一本书讲透数据指标体系

这不是一本纯数据技术书，而是一本以企业管理和业务运营为导向的数据应用类图书，其中会涉及必要的技术。本书的目的是让数据指标体系真正用起来，而不是仅用于考核、追责或者PPT上的自嗨。数据指标体系只有真正赋能到业务，才算是合格的。为此本书用了大量篇幅介绍如何突破落地困境（从思维到组织再到实践），然后介绍基于不同企业体量和实践情况选择数据指标体系构建的方法（书中提供了两套数据指标落地解决方案）。书中还给出大量案例。相信这本书，给自己一个机会。

这是一部覆盖理论认知、根因破解、全链落地与AI融合的企业数据指标体系实战宝典。本书打通了数字化转型中数据指标体系“建不好，落不了，用不通”的核心堵点。全书以业务价值为核心、技术落地为支撑，既拆解数据指标与数据指标体系的底层逻辑，又深度剖析认知不一致、价值不认同、全局不贯通、上下不穿透四大落地困境，给出一站式破局方案。
书中介绍了快速构建法、寻找根因法两大可直接复用的实操方法论，更结合制造、建筑、酒店三大行业完整案例，详解企业级数据指标体系从顶层设计到场景落地的全流程，同时前瞻AI与数据指标体系的融合应用，助力企业将数据资源转化为数据资产，让数据指标真正驱动经营决策，实现降本增效与高质量发展。
认知拉通篇：深度讲解数据指标体系的核心知识、数据指标体系无法落地的四大根因与解决方案，梳理数据指标体系全价值链，系统阐释其赋能业务、战略与数据分析的底层逻辑及技术实现路径。
实践篇：聚焦数据指标体系可落地、可执行的实操方法，详细讲解数据指标体系快速构建法、寻找根因法的设计思路、实施步骤与落地策略，覆盖指标梳理、数据采集、建模开发、看板设计、数据埋点、元数据管理等全部技术环节。
案例篇：精选制造、建筑、酒店三大主流行业，提供构建并应用企业级数据指标体系的完整实例与各业务域常用数据指标体系，覆盖财务、供应链、生产、营销、物资采购、安质环保、经营管理等场景，为行业落地提供可直接参考、复用的实战范本。

陈　俊 <br />数据领域资深咨询顾问，武汉大学计算机科学系软件专业学士。曾供职于南天信息、IBM、用友、华胜天成、建投数据等知名企业，曾为AMT（上海企源科技）事业合伙人。现为帆软研究院数据应用专家、亿信华辰数据治理专家库成员，微信公众号“数据思考”主理人。<br />长期从事数据方面的咨询与落地工作，服务的客户主要为央国企和大型民营企业，包括各大国有商业银行和股份制银行、国家电网、中石化、中国联通、中国中铁、中国化学工程等知名企业，深受用户好评。<br />擅长数据战略、数据架构、主数据管理、数据治理、数据指标体系、数据中台、数仓建设、数据分析、数据运营等领域的咨询与实施，长期深耕项目一线，实战经验丰富。

目　　录Contents<br />推荐序一<br />推荐序二<br />前言<br />认识拉通篇<br />第1章　数据指标体系介绍　3<br />1.1　数字化时代的企业与数据指标<br />体系　3<br />1.1.1　数字化时代的企业　3<br />1.1.2　从数据资源到数据资产　4<br />1.1.3　数字化时代的企业为什么需要<br />数据指标体系　5<br />1.1.4　数据指标体系当前的困境与<br />解决之道　6<br />1.2　深刻理解数据指标　7<br />1.2.1　数据指标的定义　7<br />1.2.2　数据指标的技术分类　9<br />1.2.3　数据指标的业务分类　15<br />1.2.4　数据指标与标签　17<br />1.3　深刻理解数据指标体系　19<br />1.3.1　数据指标体系的定义　19<br />1.3.2　数据指标体系中的北极星指标、核心指标与关键指标　21<br />1.3.3　数据指标体系与KPI的<br />关系　22<br />1.4　AI时代数据指标体系对企业的<br />意义　22<br />1.4.1　数据指标体系是企业AI的<br />基础设施　23<br />1.4.2　数据指标体系在AI时代的<br />价值　23<br />第2章　数据指标体系无法落地根因<br />分析　25<br />2.1　数据指标的认知一致困境　26<br />2.1.1　实际案例　26<br />2.1.2　案例分析　27<br />2.1.3　共性维度　29<br />2.1.4　分析总结　31<br />2.2　数据指标的价值认同困境　32<br />2.2.1　实际案例　32<br />2.2.2　价值演进　35<br />2.2.3　价值总结　40<br />2.3　数据指标的全局贯通困境　41<br />2.3.1　实际案例　41<br />2.3.2　最佳实践　42<br />2.3.3　分析总结　43<br />2.4　数据指标的上下穿透困境　44<br />2.4.1　实际案例　44<br />2.4.2　最佳实践　46<br />2.4.3　分析总结　46<br />2.5　破除困境的解决方案　47<br />2.5.1　规划先行　47<br />2.5.2　选择合适的厂商与团队　48<br />2.5.3　项目推进　49<br />2.5.4　项目验收　49<br />第3章　数据指标体系全价值链　51<br />3.1　数据指标体系全价值链总览　51<br />3.1.1　数据指标体系的价值构建链　52<br />3.1.2　数据指标体系的价值使用链　53<br />3.1.3　数据指标体系价值链驱动的<br />两个创新　53<br />3.2　数据指标体系赋能业务　54<br />3.2.1　营销赋能的路径分析　54<br />3.2.2　供应链赋能的路径分析　55<br />3.2.3　生产赋能的路径分析　56<br />3.3　数据指标体系构建开端：<br />顶层设计　57<br />3.3.1　某制造业企业的设计实例　58<br />3.3.2　顶层设计中的数据指标布局　58<br />3.4　数据指标体系的第一大应用<br />场景　59<br />3.5　数据指标体系与数据技术　60<br />第4章　数据指标体系赋能业务的底层<br />逻辑　61<br />4.1　企业全方位视角下的数据指标<br />体系　61<br />4.1.1　局部视角　62<br />4.1.2　全局视角　63<br />4.1.3　当前视角　65<br />4.1.4　长远视角　67<br />4.2　从战略决策层指标开始　68<br />4.2.1　企业战略中的数据指标　69<br />4.2.2　年度预算中的数据指标　70<br />4.2.3　滚动计划中的数据指标　73<br />4.2.4　项目投资中的数据指标　73<br />4.3　日常运营管理与经营分析指标　75<br />4.3.1　日常运营管理中的数据指标　76<br />4.3.2　经营分析会上使用的数据<br />指标　79<br />4.3.3　经营分析指标支撑企业战略　82<br />4.3.4　经营分析指标指导业务操作　84<br />4.4　业务操作层指标与员工绩效<br />提升　86<br />4.4.1　销售指标　87<br />4.4.2　供应链优化指标　89<br />4.4.3　生产降本增效指标　92<br />4.4.4　服务质量提升指标　94<br />4.4.5　项目管理指标　96<br />4.5　横向到边、纵向到底的数据指标<br />业务视图　98<br />4.5.1　全业务视图详解　99<br />4.5.2　全业务视图的实现策略与<br />路径　101<br />第5章　数据指标体系赋能企业战略的<br />底层逻辑　104<br />5.1　数据指标体系与企业战略的<br />互相赋能　104<br />5.1.1　企业战略为数据指标体系提供<br />输入参考　105<br />5.1.2　数据指标体系为企业战略提供<br />决策依据　107<br />5.2　数据指标体系赋能企业战略的<br />3个维度　109<br />5.2.1　数据指标体系辅助企业战略的<br />制定与调整　109<br />5.2.2　数据指标体系支撑企业战略的<br />拆解与落地　110<br />5.2.3　数据指标体系对企业战略<br />执行的支撑　110<br />5.3　数据指标体系推动企业数字化<br />转型　111<br />5.3.1　业务数字化中的数据指标<br />体系　112<br />5.3.2　数字业务化中的数据指标<br />体系　113<br />5.3.3　数字化治理中的数据指标<br />体系　114<br />5.3.4　数据指标体系在企业数字化<br />转型中的定位与作用　115<br />5.4　数据指标体系支撑企业数据<br />战略　116<br />5.4.1　数据指标体系对齐企业战略<br />定位与目标　116<br />5.4.2　数据指标体系支持企业数据<br />治理与技术架构蓝图　118<br />5.4.3　数据指标体系辅助企业数据相关制度与流程的制定及执行　119<br />5.4.4　数据指标体系助力数据相关<br />组织、人才与文化建设　120<br />5.4.5　数据指标体系强调企业数据<br />运营与场景化应用　121<br />第6章　数据指标体系赋能数据分析　123<br />6.1　数据分析的类型与层级　123<br />6.1.1　数据分析的4种类型　123<br />6.1.2　数据指标体系在数据分析中的<br />作用　125<br />6.1.3　数据分析的3个层级　126<br />6.1.4　数据指标体系贯通数据分析的<br />3个层级　127<br />6.2　数据指标体系与数据分析的<br />关系　129<br />6.2.1　数据指标体系中的<br />业务域　129<br />6.2.2　数据指标体系中的业务<br />过程　130<br />6.2.3　数据指标体系中的业务<br />实体　131<br />6.2.4　数据指标体系中的数据集　132<br />6.2.5　从数据集到数据分析模型　133<br />6.2.6　用数据分析模型构建数据<br />看板　134<br />6.2.7　用数据分析模型实现商业<br />分析　136<br />6.3　用数据指标体系构建数据分析<br />体系　137<br />6.3.1　数据应用的架构与组成　137<br />6.3.2　从数据应用到数据看板　138<br />6.3.3　管理驾驶舱与数据看板　140<br />6.3.4　用数据指标体系打造数据<br />看板　141<br />6.3.5　用数据指标体系构建数据<br />模型　141<br />6.3.6　从数据模型到数据集　142<br />6.3.7　用数据集组装数据看板　142<br />6.3.8　数据指标体系支撑数据看板的<br />各种操作　143<br />6.4　用数据指标体系让数据为业务<br />赋能　143<br />6.4.1　业务指标的监测与监控　143<br />6.4.2　常规数据统计与报表　144<br />6.4.3　专题数据分析　145<br />6.4.4　发现问题与根因分析　146<br />6.4.5　根因改善与数据指标跟踪　147<br />6.4.6　业务发展预测　147<br />6.4.7　用规范性分析提出策略与行动<br />方案　148<br />第7章　数据指标体系的技术实现<br />概述　150<br />7.1　数据指标体系的技术架构概览　150<br />7.2　数据指标体系技术构建的流程　152<br />7.2.1　数据采集与数据准备　153<br />7.2.2　数据指标与算法设计　153<br />7.2.3　数据湖与数据仓库　154<br />7.2.4　数据服务准备　154<br />7.2.5　数据指标形成　155<br />7.3　与数据指标体系相关的技术<br />术语　155<br />7.3.1　元数据　155<br />7.3.2　数据模型　156<br />7.3.3　数据建模方式　156<br />7.3.4　数据集　159<br />7.3.5　主数据与参考数据　159<br />7.4　数据指标体系中技术与业务的<br />交互　160<br />7.4.1　从业务需求到数据需求　160<br />7.4.2　用数据指标体系评估数据<br />需求　161<br />7.4.3　用数据指标体系形成技术开发<br />说明书　162<br />7.4.4　用数据指标体系溯源变更与<br />错误　163<br />实　践　篇<br />第8章　数据指标体系快速构建法<br />指南　167<br />8.1　数据指标体系快速构建法综述　167<br />8.1.1　什么是数据指标体系快速<br />构建法　167<br />8.1.2　数据指标体系快速构建法的<br />优缺点　168<br />8.1.3　数据指标体系快速构建法的<br />适用场景　169<br />8.2　数据指标体系快速构建法的<br />设计步骤　169<br />8.2.1　设计步骤综述　170<br />8.2.2　数据需求与数据资源调研　170<br />8.2.3　数据指标盘点与梳理　172<br />8.2.4　确定数据源与采集方式　175<br />8.2.5　数据指标体系框架设计　177<br />8.3　数据指标体系快速构建法的<br />实施步骤　178<br />8.3.1　数据采集　178<br />8.3.2　数据建模　179<br />8.3.3　数据指标开发　179<br />8.3.4　数据指标目录构建　180<br />8.3.5　数据看板设计与开发　181<br />8.4　数据指标体系快速构建法的落地<br />策略　181<br />8.5　落地数据指标体系快速构建法的<br />常见问题　183<br />第9章　数据指标体系寻找根因法<br />设计指南　186<br />9.1　数据指标体系寻找根因法综述　186<br />9.1.1　什么是数据指标体系寻找<br />根因法　186<br />9.1.2　数据指标体系寻找根因法的<br />优缺点　187<br />9.1.3　数据指标体系寻找根因法的<br />适用场景　188<br />9.2　数据指标体系寻找根因法的设计<br />原则　190<br />9.3　数据指标体系寻找根因法的设计<br />步骤　191<br />9.3.1　业务与数据调研　191<br />9.3.2　整体业务分析　194<br />9.3.3　数据需求调研与分析　196<br />9.3.4　业务系统与数据资源盘点　198<br />9.3.5　数据指标体系框架设计　199<br />9.3.6　业务指标发现、补充与清单<br />整理　201<br />9.3.7　数据指标清单梳理　202<br />9.3.8　数据指标标准建设　204<br />9.3.9　数据指标应用规划　206<br />9.3.10　确定数据源与采集方式　207<br />9.4　数据指标体系寻找根因法的设计<br />思路　208<br />9.4.1　数据指标体系顶层设计<br />思路　208<br />9.4.2　数据指标体系分域拆解设计<br />思路　209<br />9.4.3　数据指标体系层级关系设计<br />思路　210<br />9.4.4　先行指标的确定　210<br />9.4.5　数据指标可得性规划　211<br />9.5　数据指标体系寻找根因法的设计<br />实例　212<br />第10章　数据指标体系寻找根因法<br />实施指南　214<br />10.1　数据指标体系寻找根因法的<br />实施原则　214<br />10.2　数据指标体系寻找根因法的<br />实施步骤　215<br />10.2.1　业务实体与指标数据源<br />规划　215<br />10.2.2　数据采集、埋点与填报　216<br />10.2.3　数据建模与分层存储<br />规划　218<br />10.2.4　数据指标开发与数据落库<br />设计　220<br />10.2.5　数据指标目录构建与数据<br />服务设计　221<br />10.2.6　数据看板设计与开发　222<br />10.3　数据指标体系寻找根因法的<br />落地策略　224<br />10.4　在可实现的前提下增加数据<br />埋点　225<br />10.4.1　数据埋点规划　225<br />10.4.2　数据埋点的方式与选择　227<br />10.4.3　数据埋点对数据指标体系<br />落地策略的影响　228<br />10.5　落地数据指标体系寻找根因法的常见问题　229<br />第11章　数据指标体系的技术实现　231<br />11.1　企业数据资源梳理　231<br />11.1.1　业务系统、数据库技术调研<br />与文档收集　231<br />11.1.2　数据库探查　232<br />11.1.3　元数据采集　233<br />11.1.4　数据字典补齐　234<br />11.1.5　数据资源目录建设　234<br />11.2　数据字典的困境　235<br />11.2.1　数据字典的重要性　235<br />11.2.2　数据字典缺失　236<br />11.2.3　数据字典不完整　236<br />11.2.4　数据字典过时　236<br />11.2.5　数据字典补齐的解决<br />方案　237<br />11.3　技术元数据管理　238<br />11.3.1　技术元数据的采集　238<br />11.3.2　技术元数据的维护　239<br />11.3.3　数据地图　239<br />11.3.4　数据血缘分析在数据指标<br />体系中的应用　240<br />11.4　基于技术元数据的数据建模　241<br />11.4.1　用技术元数据生成数据<br />模型　241<br />11.4.2　用数据模型还原业务实体与<br />关系　243<br />11.5　基于业务元数据的维度建模　243<br />11.5.1　用业务元数据构建业务<br />实体的数据指标与维度　244<br />11.5.2　星形模型设计　244<br />11.5.3　事实表与维表设计　246<br />11.6　数据仓库设计与实现　247<br />11.6.1　数据仓库层级设计　247<br />11.6.2　宽表设计与部署规划　248<br />11.6.3　数据指标粒度、汇总与表间<br />关系设计　249<br />11.7　数据集设计与实现　250<br />11.7.1　从宽表到数据集　250<br />11.7.2　数据集的生成方式　251<br />11.7.3　数据集的服务方式　251<br />11.7.4　对数据集的安全管控　251<br />11.8　数据指标体系与数据集　252<br />11.8.1　数据指标体系与数据集的<br />关系　252<br />11.8.2　理解数据集中的业务实体、<br />数据指标与维度　252<br />11.8.3　数据指标体系对于数据集的<br />价值　253<br />第12章　深入理解北极星指标　254<br />12.1　什么是北极星指标　254<br />12.2　北极星指标的价值与适用<br />场景　256<br />12.2.1　价值　256<br />12.2.2　适用场景　256<br />12.3　北极星指标与三层级数据指标<br />体系　257<br />12.3.1　北极星指标与三层级数据<br />指标体系的关系　258<br />12.3.2　在三层级数据指标体系中<br />找到北极星指标　258<br />12.4　北极星指标落地总结　260<br />第13章　数据指标体系与AI　261<br />13.1　AI赋能数据指标体系的方式　261<br />13.2　AI、数据指标体系与企业高质量知识库　262<br />13.2.1　AI、数据指标体系与企业高质量知识库之间的关系　262<br />13.2.2　用数据指标体系构建企业<br />高质量知识库　263<br />13.2.3　高质量企业知识库支撑AI<br />及其应用　264<br />13.3　数据指标体系融合AI赋能自助<br />分析　266<br />13.4　以DeepSeek为代表的AI赋能<br />自助分析实例　267<br />13.5　AI辅助数据指标体系的构建　269<br />13.6　AI与数据指标体系未来的<br />结合点与趋势　270<br />案　例　篇<br />第14章　制造业案例　275<br />14.1　一个制造业的企业级数据指标<br />体系实例　275<br />14.2　制造业常用财务数据指标<br />体系　276<br />14.3　制造业常用供应链数据指标<br />体系　277<br />14.4　制造业常用生产数据指标<br />体系　279<br />14.5　制造业常用营销数据指标<br />体系　281<br />第15章　建筑业案例　283<br />15.1　一个建筑业的企业级数据指标<br />体系实例　283<br />15.2　建筑业常用财务数据指标<br />体系　284<br />15.3　建筑业常用经济管理数据指标<br />体系　286<br />15.4　建筑业常用物资采购数据指标<br />体系　288<br />15.5　建筑业常用营销数据指标<br />体系　290<br />15.6　建筑业常用安质环保数据指标<br />体系　291<br />15.7　建筑业常用投资数据指标<br />体系　292<br />第16章　酒店业案例　295<br />16.1　一个酒店业的企业级数据指标<br />体系实例　295<br />16.2　酒店业常用财务数据指标体系　296<br />16.3　酒店业常用经营管理数据指标<br />体系　299<br />16.4　酒店业常用投资数据指标<br />体系　303<br />16.5　酒店业常用品质控制数据指标<br />体系　304<br />附录　缩略词表　306<br />