# 大数据工程师专注数据分析 好的数据指标特征必须了解

> 作者：不庸俗的大学生 ｜ 发布时间：2021-02-15 ｜ 阅读：460

【导语】通常来说，数据指标是由业务团队来定义，然后技术团队 
数据团队负责实现。业务看的数据指标一般是以报表，仪表盘，图表等为载体，大数据工程师专注数据分析，好的数据指标特征必须了解，下面就来具体了解一下吧。

![](https://oss-hqwx-edu100.hqwx.com/wendaditor_1612512154138396.png)

**1、准确性**

这是最根本的一条原则。这个准确有二个层面的意思，一个是数据指标在技术实现过程中，是准确的，不会出现代码逻辑写错，源数据取错。二个统计源数据的源头的数据是对的，如果统计数据指标的基础数据都是错了，那就更666了。一个公司数据收集与记录的准确、完整也一定是一个持续迭代的工程，当然这属于哪一个话题，有空再论。

**2、有效性**

数据指标的能真实反映要能衡量相对的业务场景商业目标，例如：要针对衡量一个网站流量质量设计一个指标，使用UV来衡量是错误的。使用跳出率来衡量，有一定的有效性，但还是不够有效;使用转化率也许才是比较合适的(不同公司所要追求的商业目标不一样，所以设计的数据指标是不一样的)，用最近期望用户完成的商业动作访问数/进来的访客数。

**3、周期性**

数据指标需要定期去复盘。像KPI的指标定义，例如：销售额可能根据当前商业的目标不同，计算口径可能会发生很大的变化。同时，对各个数据指标也要定期进行复盘，是否还可以继续衡量，数据指标还是否有意义。随时KPI指标的变化，往往很多指标的口径也要变更，数据开发最怕就是这个，口径变换要重刷历史。

**4、可实现性**

在实际企业中，可能受限数据的完整性因素，很多指标没有办法计算得到。例如：公司的市场占有率往往是很难统计，因为整个市场份额这个数据很难获取。电商中每个订单的成本的计算也很难，广告费用、仓储、人员工资、仓储、物流配送等。所以在数据指标的可实现性上往往需要先实现简单的，再根据数据应用深入，数据团队技术强大不断再完善复杂的指标。

关于好的数据指标特征，就给大家介绍到这里了，大数据工程师数据分析技能是需要不断提升的，还是希望大家不断进行学习，加油!

---

链接: https://wenda.hqwx.com/article-45943.html
提示：内容由环球青藤快问-不庸俗的大学生整合，商业转载请联系作者获得授权，非商业转载请注明出处。
