指标

指标的概念

许多人经常会混淆指标与属性的概念，其实两者是完全不同的概念。

每次发放薪资的时候，都会有一个出勤天数的数据，很简单，这个数据表明本月出勤的天数，在这个描述中：

出勤为事件，表示劳动者劳动的过程；

工时为属性，表示劳动者每日的劳动时间，以天为单位的话，满足当日劳动时长即被计算为一个完整工作日。

天数为指标，表示劳动者当月出勤的实际天数。

在数据分析平台内，存在事件指标与属性指标两种类型的指标：

事件指标：例如App启动的总次数，支付订单的总次数等，主要结构由两部分构成，即事件+指标。

属性指标：例如App启动-省份-去重数，支付订单-订单金额-总和，主要结构由三部分构成，即事件+属性+指标。

属性的采集需要人为主动设计，比如我们想要知道用户的操作系统数据，那么在数据采集时我们需要在采集方案中设计$os这个属性用以采集操作系统相关数据。

指标不需要人为主动设计，其本身已经在数据分析平台中预置完成，具体的情况可以参考下方的表格：

事件指标

指标名	解释	示例
总次数	事件被触发次数的总和	App启动-总次数
用户数	触发某个事件的用户数总和	App启动-用户数
人均次数	触发某个事件的总次数/触发该事件的用户数	App启动-人均次数

属性指标

为了便于理解，下面将使用示例数据来辅助解释属性指标，示例数据中涉及四种数据类型，分别是数值类型，字符串类型，布尔类型，日期时间类型，共7条数据。

用户ID	A	B	C	D	E	F	A
商品类型	服饰	电子	母婴	虚拟	食品	家居	服饰
订单金额	100	120	150	80	60	20	200
是否促销	是	是	否	否	否	是	是
支付时间	2020.1.1	2020.1.2	2020.1.3	2020.1.4	2020.1.5	2020.1.6	2020.1.7

A.数值类型

• 总和

总和即为查询后得到的数据集中，该属性的数值总和。上方表格中，订单金额字段为数值类型，查询订单金额-总和这个指标时，计算过程即为：

100+120+150+80+60+20+200=730

• 均值

均值即为查询后得到的数据集中，该属性的数值总和除以数据条数。在上方表格中，计算订单金额-均值这个指标时，计算过程即为：

730/7=104.29

• 最大值

最大值为查询后得到的数据集中，该属性值中最大的一条数值。在上方表格中，计算订单金额-最大值这个指标时，得到的结果是：200。

• 最小值

与最大值对应，计算订单金额-最小值这个指标时，得到的结果是：20。

• 人均值

人均值与均值不同，人均值为查询得到的数据集中，该属性的数值总和除以用户数。在上方表格中，用户数为7人，计算订单金额-人均值这个指标时，计算过程即为：

730/7=104.29

• 去重数

去重数为查询得到的数据集中，该属性的属性值经过去重后，剩余的数据条数。在上方表格中，订单金额经过去重后仍然有8条，所以计算订单金额-去重数这个指标时，得到的结果为8。

B.字符串类型/布尔类型/日期时间类型

这三类数据类型预置的指标都只有一种，即去重数，计算方式与数值类型的去重数一致，以上方的商品类型字段为例，该字段为字符串类型，经过去重后剩余7条，所以计算商品类型-去重数后得到的结果为7。

业务实例

新用户数量

现在有一款游戏类产品上线投入市场运作，从不同渠道获取新用户进入游戏是当下的重中之重，在这个时间段，产品是脆弱的，任何一个影响用户体验的因素都可能最终导致用户大量流失。

所以一般情况下，厂商都会安排人力实时监控各项指标，力求不出现异常情况，然而人类不是机器，无法时刻保持精力充沛，这时，监控预警模块就派上了用场。

我们可以以小时为单位，24小时不间断的监测新增用户数的总和，当数值范围出现异常波动时自动告警，及时排查问题。

订单金额人均值

电商经营者将商品上架线上商铺时，价格以及优惠都是需要手动设置的，人为操作下难免出现粗心大意的情况，将100元错误设置为10元，20元优惠券设置成200元的操作屡见不鲜，一夜时间造成的损失难以承受。

此时，我们可以设置实时监测订单金额-人均值，当其低于设定的阈值时，触发告警，最快速度排查是否价格设置错误，降低损失。