指标体系构建-01-什么是数据指标

2023-12-22 16:52

本文主要是介绍指标体系构建-01-什么是数据指标,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

参考

四千字全面解析数据产品经理必知概念:标签、维度、指标

什么是数据指标

指标是指于其中打算达到的指数,规格,标准等,是用数据对事物进行描述的工具。通常指标对应是否有价值取决于这个指标的实际意义。同时关注指标对应的数值,主要关注其单位及波动性。

动态指标半动态指标静态指标
销量年龄性别

举个栗子🌰:

口头描述:这家店生意很好
数据描述:这家店昨天的营业额是16000元
数据指标:昨日营业额

数据指标,需要有清晰的定义,举个栗子🌰:
昨日营业额 这个数据指标怎么描述

数据指标:昨日营业额
统计时间:昨日00:00-23:59
数据来源:店铺POS机交易流水
数据计算:POS记录的交易订单(不含退货单) 的 金额汇总

再举个栗子🌰:
7日留存率 这个数据指标怎么描述

数据指标:7日留存率
统计时间:7天内的数据
数据来源:app登录数据
数据计算:留存率=某范围活跃用户数在第N日仍启动该App的用户数的占比
数据描述:比如8.2号新注册的用户在8.9号之前又再次登录的数据

数据指标、标签、维度的区别

数据指标 VS 标签 VS 维度

数据指标的作用上文已经说过,是数据对事物进行描述的工具

数据指标:昨日营业额(昨日营业额16000元)

标签是什么,举个栗子🌰:

是为了描述事物、区分事物的某种缩略代指。比如(百年)老店、新店(开业)中的老店和新店就是标签。
任何描述性的文本,都可以作为标签。它可以是成语,也可以是词语,也可以是不完整的句子。
在这里插入图片描述甚至也可以是形象、图片、符号,也能是标签。一个笑脸、一个红心、一个太阳就能代表很多很多,一图胜千言。当然,每个人都有自己的解读。
标签和维度值的概念重叠度比较高

数据指标:昨日营业额(昨日营业额16000元)
标签:店铺类型(旗舰店/社区店、老店/新店)

什么是维度,,举个栗子🌰:
物以类聚人以群分,一个自然而然的逻辑是:先有物和人,再有类和群。
这里的物和人就是 标签,但人又分为傣族人,汉族人,白种人,这个就是群,人按照群分就是维度。
建立维度,其实是归纳归类,继续做了一层抽象。

最简单的维度,是二元的:是/否。比如,测过核酸 / 没测过核酸。
在这里插入图片描述

维度是灵活变通的,可以持续细化,不同维度可以相互组合的。

为了讲清楚维度,我不得不再引入一个相关的词,粒度。
粒度,其实就是描述事物、事情过程的细致程度。
为了更细粒度的分类描述,我们可以利用更多不同的前后缀修饰词创建新的维度。

就拿测核酸这个事情来举例。,举个栗子🌰:

假如一开始只区分是否测过核酸,后来病毒持续演进,抗疫成了持久战,后来开始区分时间:近30天、近7天、近3天是否测过核酸。
后续为了更加精细化防控,再加上来小区的维度,那就变成:A 小区近 7 天是否测过核酸、B 小区近 3 天是否测过核酸。

维度之间也可以合并和归总。

正向可以,反之亦然,我们也可以将细粒度的维度合并成更粗的维度。
如果一开始就高瞻远瞩,基于现实情况,设定了较为贴切的粒度,将统计的维度设置为近N天、小区、是否测核酸。
后续抗疫效果显著,粒度不需要再那么细,只需要按照月份、城市进行统计的时候,这些维度也可以归总:月份、城市、是否测过核酸。

维度的下钻和上卷

按照很多文章的说法,这个两个模块叫做维度的下钻和上卷。
但是,下钻和上卷比较抽象,我比较建议大家通过实际例子来构建自己的理解。
其实可以看到,维度和粒度之间相互影响、相互解释:维度越多,粒度越细。
为了方便,也可以将常见的特别细粒度的维度组合,合并成一个新的维度进行统称。
任何维度的设定,以及维度的下钻和上卷,都是基于我们想了解什么粒度的信息。

标签 分类维度 指标

一般指标指的是连续型的数据,
而标签指的是有业务含义的分类数据
标签可以通过指标计算得到,比如老店:开业时间>=24个月的店
标签是有强业务含义、强业务指向性的分类维度

在这里插入图片描述

如何得到数据指标

数据指标是事务的数据描述,所以……

1.对象是谁?
2.想描述他哪方面东西?
3.有没有数据记录?

举个栗子🌰:

我要找对象我要找搬运工
对象男人男人
哪方面高富帅信用卡、收费合理
数据记录高:直接测量 富:信用卡?车?房产证 帅:主管评分信用好:中介评分、完成订单数 收费合理:收费金额

注意!同一个目标,也会有不同判断,举个栗子🌰:

我要找对象我要找对象
对象男人男人
哪方面高富帅对我好
数据记录高:直接测量 富:信用卡?车?房产证 帅:主管评分给我钱用 帮我干活

从单个数据指标到指标体系

当一个指标,不足以描述事务的时候,需要指标体系
在这里插入图片描述

在指标体系中,数据之间有三种关系

并列关系(没有关系):高、富、帅
包含关系:财产= 流动财产+固定财产,流动财产=收租房间数*租金
流程关系:他对我感兴趣 → 聊天 → 约会 → 表白 →结婚

包含关系

在这里插入图片描述

在流程关系中,有过程/结果指标的区别
在这里插入图片描述

所谓建立指标体系,就是……

1.锁定一个观察对象
2.明确一个目标:我想了解它的XX
3.收集相关指标,确认有数据可采集
4.按并列、包含、流程,把指标组织好
5.进行观察,得到我想要的结论

用户画像指标体系

在这里插入图片描述

这篇关于指标体系构建-01-什么是数据指标的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/524717

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

嵌入式QT开发:构建高效智能的嵌入式系统

摘要: 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发,详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程,包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发,涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用,以及嵌入式 QT 与硬件设备的交互,包括输入输出设

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

hdu 2602 and poj 3624(01背包)

01背包的模板题。 hdu2602代码: #include<stdio.h>#include<string.h>const int MaxN = 1001;int max(int a, int b){return a > b ? a : b;}int w[MaxN];int v[MaxN];int dp[MaxN];int main(){int T;int N, V;s