小米指标体系的建设及管理最佳实践

导读本文将分享小米指标体系建设及管理的最佳实践。

今天的介绍分为五个方面：

1. 指标体系概述

2. 业务痛点和指标体系的解决方式

3. 指标体系的搭建方法

4. 小米的最佳实践

5. 总结与展望

分享嘉宾｜王浩 小米 高级软件研发工程师

编辑整理｜苏基宗

内容校对｜李瑶

出品社区｜DataFun

01

指标体系概述

1. 指标体系的定义

• 首先，指标体系需要分两个方面来讲：一方面是指标，指标是对业务单元进行细分后的度量值，用于对业务进行描述、度量和拆解，是对业务量化的过程，以评价业务的好与坏；
• 另一方面是体系，由不同的维度组成。光有指标是不够的，还需要通过不同角度（维度）去思考业务，不同的维度最终构成了一个体系。

所以，构建指标体系最核心的就是要构建一套合适的指标，以及它应该有哪些维度来帮助我们做好业务。

02

业务痛点和指标体系的解决方式

构建指标体系主要面临三方面的困难和难点：

• 业务视角：业务上主要面临两个问题，一是数据出口多，指标不统一，需要反复确认业务口径和反复核对数据；二是系统多、平台多，各种各样的系统中存放了各自割裂的数据。
• 技术视角：技术上主要面临三个问题，一是指标定义和命名混乱，不同的技术人员和业务部门的理解和定义的指标不一致；二是指标生产，因为系统多，不同的团队都在建设自己的指标，导致指标重复建设、混乱；三是指标消费，指标出口不统一，输出口径不一致。
• 产品视角：目前没有一个产品能把整个数据流，从业务系统到数据仓开发、到指标管理、到BI 可视化展示全链路可见和管理。

03

指标体系的搭建方法

面对以上的指标体系痛点问题，小米形成了一套方法论解决问题。

1. OSM 模型

OSM 模型全称为 Object-Strategy-Measure 模型，包含业务目标、业务策略、业务度量。OSM 模型的核心思路是首先需要确认业务目标（O），以及北极星指标，基于明确的业务目标和北极星指标进行向下拆解；为了达到业务目标，制定相应的业务策略（S）；制定了业务策略需要进一步的跟进执行进度和评价执行效果，即业务度量（M）。

以小米关注的库存周转效率指标为例，库存周转效率越高，意味着业务成本越低，每年可以为公司节省上亿成本。基于以上业务目标，制定了 2 个业务策略，一是要把老品尽快清除库存，减少资金占用；二是满足手机销售情况下，尽量降低库存数量。基于以上业务策略，设置了 2 个指标度量，一是货龄保持在 X 天以下，二是 DOS 低于 X 天。

2. MECE 法则

MECE 分析法是 Mutually Exclusive Collectively Exhaustive 的首字母缩写词，中文意思是“相互独立、完全穷尽”，即所谓的”无重复、无遗漏”。MECE 法则是金字塔原理里面一个经典模型，它的核心是“相互独立、完全穷尽”，主要用于如何划分业务领域，以及确定应该关注哪些维度。

• “相互独立”意味问题的细分需要在同一个维度上，并有明确的区分、不可重复；
• “完全穷尽”则意味着全面、完整，没有遗漏和缺失。

MECE 分类方法主要包括二分法、流程法、要素法、公式法及矩阵法等。

• 二分法：二分法在日常生活中比较常见，其实就是把事物分成 A 和非 A 两个部分，如“白天、黑夜”、“男人、女人”、“国内、国外”、“内部、外部”等；
• 流程法：按照事情发展的时间、流程、程序，对过程进行逐一的拆解，例如，小米销售业务涉及五个环节仓储、销售、物流、售后、客服；
• 要素法：主要用于事物由哪些要素（或部分）组成，把一个整体分成不同的构成部分。但是，在拆解要素时要保持维度的一致性，否则有可能出现有重叠和遗漏的问题，比如某图书馆可以按楼层这个维度来划分：一楼、二楼、三楼；
• 公式法：按照公式设计的要素进行分类，公式若成立，那么要素的分类就符合MECE 原则。比如 GMV=客流量X客单价；
• 矩阵法：把事物按二维矩阵进行分类或划分，例如说时间管理中常用的紧急且重要、紧急不重要、不紧急但重要、不紧急也不重要的分类方法就是典型的矩阵法。

04

小米的最佳实践

小米主要参考 OSM 模型和 MECE 原则，沉淀了集团数仓，并进一步形成了小米指标体系。

1. 小米指标体系建设-实现路径

小米指标体系的建设过程，主要包括模型设计、数仓建设、指标管理以及数据应用。

• 模型设计：根据 MECE 原则划分数据域，采用维度建模方法构建核心模型；
• 数仓建设：按照统一数据架构和规范，构建稳定安全的集团数仓；
• 指标管理：建设统一的数据字典，保障口径统一。实现快捷找数，高效用数；
• 数据应用：基于统一指标，快捷搭建看板，快速共享，实现高效数据消费。

2. 小米指标体系建设-模型设计

小米基于 MECE 原则，将核心业务进行了划分，包括研、产、供、销、服、用。业务线确定后，根据一些规范确定原子指标，再基于一些描述（比如时间、渠道等）来产生派生指标。指标确定后，再采用层级建模的方法构建数仓，最终实现模型设计的落地。

那如何评价模型设计的好与坏？

小米在设计模型的时候遵循以下7个原则：

• 高内聚和低耦合：包括业务特性和访问特性。业务特性：将业务相近或相关的数据设计为一个逻辑或者物理模型；访问特性：将高概率同时访问和低概率同时访问的数据分开存储；
• 核心模型与扩展模型分离：建立核心模型与扩展模型体系。核心模型应包含被多个业务高频访问的字段；扩展模型应包括个性化或少量业务访问的字段；
• 公共处理逻辑下沉及单一：底层公用的处理逻辑应在底层进行封装与实现，避免暴露给应用层；同一个公共逻辑避免在多处同时存在；
• 成本与性能平衡：适当的数据冗余可换取查询和刷新性能，不宜过度冗余与数据复制；
• 数据可回滚：处理逐辑不变，在不同时间多次运行数据的结果需确定不变；
• 一致性：相同的字段在不同表中的字段名必须相同；
• 命名清晰可理解：表命名规范需清晰、一致，表命名需易于下游的理解和使用。

go

3. 小米指标体系建设-集团数仓建设

基于设计好的模型，小米搭建了集团数仓。首先按照统一的规范和标准进行管理，集团关心的数据沉淀为集团公共数据资产，单一业务关心的数据由业务自行建仓；其次所有核心数据由集团统一管理，纳入集团数仓；最后集团关心的核心指标统一由集团数仓产生，由平台部门负责维护，以保证数据的客观和准确，做到数出一孔。

4. 小米指标体系建设-指标管理

数仓建好后，怎么给业务使用呢？小米将数据汇聚到数据湖中，并构建了语义模型，对数据湖中数据表进行解释，转化为业务可以理解的大宽表。基于此小米构建了“数据百科”产品，系统化的定义了指标和维度、指标描述、服务于哪些业务以及负责维护人等。同时“数据百科”与“小米办公”进行了打通，业务人员可以随时查看高亮显示的指标，并自助式生成所需的 BI 看板，也可以分享给他人。

想把指标做好，最难的不是技术，而是业务。如何让业务都用同一个指标，对集团指标认可呢？小米集团设置了集团考核指标，通过集团数仓将所有考核指标做到线上化，并牵引各个业务部门使用，业务产生的任何指标都必须和集团考核指标对齐。

业务的最大痛点是用数据的成本非常高，小米是如何解决的呢？

小米构建了指标体系后，业务可以通过看板、数据表及数据地图直接搜索找到对应的指标，查看到哪些是集团级指标、哪些是业务级指标，以及指标的定义、口径、描述等，并且可以通过数据血缘看到从业务系统到数仓加工的全链路过程。业务找到指标后通过点击可以马上搭建 BI 看板，以及做数据探索应用。

05

总结与展望

• 小米目前数据开发(数据工场)->指标管理(数据百科)->数据分析 (数鲸 BI) 全链路已经打通，通过数据血缘加工链路全链路可见；

• 指标体系建设方法论和工具已经在小米内部进行推广使用，覆盖公司核心业务板块、55 个数据域、520 个核心原子指标，方法论和工具会持续迭代实践。

以上就是本次分享的内容，谢谢大家。

分享嘉宾

INTRODUCTION

王浩

小米

高级软件研发工程师

小米数据中台部集团销服数仓负责人，专注数仓建设、指标体系建设等领域。

限时免费资料

往期优质文章推荐

往期推荐

推荐多任务 2023 最新进展：用户生命周期视角下的多任务推荐模型 STAN

混合存储架构中的数据编排

大型制造企业智能决策场景解析

腾讯 PCG 数据治理体系

大模型视角下的因果推断

大模型分布式训练效能提升的必要性（万字长文推荐收藏）

火山引擎  DataLeap  计算治理自动化解决方案实践和思考

知乎是怎样进行埋点平台建设升级的？

字节跳动 Spark Shuffle 大规模云原生化演进实践

终于有人讲透了用户分析方法论

上新了！电子书下载 | 指标体系的建立实战手册

小米数据中台建设实践赋能业务增长！

点个在看你最好看