今年春招，数据分析岗位受到了大批求职者的追捧。很多数据分析师的招聘要求中写道数据分析师需要对真实的业务状态进行埋点监控，将观测到的数据传入数据库并输出为数据图表，进而使其反应业务的真实状态。这就是说，数据分析师需要用数据所描述或映射的业务事实去量化业务过程，进而进行分析和决策。此时，如何针对业务场景拆解业务目标并搭建指标体系便是数据分析师必备的技能之一。

  在数据分析领域，指标就是有指向性的标记。而我们所说的搭建指标体系就是搭建用来全盘描述所有业务过程的指标集合。指标的种类可以分为属性指标、结果指标和行为指标。属性指标用于标记业务对象的自身属性，例如用户的年龄、商家的评分等。结果指标用于标记业务动作产生的最终结果，例如点击数、下单数等。行为指标用于标记业务动作实现过程中的一系列行为，例如转化率、时长等。在我们搭建指标体系的过程中，行为指标是优化业务的关键，因为真正深入的分析都是要基于用户行为进行的。此外，由于数量庞大、埋点复杂，行为指标也是最难获取的指标。在面试过程中，以外卖商家运营的指标体系搭建为例，我们通常可以分四步系统地搭建指标体系。

  第一步：拆解业务公式寻找初级指标

  外卖商家所考虑的业务结果之一是门店成交额。故在第一步，数据分析师们需要尽量细致地拆解门店成交额这一业务。例如，门店成交额=下单人数×平均客单价，下单人数又可以进一步拆解为曝光人数×进店转化率×下单转化率。以此类推，搭建指标体系的第一个拆分步骤便能将一个大的业务结果拆解出各种指标。

  第二步：列出现有指标进一步拆解

  搭建指标体系的第二部需要紧随第一步的变化而变化。在第一步中，我们所拆分出来的指标可以分为曝光人数、进店人数、下单人数、进店转化率、下单转化率和平均客单价。这些指标共同构成指标体系的一部分。此时我们需要检查所列出来的全部指标，看是否可以进一步拆解。例如下单人数，仍然可以拆解为新客成交和老客成交。

  第三步：基于业务公式增添时间和属性指标

  业务指标体系中的时间属性和空间属性需要随着业务公式指定，即我们在第一步中所设置的门店成交额=下单人数×平均客单价。在这个业务中我们分析，日期指标是商家所关心的时间指标，而门店属性和用户属性是商家关心的属性指标。和搭建指标体系的第二步同理，对时间指标和属性指标进行细致拆分，门店属性可以进一步拆解为门店id、门店名称、门店位置等，用户属性可以被拆解为用户id、性别、年龄、新老客等。

  第四步：根据业务发展的方向不断增添指标

  在有了前三步的指标体系搭建工作之后，我们针对当前业务基本的指标体系就已经算是搭建完成了。但是一个商家或是一个业务往往会随着发展而变化，因此数据分析师们还需要根据业务的实际发展方向，不断增添新指标，以进一步完善指标体系。