为什么现在公司有这么多的“运营”岗位？这些运营岗位之间有什么共同之处，又有什么不同之处？
当我们在讨论“数据化运营”时，我们在说什么？
运营是一个整合资源、创造增量价值的过程。
在和同事们经过一番友好的磋商之后，我们达成的共识是“运营是一个变好的过程”。
那么多不同的运营岗位，其实本质上就是在针对不同的对象（例如：商家、商品、店铺、产品），通过各种手段（例如：优化产品、策划活动、信息推送、流量分发），让客户变得更好。
所谓“变得更好”，学究一点的表述就是“创造增量价值”。
那么运营创造增量价值的手段和产品技术、市场营销、销售推广又有什么核心的差异呢？
运营的核心价值贡献在于整合。通常而言，运营不直接创造新的产品，他们通过“资源整合”的方式，让已有的产品创造更大的价值。
因此，运营本质上就是一个通过整合资源，来创造增量价值的过程。
所谓“数据化运营”就是一个“通过数据，来整合资源、创造增量价值的过程”。例如：简单来说，通过指标来运营业务（e.g. 以GMV为核心的商品运营）；复杂而言，通过数据、算法模型来做秒级决策（e.g. 猜你喜欢）。
为了更快地了解事实、达成共识、进行迭代。
那么为什么现在越来越强调“数据化运营”呢？
因为组织越来越庞大、业务的虚拟属性越来越强、场景的复杂度越来越高。就像在如何搭建指标体系中，提到过的“越是在大型组织当中，指标体系越为重要，因为决策者离一线业务较远；公司的业务虚拟属性越强，指标体系越为重要，因为公司与客户的距离较远。”
数据化运营同理，越是大型的组织、虚拟的业务、复杂的场景，越需要“数据化运营”。
数据是事实的投影，TA可以帮助我们：
4步做基建，6步解问题。
那么当我们接手一个新的业务域时，应该如何开展工作，实现数据化运营；或者说，提高数据化运营的质量呢？
好好通常会分为4步来开展数据基建工作：
Ⅰ- 评估业务现状、
Ⅱ- 诊断数据问题、
Ⅲ- 建设数据资产、
Ⅳ-产出业务价值。
在进行数据基建的过程中，要持续的产出“增量价值”：也就是不断地评估现状、分析原因、谋求改善。
“数据岗的核心职能，在于产出数据资产，提升信息的价值密度。”而指标体系就是一个组织最为重要的数据资产。
那么：
1、为什么指标体系这么重要？
2、什么是指标体系？
3、指标体系的衡量标准是什么？
4、如何去搭建一套好好的指标体系？
5、指标体系应该怎么用？
首先，回答第一个问题。
要搞清楚指标体系为什么重要，很自然的想到的就是：为什么要有指标体系？要回答这个问题，我们就要回答一个更根本的问题：为什么要有指标？
我们需要指标是因为：如果没有指标，我们能够知道的信息就会变得很少，亦或是获取信息的成本会变得很高。
那么是不是有了指标就够了呢？实则不然，如果只有指标，而没有体系，我们能够知道的信息就会变得很窄，亦或是获取的信息就会变得很乱。
进而，体系的缺位会导致组织的“数据指南针”失效。越是在大型组织当中，指标体系越为重要，因为决策者离一线业务较远；公司的业务虚拟属性越强，指标体系越为重要，因为公司与客户的距离较远。
简而言之，建立指标体系的目的就在于获取全局性的、有体系性的信息；进而通过这些信息去驱动业务的发展，达成组织目标，这就是指标体系之所以重要的原因。
回答完“Why”的问题，我们接着回答“What”的问题。
我们刚刚说没有体系的指标，所传递的信息是零散的、杂乱的。那么是什么使得指标成体系了呢？
是指标之间的关系，以及指标的使用方法。
所以，指标体系由三部分构成：指标库、关联关系，以及指标体系的使用指南。
快问快答：以最基本的“利润 = 收入 - 成本”为例。请问，有了这三个指标，以及这个等式（他们之间的关系），是否构成一个指标体系？
不构成，因为还缺失在具体场景下的使用方法。
假设我们用“利润、收入、成本”去衡量某公司的经营情况。五月份的收入是8000万，成本是6000万，利润是2000万。请问这个公司的经营状况如何？
● 不知道—— 因为没有参照标准。
● 非常棒，利润同比增长100% —— 和自己比，趋势向好。
● 还可以，至少是盈利的。—— 和目标比，表现比盈亏平衡好。
● 非常糟糕，经营效率低下。—— 和市场比，同业竞对以同样的成本可以创造4000万的利润。
所以说：
【√】使用方法对于指标体系而言是不可或缺的。
【×】指标体系不是指标的罗列。
【★】“和自己比、和目标比、和市场比”的三板斧是非常基础、非常有效、非常落地的比较方法。
如果我们把指标体系视作为一个产品，指标库就是这个产品的硬件，指标间的关联关系就是这个产品的软件，而使用指南就是这个产品的说明书。既然是一个产品，用户体验就有优劣之分。那么评价一套指标体系的用户体验的标准是什么呢？
根据对问题的解答程度，我们可以将指标体系分为四个层次：
①、描述现状：这套指标体系，可以帮助我们基本还原业务整体的运营现状。
②、分析原因：这套指标体系，可以帮助我们对业务的变化进行归因，对问题进行定位。
③、预测未来：这套指标体系，可以帮助我们，进行假设分析，对未来做出一些预判。
④、改善未来：这套指标体系，可以帮助我们找到，改善业务的动作、策略、战略。具体而言，这套指标体系，可以围绕组织目标，找到某些人，驱使他们去做某些事（寻某人、行某事）。
一个可用的指标体系，至少要达到以上四个层次其中之一。能够达到的层次越高，这套指标体系能产生的价值越大。
快问快答：那么是不是说一开始搭建一个指标体系，就要搭建一个对所有业务细节都清晰量化的大而全的指标体系呢？
● No！这会导致分析瘫痪的现象出现；即决策分析的机会成本，将超出做出决定可获得的收益。
而且大多数时候，好的指标体系是随着实践的深入、认识的提高，逐渐生长出来的；而并非是起初就完美设计出来的。
快问快答：那么当我们搭建一个指标体系的时候，应该将目标层次设定为“改善未来”吗？
● Yes！我们应该在有限的时间、精力、技术资源下，产出尽可能高价值的数据资产。事实上，只要掌握了科学的指标体系建设方法和数据探索方法，不需要太多的指标，就能构建出一套可以“改善未来”的指标体系。
总而言之，一套好的指标体系，能够帮助我们实现4个目标：描述现状、洞察原因、预判未来、寻某人行某事。
接下来，让我们开始实践。
“正确地开始，功成已近半。” —— 亚里士多德
对于建立指标体系而言，近乎真理的起点在于“理解业务”。
以“理解业务”为起点，我们分别从纵向与横向两个方向思考，就能搭建起我们的指标体系。
以“业务理解”为起点，纵向出发，我们可以往4个方向深入对业务的理解：
① 业务目标：包括要创造的价值，以及要交付的结果等。
② 业务的运营模式：包括参与主体以及主体之间的关系等。
③ 可控因素：对业务目标有重要影响的、可控的内外部影响因素。
④ 不可控因素：对业务目标有重要影响的、可控性较差的内外部影响因素。
以“业务理解”为起点，横向出发，我们可以经过3个步骤，完成数据资产的交付：
1、量化业务：将上述的四类业务事实，依次转化为对应的指标；业务目标 → 结果指标，运营模式 → 运营指标，可控因素 → 过程指标，不可控因素 → 监控指标。
2、建立体系：建立上述指标的联系，以及整个指标体系的使用方法。
3、交付资产：将指标体系转化为数据资产交付。例如，一套指标体系的说明文档、数据表格、报表、看板、报告等。
当代打工人，健康（身材）最重要 ，我们以“身材管理”这个业务场景为例，演练一下指标体系的搭建过程。
以上简单回答了数据同学的4个问题：搭建指标体系的原因、标体系的定义与组成、搭建的方法、衡量的标准。
现在来回答业务岗、综合管理岗位同学关心的问题：指标体系能帮助组织做什么？该怎么用？
一个好的指标体系对于组织而言，可以是一把统一沟通语言的尺子，可以是一台统一方向的司南，可以是一个持续发现问题、预警风险的智库。
所以如果你是一块业务/团队的责任人，当你觉得团队之间沟通成本高的时候，当你觉得团队内的同学对业务发展方向不明确的时候，当你觉得缺乏有效的、足量的信息的输入的时候，都可以考虑一下——“指标体系”这个工具能否帮助你解决这个问题。
补充这部分内容的主要原因是，听到身边朋友们的一些讨论：
● “数据组设计了一堆指标，但是那么多指标，该怎么用呢？哪个重要呢？”
● “我们公司其实挺数据驱动的。但同样一个故障问题，我们团队可能使用的是A指标，因为要体现因素1、因素2、因素3的变化。而小贾团队也不知道出于什么考虑，用的是B指标。每次会议上一旦意见不同意，就要为指标、口径的问题撕扯半天。”
● “我们知道数据很重要，但是有了数据指标，不代表就是有了好的产品。某个指标变好，也不意味着产品体验就更好。”
其中有产品经理、服务运营经理岗位的同学，也有销售企划岗位的同学，等等。
听到这些声音，好好就在反思：设计“指标体系”这个产品的时候，有没有考虑到用户的体验？他们在工作中遇到了哪些问题？哪些问题是“指标体系”这个工具能够帮助他们解决的？怎么样帮他们解决？
小结一下～
