来源：数据智能驱动，作者：晓晓
Part1 指标数据常见问题
指标数据存在于企业经营管理的方方面面，企业的人资部门、财务部门、战略管理部门、生产管理部门、采购管理部门、安全环保部门等各部门对指标数据均有相应的应用。比如战略管理部门关注企业负责人经营业绩考核指标、部门履职指标、企业提质增效指标、经营业绩指标等；财务部门关注企业的采购量价类指标、产销量价类指标指、能源类指标、财务类综合指标等；安全环保部门关注产值能耗、增加值能耗等指标。因此，指标在集团各部门有着广泛的应用。这些指标分散在不同的信息系统里，主要有财务系统、ERP系统、SCM系统等，指标数据在管理和应用过程中主要存在以下问题：
1.指标口径不统一
在企业管理和业务活动中，存在指标数据的名称相同，但统计口径、计算方法却有较大差异的情形；或者反过来，指标数据的计算方式相同，但名称却各异。定义不统一的指标会带来很大的沟通障碍，降低沟通效率，甚至“差之毫厘，谬以千里”。
2.指标体系不完整
企业各部门根据自身业务需求，都有一部分的量化指标，但不够全面，也缺乏方法论指导，对于集团整体数据分析应用能力提升的指导作用有限，且在使用过程中孤立强调某些指标的趋势，而忽略综合分析、长期跟踪与定期比对指标的重要性。缺乏整体考量而设置的指标体系，以及错误的指标分析方法，会产生错误的分析结果，进而影响公司运行、绩效改进的决策。
3.指标问题追溯难
指标数据大多经过多重计算得到，有些指标需要经过很长的加工过程才能得出，如无法追溯指标的加工过程，就不知道指标所用的数据来源，无法快速找出指标出错的原因和对应的责任部门。指标的一致性、完整性、准确性和可追溯性得不到保证，出现问题时各部门间相互推诿的情况时有发生，导致指标问题难以得到解决。
Part2 指标数据的建设步骤
1.确定指标主题划分结构
通常以企业的战略出发点，将战略实现分解到各业务域，在按照各业务域的绩效重点构建指标分类结构。
根据企业的管理需要，数据指标主要涉及战略、经营、财务、人力、安健环等主题的内容，为了使指标的归类更加科学合理，将数据指标主题进一步细分为一级子主题和二级子主题。以下仅为示例：
2.梳理每个主题下的指标
按照《指标主题划分结构清单》，根据公司业务战略规划、各部门对应的生产经营的考核制度（含KPI指标）、经营分析汇报材料、数据表格、统计报表，梳理指标相关的技术信息，如系统来源、指标计算逻辑、相关统计维度等进行指标的梳理，形成《指标字典》。
根据企业的实际业务和技术管理需求，确定指标元数据的字段，用于描述指标的业务含义和技术规范，并且作为指标信息收集的依据。以下字段仅为示例：
然后根据指标的主题分类情况，企业的信息系统、纸质/电子档统计报表、领导汇报材料中找寻所属的相应指标，并且按照上述指标元数据字段的要求，收集填写相应的信息，形成指标字典。以下仅为示例：
3.对指标进行业务解读
根据2初步梳理的《指标字典》，对公司各主题指标负责人进行访谈，添加指标的业务意义解读，将第一步和第二步的工作成果相结合，形成有业务含义的《指标字典》。
下面以物资管理域为例介绍如何通过访谈理解业务范围内的指标：
（1）了解业务范围
某公司的物资管理的主要内容：采购需求分析、采购结构分析、采购价格分析、库存分析、采购执行等。
（2）了解业务关注点
进行物资采购计划完成率、需求计划完成率、采购计划偏差、各专业紧急采购计划分析等，作为保障物资供应的输入。
按采购方式和业务类别进行采购数量和采购金额的构成分析，并分析本年各月采购金额的趋势，作为优化采购物资的输入。
按类型、专业进行库存金额、库龄的分析，进行项目实施前后库存对比分析，作为加速资金流转的输入。
（3）通过梳理得到的该公司物资管理域的七大指标子主题：
采购主题：采购订单基本情况；长期未定标预警；长期未签合同预警；采购数量同比分析、采购数量结构分析。
库存主题：采购入库量；采购入库金额；备件延期到货预警；物料退货情况。
计划主题：招标档案基本情况、订单完成情况、订单退货分析。
供应商主题：供应商信息基本情况；中标率预警；弃标率预警；独家供货占比；监控独家供货风险、供应商退货情况。
财务主题：购价格对比（损失）、采购金额同比分析、采购金额结构分析、按年、月、日或其它自定义周期来进行实际费用和花费的比较；审查过去现金流的趋势，并预测未来的现金需求量；复杂项目的预算计划和成本分摊；整合各分支机构的财务数据，形成正确、一致的财务报表。
价格主题：原燃料采购价格走势、采购价格趋势分析、平均价格变动同比
（4）将指标子主题的业务含义和指标字典的具体指标相挂钩，形成指标目录和明细。以下仅为物资管理的部分指标体系：
（5）将公司所有业务范围内主题下的指标全部梳理完成后，形成了完整的指标字典表。
4.对指标进行管理和应用
指标梳理完形成标准的指标库，只有对指标进行有效的管理，才能使指标的标准化持续有效。因此，要建立指标数据管理组织，编制《指标管理制度》，制定指标使用标准和维护流程。指标的应用是将指标数据字典维护在指标管理平台中，并且根据制定的管理制度配置相应的申请、使用、维护权限和流程供其他分析系统进行应用。
Part3 指标数据建设注意的问题
1.依据科学的方法找准指标
指标分散于众多信息系统中，虽然找到它们犹如大海捞针，但亦有规律可循。“找指标”的工作主要采用“自上而下”和“自下而上”相结合的梳理方式。其中指标分类应从业务管理需求出发，自上而下逐层展开；而具体指标以业务系统为导向，则自下而上逐层筛选。
2.构建原子指标、复合指标和衍生指标之间的关系
指标的体系化主要表现在复合指标、衍生指标和原子指标、维度间的关联。因此，构建指标间的联动关系和逻辑，是指标数据能够灵活、扩展、高效应用的基础，也是快速构建数据多场景分析应用的保障。因此，在数据指标体系构建过程中不仅仅是技术人员，更是多部门业务间的协同，甚至需要业务专家的深度参与。
3.选择功能易用的指标管理系统
现实中常见的情况是指标梳理完存在Execl表里或静态的存在某某系统里，尽管形成了指标清单和指标列表，也只能供查询使用，或者梳理完就禁锢在某个部门里。因此，选择良好功能的指标管理系统，将指标标准、管理组织和运营流程有效配置，才能让指标成为活的，真正用起来，为其他系统提供统一的指标体系。
【END】
最后，感兴趣的关注公众号，后台回复“资料”，我们整理了6个G数据平台、数据仓库、数据仓库、数据治理、企业数据化管理案例，供大家免费领取！
| 
