跳到主内容

关于数据看板,我删掉七十多个指标、返工三次才想明白的事

第一版运营看板我放了 78 个指标,上线三周,我自己打开过五次。第十天开始,早会上没人再提它,大家照旧翻 Excel。这不是工具问题,是我把看板当成了"数据仓库的展示层",而不是"今天该改什么"的入口。

下面是我们重做这张看板的完整过程。删到 11 个指标、返工三次才跑通,踩的坑比做对的地方多。

项目背景与目标

我们自己有一个软件站和一套指数数据业务,日常要看的东西很杂:站点流量、文章收录、几个指数平台的词条热度、采集任务的成功率。以前这些数散在四五个地方,每周要人工拼一张表。所以最初的诉求很朴素——做一个地方能全看到。

这个目标从一开始就错了。"全看到"是数据仓库的活,不是看板的活。看板要回答的是另一类问题:今天有没有哪件事偏了、偏了多少、该找谁。这两件事的指标设计逻辑完全不同。

重做时定的目标是三句话:管理层 30 秒内看出整体健康度;主管能一眼找到异常项;执行的人看完知道下一步动作。做不到这三条的指标,一律不进看板。

约束条件

先摆限制,因为很多"最佳实践"在我们这儿根本跑不起来。

一是数据源口径不统一。百度指数、抖音指数、微信指数三个平台对"热度"的定义就不是一回事,同一个词在三处能差出量级。站内早前写过指数数据到图表的全流程,也专门讨论过指数数据包到底够不够用,结论都一样:这类数据只能比趋势形状,不能比数值大小。

二是没有专职数据工程。写 SQL 的人和用看板的人是同一个人,所以任何需要"每天维护一段脚本"的方案都会被放弃。

三是刷新频率上不去。指数类数据本身是 T+1,站点统计也是隔天出。硬做实时刷新只是把延迟藏起来。

四是看的人分三层,诉求互相打架。管理层嫌细,一线嫌粗——这是所有看板最常见的死法。

执行过程

第一版:堆指标。78 个指标、9 张图、一屏放不下要往下滑。问题不在多,在没有任何一个指标绑定了动作。看到"昨日访问下降 12%",然后呢?没人知道该做什么,于是第二天就不看了。行业里的复盘也印证这点:一张看板试图同时满足所有人,结果谁都不满意;管理层其实 5–8 个核心指标就够。

第二版:分层,但口径没统一。拆成管理层、主管、执行三层,指标降到三十来个。上线第一天就出事——同一句"本周搜索热度",运营看的是百度指数、我做的是微信指数,两个数差了三倍,会上吵了二十分钟。

这次才明白问题出在更前面:指标没有定义。有篇讲数据体系的文章说得直白,很多企业都是看板做到一半才开始讨论指标定义,页面快搭好了业务突然问"这个销售额含不含税",这时候再补成本极高。我们当时就是这个状态。

第三版:先写字典,再画图。顺序倒过来做,先给每个指标写一张卡片,六个字段:业务含义、计算公式、数据源与过滤条件、刷新频率、责任人、异常时该做什么。写完发现能通过这六项的指标只剩 11 个。

11 个指标分三层摆:第一层 4 个结果指标,看整体健康;第二层 4 个过程指标,用来解释第一层为什么变;第三层 3 个动作指标,直接对应"今天干什么"。第三层是最容易被忽略的,也是唯一能让人第二天还愿意打开看板的东西。

举个具体的:结果层放"本周有效咨询数",过程层拆成"指数词条覆盖数""高意向词占比",动作层放"待补词的平台与词表"。看到过程层掉了,动作层直接告诉你去补哪几个词——这才叫闭环。

结果数据

指标从 78 个砍到 11 个,看板从 1 张变成 3 层。早会从逐个念数改成只看三个异常项,时间从 25 分钟左右压到 8 分钟;周报原来手工拼表要三小时,现在从看板导出加两段文字,20 分钟。

这几个数是我们内部记的,不构成任何对外承诺,也别拿去当行业基准。真正值得记的是另一个变化:看板连续四周每天有人打开,这在此前两版里从没发生过。

顺带说个判断看板好坏的外部标准,我觉得比任何评分模型都实用——操作少、洞察清晰、可追溯。三条里"可追溯"最容易被跳过:点开一个数,能不能顺着血缘追到原始表和过滤条件。追不到的数,早晚会有人在会上质疑,然后整张看板的信任一起崩。

可复用的部分

这套流程里我认为能直接搬走的有四样。

一是"三问法"起手。别从数据库表结构开始,从岗位动作开始:这个岗位每天最常做的三个决策是什么;支撑每个决策他实际依赖哪三个数;这三个数如果自动算好推给他,能省掉几步。答案出来,指标就有了雏形。

二是指标字典必须签字。不是数据团队自己写,是业务负责人确认。行业里有个统计,七成的看板失败案例卡在"连不通"和"算不准"上,而算不准多半是口径问题,不是技术问题。配套的做法是设校验规则:同一指标多源偏差超过 5% 就告警并暂停更新——宁可停更,也别让错数进决策。

三是结果与过程要能互相解释。指标之间得形成解释关系:销售额变了,能顺着订单量、客户数、客单价拆下去。拆不动的指标是孤岛,留在看板上只会分散注意力。

四是刷新频率跟着决策节奏走。做日调的看板就按日更,做月度复盘的按周更也没问题。T+1 的看板拿来做当日调度,等于让人对着一张昨天的照片指挥今天的现场。

数据这一端我们用的是自己的采集接口,几个平台分开取:百度指数关键词趋势采集接口、抖音关键词指数接口、微信关键词指数接口,历史批量数据走现成的指数数据集。之所以分开取而不是找一个"全平台接口",就是因为上面说的口径问题——混在一张表里,后面全是解释成本。

不值得复制的部分

有几件事我做了,但建议你别做。

别做大屏。我们第一版顺手做了个投屏页,结果它只在接待和汇报时开过一次。屏幕长期不开,数据接口没人管,最后静默断掉,等发现时已经断了两周。

别追求实时。实时看板听着带劲,但你的数据源本来就是 T+1,实时刷新的唯一效果是把"昨天的数"每五秒重画一遍。

别把看板当汇报材料。一旦它变成向上汇报的道具,指标就会被"挑好看的"侵蚀。有次复盘提到,数据错一次之后业务就再也不信——一条接口故障让某个数显示为零,后来即便修好了,所有人还是先怀疑数字。信任击穿比数据出错严重得多。

别自建重型 ETL。没有专职数据工程时,任何需要天天盯的管道都是负债。定时导出 + 一张宽表,能撑到二十个指标。

常见问题

用什么工具做?先别选工具。十一二个指标、日更一次的规模,表格加定时导出完全够用,等真到了几十个指标、多人协作再上 BI。工具换一次的成本,比指标重设计一次低得多。

指标到底留多少个?管理层 5–8 个,执行层 3–5 个,整张看板总数压在 15 以内。有个说法很贴切:指标字典可能几百个,经营会上长期看的只有二三十个。先跑通核心经营链路,再往上加。

指数类数据能直接进看板吗?能,但要标清它是相对量而非绝对搜索量,跨平台只比形状不比数值。同一个词在三个平台的绝对值不可加、不可平均,只能各自看趋势,或者做归一化后再比。

多久刷新一次合适?跟决策节奏对齐。日调就日更,周复盘就周更。刷新频率高于决策频率,只会制造"数字变了但没人动"的焦虑。

怎么判断这张看板是不是白做了?看两周内有没有人主动打开,以及会上有没有人拿它反驳过别人。没人打开是设计失败,没人反驳是数据不可信。

相关阅读

分享到:

本文链接:https://www.biyeyuanma.cn/post/387.html

服务热线

加我微信

加我微信