虚荣指标是没有意义的指标，往往它会很好看，能够粉饰运营和产品的工作绩效，但我们要避免使用 。
第二个坏指标是后验性指标，它往往只能反应已经发生的事情 。
比如我有一个流失用户的定义：三个月没有打开APP就算做流失 。那么运营每天统计的流失用户数，都是很久没有打开过的，以时效性看，已经发生很久了，也很难通过措施挽回 。我知道曾经因为某个不好的运营手段伤害了用户，可是还有用吗？
活动运营的 ROI（投资回报率）也是后验性指标，一个活动付出成本后才能知道其收益 。可是成本已经支出，活动的好与坏也注定了 。活动周期长，还能有调整余地 。活动短期的话，这指标只能用作复盘，但不能驱动业务 。
第三个坏指标是复杂性指标，它将数据分析陷于一堆指标造成的陷阱中 。
指标能细分和拆解，比如活跃率可以细分成日活跃率、周活跃率、月活跃率、老用户活跃率等 。数据分析应该根据具体的情况选择指标，如果是天气类工具，可以选择日活跃率，如果是社交 APP ，可以选择周活跃率，更低频的产品则是月活跃率 。
每个产品都有适合它的几个指标，不要一股脑的装一堆指标上去，当你准备了二三十个指标用于分析，会发现无从下手 。
指标结构
既然指标太多太复杂不好，那么应该如何正确的选择指标呢？
和分析思维的金字塔结构一样，指标也有固有结构，呈现树状 。指标结构的构建核心是以业务流程为思路，以结构为导向 。
假设你是内容运营，需要对现有的业务做一个分析，提高内容相关数据，你会怎么做呢？
我们把金字塔思维转换一下，就成了数据分析方法了 。
从内容运营的流程开始，它是：内容收集—内容编辑发布—用户浏览—用户点击—用户阅读—用户评论或转发—继续下一篇浏览 。
这是一个标准的流程，每个流程都有指标可以建立 。内容收集可以建立热点指数，看哪一篇内容比较火 。用户浏览用户点击则是标准的 PV 和 UV 统计，用户阅读是阅读时长 。
从流程的角度搭建指标框架，可以全面的囊括用户相关数据，无有遗漏 。
这套框架列举的指标，依旧要遵循指标原则：需要有核心驱动指标 。移除虚荣指标，适当的进行删减，不要为添加指标而添加指标 。
维度分析法
当你有了指标，可以着手进行分析，数据分析大体可以分三类，第一类是利用维度分析数据，第二类是使用统计学知识如数据分布假设检验，最后一类是使用机器学习 。我们先了解一下维度分析法 。
维度是描述对象的参数，在具体分析中，我们可以把它认为是分析事物的角度 。销量是一种角度、活跃率是一种角度，时间也是一种角度，所以它们都能算维度 。
当我们有了维度后，就能够通过不同的维度组合，形成数据模型 。数据模型不是一个高深的概念，它就是一个数据立方体 。
上图就是三个维度组成的数据模型／数据立方体 。分别是产品类型、时间、地区 。我们既能获得电子产品在上海地区的 2010 二季度的销量，也能知道书籍在江苏地区的 2010 一季度销量 。
数据模型将复杂的数据以结构化的形式有序的组织起来 。我们之前谈到的指标，都可以作为维度使用 。下面是范例：
将用户类型、活跃度、时间三个维度组合，观察不同用户群体在产品上的使用情况，是否A群体使用的时长更明显？
将商品类型、订单金额、地区三个维度组合，观察不同地区的不同商品是否存在销量差异？
数据模型可以从不同的角度和层面来观察数据，这样提高了分析的灵活性，满足不同的分析需求、这个过程叫做 OLAP（联机分析处理） 。当然它涉及到更复杂的数据建模和数据仓库等，我们不用详细知道 。
推荐阅读
- 如何让旧衣服恢复鲜色
- win10如何取消安全模式 win10如何取消开机密码
- 星际战甲段位经验表 星际战甲段位经验如何提升
- 95版本剑神辅助装备选什么宝珠 如何挑选95版本剑神辅助装备的宝珠
- 奋斗早安最美一句话
- 麻醉医生收入如何支付 麻醉医生收入
- 三国志幻想大陆如何做任务派遣
- 电机发烫如何处理
- 新鲜的栗子该如何储存
- 新鲜栗子怎样保存最好