本文通过黄金思维圈（what-why-how）的逻辑来呈现。
指标 ，即具备业务含义，能够反映业务特征的数据。
因此，一个指标应该至少满足以下条件：
但是，在实际情况中，单一一个指标很难描述清楚业务现状，例如指标为“支付订单数”，那么“支付订单数”的增加究竟是拉新带来的呢？还是运营促活带来的呢？这样就可能出现不同部门之间相互扯皮的现象。
所以，想要更好地描述业务，实际上需要的是一整套指标体系。
指标体系 是指根据业务的目标，将多个指标创建联系后形成的整体。
可以看出，指标体系中的多个指标之间一定是存在逻辑关系的，而不是多个指标的简单堆砌。
好的指标体系的特征
根据 奥卡姆剃刀原理 ， 如无必要，勿增实体 ，我们在引入一样东西之前需要先论证其必要性。
所以，数据指标体系究竟有什么作用呢，为什么值得我们引入它？
指标体系的作用
在企业中，有2种常见状况需要搭建指标体系：
那么，该怎么搭建呢？
搭建数据指标体系的完整流程如下：
北极星指标（North Star Metric），又叫作 第一关键指标 （One Metric That Matters, OMTM），是指在当前阶段最重要的指标，就像天上的北极星一样，具备良好的指向性。
根据定义，北极星指标应该具有以下特性：
有几个常用的方法可以帮助我们确定北极星指标。
1 通过KPI/OKR确定北极星指标
这是最简单直接的确定方法，例如老板定下的KPI就是“日均支付订单数超过10万”，那么北极星指标就可以定位“日均支付订单数”。
2 判断指标是否符合商业目标和用户价值
步骤如下：
以一个电商平台为例（该平台是通过订单提成作为主要盈利模式）：
3 结合产品生命周期确定
每个产品生命周期可以使用的北极星指标如下：
具体可以参考： 为你的产品选择合适的北极星指标，从了解产品开始
1.按照某个维度进行拆解
要求维度内遵循MECE原则，且每个维度内的子指标求和等于上层指标。
例如，以城市为维度进行拆解：
注意：拆解时需要根据公司的业务情况选择分类维度，而不是按照用户性别、地域、来源渠道等等一堆维度胡乱拆解，显得数据指标很丰富，但是实际上没有任何的业务意义。
2.按照计算方式/统计口径进行拆解
比率型指标天然就由分子和分母两部分组成，所以可以按照口径先进行拆解，其他指标也可以按照计算方式进行拆解。
例如，以有效购买转化率为例进行拆解：
指标拆解完成后需要进行核查：
指标拆解完成之后，我们需要拉上业务团队，技术团队，一起讨论确认指标定义和数据更新周期，指标定义应该包含指标名称、指标说明、计算公式、注意事项等。
示例：
确定好指标定义之后以文档形式留存，避免后面扯皮。
如果公司采用的是第三方埋点，那么大概率就不需要再进行埋点设计了，只需要根据参考文档进行取数即可；而如果是公司自己埋点的话，那么可能还需要进行埋点设计，然后让前端进行开发。
项目开发完成后我们需要对采集到的数据进行验证。
前面的所有准备工作做好之后，我们才能进入到最后的开发阶段。
底层数据跟宽表数据应该是数据开发提前做好的，我们要做的就是构建业务统计表，以及根据业务统计表进行数据可视化，数据分析，数据报表等后续工作。
数据可视化报表我们可以采用以下的一些实现方式：
完成了数据指标体系的搭建之后，随着公司业务的发展变更，指标体系也需要随着业务情况进行调整更新，不断地适应新的业务情况，才能起到其应有的作用。