只要涉及到数据分析的相关工作，首先的第一步：建立数据指标体系，当然很多银行可能还没有建立这套体系或者只有一个很初级的指标体系，甚至日常也得不到更新，原有的指标体系不能完全覆盖数据分析，或者更新没有跟上业务节奏，导致的结果是没有、或者有也等于没有。
实际工作中，要准确的说清楚业务现状并不容易，比如我们说昨天的贷款业务“昨天有2万5000人贷款”，这样来描述业务就太不严谨了。
数据指标一个最重要的目的就是统一全行口径，特别是统计业务、领导汇报和合作伙伴沟通时，一定要有准确的数据和统一的指标来描述。
例如：2023年3月13日进件20390件，通过率65%，放款13459件，共放款254678元。
指标体系是从不同维度梳理业务，把指标有系统地组织起来。指标体系=指标+体系，所以一个指标不能叫指标体系，几个没关系的指标组织在一齐也不能叫指标体系。
一、指标体系搭建的原则
指标体系搭建要有重点，不能只想着罗列指标。有些银行一上来就是把大量的指标先列出来，也不说明优先级，也不分一级、二级指标，跟实际业务差距比较大。
搭建指标系统要有目标，首先这些指标解决什么业务问题，按什么样的时间、渠道和区域等纬度去拆分。
指标体系不是越全越好，而是跟业务越贴切越好，不同的银行数据指标是可以借鉴，但银行之间的产品有差异、业务复杂性不一样、发展阶段也不同，没有一套完整的指标系统是可以通用的。
二、搭建完整指标体系的步骤
指标体系不是大而全，指标体系最重要的是要和当前的业务需求相匹配，搭建完整的数据指标体系需要以下步骤。
1. 清晰的业务目标
需要确定清晰的业务目标，并将其转化为具体的指标。关于这一点，事实上很多银行的数据团队是做不到的，业务目标始终不清晰，或者各部门有自己的KPI压力，掌握再多数据分析的技能都是无济于事。
2. 关键业务流程
其次，需要确定关键业务流程，并确定该流程中的关键指标。
这些基础工作很多领导不重视，而这块的真正负责人喜欢按照个人意愿胡乱规定业务流程，导致业务数据不规范也不反应实际问题。
3. 数据收集
需要确定数据收集方式，确保数据的准确性。最主要的方式无非是代码埋点和运营手动统计，只要前两步完成好，这一步其实并不起决定性作用。
4. 数据分析
接下来，才需要对数据进行分析，以确定关键指标的趋势和分析其中的模式。
5. 指标拆分和设计
对关键北极星指标设计，拆分以确定其中的一级指标、二级指标。将指标与维度结合，以更好地理解数据。
6. 落地指标体系
前期的工作做的好，其实就是埋点开发和开发分析报表。
7. 定期维护
需要定期评估数据指标体系，以确保其有效性。特别是业务和数据底层发现变更时，需要实时更新指标体系。
三、如何设计指标体系
既然数据指标如何重要，如何搭建呢。一般的重要的步骤就是先明确北极星指标，然后通过拆分子指标、过程指标、添加分类维度来确定一级指标和二级指标。
1. 北极星指标
北极性指标也叫第一关键指标，是指在产品的当前阶段与业务/战略相关的绝对核心指标。
对于银行的手机银行零售业务说，北极星指标一般都是MAU(月活)，不同的业务版块如果不确定业务场景的北极星指标是什么，那就尽量和业务考核的KPI保持一致。
北极星指标并非只能设一个指标，比如小微业务可能需要多个指标来统合评价，小微业务在提升业务量就是放款规模、贷款余额的同时，也需要监控业务质量就是逾期率，除了这2个指标还需要看用户数，因为用户数直接和获客成本挂钩，要防止营销成本过高，所以对于这块业务可以确定三个北级星指标：放款金额、逾期率、用户数。
2. 一级指标
有了最重要的北级星指标后，可以进一步把北极星指标分解为一级指标，具体的拆解方法有很多种，要看业务如何运营，可以按照地区维度来拆解，也可以按用户运营维度来拆解。
一极指标由北极星指标衍生而来，一级指标的作用就是将北极星指标落实到具体的业务部门或者是责任人，通过成分拆解我们可以从北极星指标得到对应的一级指标。例如MUA这个一级指标，通过成分拆解可以分为存量用户和新增用户。
（1）AARRR模型的拆分策略
指标其实就是反映产品在各个重要方面的运营情况怎么样，把对用户的运营当成一个流水线，围绕着用户生命周期即可挖掘到一些重要的一级指标并自然而然的形成闭环。
在众多指标模型中我觉得AARRR模型能很好的概括用户的生命周期，美中不足的是遗漏了用户流失这一环节，个人觉得AARRRR比较能完整概括用户生命周期，即Acquisition（获取）、Activation（激活）、Retention（留存）、Revenue（收入）、Referral（自传播）、Recall（召回）。
围绕这六大方面，可以拓展以下一级指标（只是举例一些通用指标，具体的一级指标可根据具体业务进行定义）。
（2）数据指标制定
需要确定北极星指标（关键指标）、一级子指标和二级子指标，要根据业务和收集的数据来推行有效的数据指标。
（3）风险指标
全行各部门进行充分沟通，全行达到共识：很多时候难以推进数据指标的原因，在于不同部门都想用自己适合的口径来梳理，有些时候需要自上而下的推动。
3. 二级指标
通过一级指标的分析可以找到相应问题的责任方，而二级指标的作用正是指导该责任方去定位具体问题，进而修复问题。
通过对一级指标的路径拆解即可得到二级指标，业务运营人员可通过二级指标的具体表现快速做出相应的动作，所以二级指标的要求是尽可能覆盖每一个关键路径上的关键动作，通过拆分一级指标的逐步拆解来搭建二级指标。
拆分过程指标的时候，我们要依据两个原则：关联性和完备性。
第一，考虑关联性。依据这个原则你选取的过程指标要能准确反映出你的某个过程。
第二，考虑完备性。这个容易理解，你列举出的若干过程指标是不是能全面包含了要认知的对象，即全面地描述了某个过程。
前面步骤找到了北极星指标、一级指标、二级指标，到这一步可以把这些指标制作到报表中，通过报表监控指标，不断更新指标体系。
四、如何落地指标体系
根据实际业务分析就能搭建起指标体系。
落地就是建核心指标的相关报表，实际工作中，报表都会在埋点前建好，这样一旦版本上线就立刻能看到数据，同时这时各方的配合度都很高。
埋点不是一个人的事情，需要各部门通力合作，下图就是埋点的整个设计到落地的流程：
落地指标就不像设计指标那样首先着眼于一级指标，而是应该首先着眼于二级指标，因为一级指标是由二级指标组成的，二级指标埋点好了之后一级指标自然而然地可以计算出来。
五、指标体系如何维护
当我们完成指标的设计和落地后，最重要的就是需要统一的方式来维护这些指标。
目的主要有两点：
指标定义唯一性。避免在不同的业务场景出现相同指标、不同算法的情况。
平台工具的串联，指标的落地必然少不了元数据平台，利用平台机制，将用户的设计、定义、维护、工具，融入至唯一的平台，形成相对机制化的管理。
维护指标的7个内容：
- 指标分类：首先，我们需要对指标进行划分，从而分门别类的进行管理。指标分类可以从业务及性质的角度进行划分。
- 指标名称。指标名称是指标体系中必不可少的，这里的建议是：名称通俗易懂，不宜过长。
- 指标定义。用于说明指标的含义，需要清晰不模糊。
- 指标公式。指标公式更多是指标定义的数学化表示，
- 使用场景。阐述哪些场景会用到这个指标。
- 指标作用。阐述设计这个指标的初衷是什么，用于衡量什么，以及指标的大小、正负的含义是什么。
- 波动阈值。波动阈值主要在评估指标是否异常时有作用。
六、小结
建立指标体系需要各部门紧密沟通，还需要对银行业务和各部门职能的深刻理解，在此基础上再根据建立指标体系的方法，不断进行尝试就能够搭建出合适的指标体系。指标体系的搭建是一个随着业务发展需要动态更新的过程。
数据指标体系是银行对现实经验和未来预测的抽象。如果不区分其它银行与自己业务情况的异同，拿来即用，往往可能让数据指标体系“失效”，最终事倍功半。
谋求所谓全面完整的数据指标体系是错误的，尤其是在业务之初，当业务还没有完全展开，用户需求还没有完全暴露，场景还没有完全覆盖，追求所谓理论上的完整数据，会把自己绕进数字游戏当中。指标体系最重要的是要和当前的业务需求相匹配。