现有指标命名，若继承名称不合适或者不存在类似的指标，则采用规范的命名方式，将自己所使用的指标与现有的指标区别开。
在同义同名这个过程里，需要由指标治理的负责人，有规律地对各业务人员和分析师在使用的指标进行遍历检查。发现有计算口径或者业务含义相同或接近的指标，进行名称上的整合。
有一点需要注意，不是所有意义相同或者相近的指标都要整合，我们不能一根筋做事情。比如完全处在两个业务线或者两种主题下的指标，就没有必要非得统一成一个名称。这反而导致本业务线内的指标名称体系的混乱。
最后是追求异名异义。这个状态只要去接近就可以，我们真正要达到的是“不存在同名异义，而存在异名同义”。
二. 指标解析
拿统计报表的指标解析步骤来举例，通常指标解析的步骤分为5步：
第一步：理解报表。首先要了解统计报表，通过报表标题、报表的表头、表尾，以及各数据项的关系和公式来了解统计报表是要做什么的。
第二步：剔除不必要的指标。特别关注如下指标和元素：超长字符、计量单位、统计信息、无统计意义的字符等。
第三步：分析指标的维度、筛选条件、公式。
第四步：确定报表的数据期。数据期也就是查看统计报表的时间粒度，我们需要确认：确定数据期字段、确定数据期类型。
第五步：需要找权威人士确认和佐证。与客户方业务和技术专家确认，保证指标的权威性；记录存档，以备指标定义时使用。
不管是管理者、决策者还是执行者，都要具备数据质量意识，在日常接触数据产出时，脑中始终有所“戒备”。
可成为指标平台的工具，由指定人员进行管理和维护。在这个工具上，数据使用者能方便的查阅具体指标的名称、计算口径、样例代码、负责人、变更历史等信息。
指标变更需要有一定的流程，尤其是如上篇所说的“评价流”中的指标，应该有一个上至决策层的审批流程。
最后，分析师或者其他数据结果的生产者，一定要具备良好的习惯：
1.在任何数据产出中，一定标注规范的指标名称、计算口径。
2.在取数代码或者分析代码中，要有清晰的注释来说明计算逻辑和字段定义。
3.发现有忽视数据质量的情况时，给予当事人和数据使用方提醒，必要的时候向上反馈。
发布者：调研工厂，转载请注明出处：https://baike.survey.work/325745fde9/
支付宝扫一扫 
