面向企业数据应用的指标体系研究

赵鹏、李振、许子禾 /中国运载火箭技术研究院

本文在企业数字化转型及“数字企业”建设背景下，面对企业多指标体系并存、管理机制缺失、指标和数据应用关系不确定的情况，在总结前期建设经验的基础上，开展企业级指标体系研究。主要研究内容包括指标体系方法和指标体系总体方案两部分，拟从方法和架构两个方面为指标体系的建设工作提供思路和建议。

一、现状分析

指标体系的建设和管理涉及面广、体系性强、导向作用明显，是数据驱动企业发展的重要抓手。指标体系应既能反映上级单位的考核要求，也能在体现企业战略导向和目标要求的情况下反应自身真实的运营情况，并为下属单位的管控工作提供统一框架性指引。通过对某企业前期指标体系建设历程和建设内容的分析，发现存在以下问题：

一是多指标体系、多指标定义并存，缺少企业级统一的指标体系。指标体系的建设需要将散落在企业各标准、制度、报告、绩效和流程中的关键管理要素和目标要求自上而下进行分解和自下而上的支撑验证，形成全局统一、纵向到底的有机整体。企业前期的指标体系建设与数据应用分析建设同步开展，由于建设目标、建设单位和建设内容的不同，形成多套指标体系并存的局面，指标与指标之间相互独立、缺少联系，指标定义和统计口径各不相同。

二是管理组织、管理制度缺失，没有形成持续改进的管理机制。指标体系的建设具有动态性和先导性，需要根据管理要素和目标要求定期进行调整。比如企业前期应重点关注在质量、效益、效率并重的新形势下，从高质量、高效益、高效率3 个维度对指标体系重新审视并适时优化。这些工作需要有相应指标体系管理机制，包括指标管理组织以及相应的配套管理制度和管理流程，使指标体系持续有效地进行更新，而在以往指标体系建设过程中这些内容存在缺失的情况。

三是指标、数据和应用之间缺少联动，影响分析结果的正确性。指标体系建设的目的是获取全局性、体系性的数据，进而通过这些数据驱动业务发展，达成企业目标。在某企业以往的指标体系管理过程中，由于缺少相应工具和机制支撑，任一环节的变动，都容易造成指标、数据和应用之间的错位，出现分析结果失真而不自知的情况。

指标体系可通过指标梳理、指标定义和指标体系设计三个环节进行构建。首先，梳理某企业标准、制度、报告和流程中的指标，并进行归一化处理；其次，构建指标数据字典和模型，完成指标的规范化定义，使其具备数据化、信息化管理的条件；最后，以企业发展战略和目标为牵引，以业务域为分类基础将指标划归到具体的业务活动和岗位职责上，构建出统一、全面、完整的指标体系。

二、指标体系

指标体系的研究包括指标体系建设和指标体系管理两方面，前者侧重于从指标梳理、指标定义到指标体系设计的建设方法探索；后者则从组织和制度等管理机制的角度，提供有利于持续优化和落实的建议。

1.指标体系建设

指标体系可通过指标梳理、指标定义和指标体系设计三个环节进行构建。首先，梳理企业标准、制度、报告和流程中的指标，并进行归一化处理；其次，构建指标数据字典和模型，完成指标的规范化定义，使其具备数据化、信息化管理的条件；最后，以企业发展战略和目标为牵引，以业务域为分类基础将指标划归到具体的业务活动和岗位职责上，构建出统一、全面、完整的指标体系。

（1）指标梳理

指标梳理的过程是将散落在某企业各管理文件、分析报告、绩效考核和业务活动中的指标进行全面收集，开展收集指标的融合和归一化处理，按照指标收集、指标确定和指标分析三个主要过程进行实施，在确定指标后开展管理要素的规范化定义。另外，指标梳理的工作是一项浩大复杂的工程，需要企业内部各个团队进行配合完成。

（2）指标定义

指标定义是将分析所得的业务指标进行规范化建模的过程，可以参考以下步骤开展实施。

指标模型设计：构建完整的指标模型，包括指标的业务属性、技术属性和管理属性。

指标元数据管理：以业务元数据、技术元数据、管理元数据和操作元数据来描述和管理指标数据模型。

指标参考数据管理：构建企业级的主数据和参考数据管理，以确保指标体系中各指标都拥有权威、完整、一致的引用数据。

指标（体系）标准管理：通过统一、标准的方式发布和管理指标，实现企业指标（体系）规范化管理。

（3）指标体系设计

指标体系设计是一项系统工程，基本设计应考虑系统性、全面性、结构性、差异性和重要性五个原则。系统性原则，充分承接整个企业战略目标，形成以战略目标为核心的指标体系，指标间有清晰的关联逻辑，有效促进战略执行；全面性原则，全面覆盖企业管理相关因素，含外部环境、核心资源、业务活动、产品服务与经营业绩等方面，推动整体优化运营；

结构性原则，以数据和信息为基础，将指标划分为战略层、管理层相互支撑的结构；差异性原则，区别于下属单位的指标体系，结合企业实际业务特点，有针对性地建立落地的指标体系；重要性原则，选取核心业务，明确与之相关的关联业务，关注管理瓶颈与重点，推动企业本部各部门之间的管理协同。

从业务管理评价需求出发，可按照确定业务领域、识别业务环节、定义业务分析主题、确定指标范围以下过程组织相关指标形成指标体系。

2.指标体系管理

为确保指标体系的真实性、有效性、可用性和规范性，保证指标体系在全生命周期管理得到有效管理，需要在指标体系的建设和运营过程中成立专门的管理组织，并建立指标体系管理制度。

（1）指标体系管理组织

建立统一的指标体系和基础指标库，向用户提供流程驱动的指标管理机制以及以版本迭代的维护机制；实现以指标数据服务为主的数据供应，为用户提供在线查询、增加、冻结和修改等功能，是指标体系建设和管理的基础。这些工作需要信息管理部门和业务数据主管部门牵头组织，业务、数据以及开发三方团队共同协作完成。

（2）指标体系管理制度

指标体系管理制度是指标责任人、指标用户、指标管理团队在各项活动中应遵循的管理要求和工作规范。遵循企业相关信息化管理办法，制定该制度，并在指标管理方面提出更细化的要求。

一是建立管理领导小组会议制度，对指标管理总体工作进行部署，协调解决指标管理过程中出现的问题；二是建立指标管理评审制度、指标质量评估及报告制度，加强对指标建设期和运营期的管控；三是建立标准规范管理流程、集成需求管理流程和问题协调流程，为各项常态工作的开展提供依据；四是建立指标认责制度，作为指标管理工作的基础，明确各方责权。

三、指标数据

指标数据是在经营分析过程中衡量某一个目标或事物的数据，一般由指标名称、时间和数值等组成。指标数据是面向业务评价对象成果的直观体现，也是指标体系成果落地的重要支撑。

1.指标数据管理

指标数据管理指组织对内部经营分析所需要的指标数据进行统一规范化定义、采集和应用。依据《数据管理能力成熟度评估模型》，指标数据管理工作主要包括三个方面内容：一是建立指标数据分类规范、格式规范，形成企业级的指标分类框架；二是建立组织内部统一的指标数据字典，完成指标数据定义、清晰地描述指标含义；三是建立统一的指标数据管理流程，实现指标数据的访问授权、采集监管和责任划分。

（1）指标数据分类框架

从数据聚合的角度，可以将指标分为基础指标、复合指标跟派生指标。其中，基础指标不可拆解，通常表达业务实体原子量化属性的且不可再分的概念集合，如订单金额；复合指标由基础指标通过一定的运算规则形成，且在业务角度无法拆解的指标，如利润率；派生指标由基础指标或复合指标与维度成员、统计属性等相结合产生的指标，如近30 天平均支付金额，如图1 所示。

图1 指标分类示意图

（2）指标数据字典

从指标自身的业务角度出发建立指标的业务模型，针对业务模型以数字化的方式构建指标数据模型，通过指标模型和业务模型两层模型结合形成指标数据字典。

指标数据模型是指标模型的数据化过程，是依据业务指标分解过程开展业务指标数据模型逐层建设的过程如图2 所示。

图2 指标数据模型建模图

指标所需要的数据均来自于数据中台，并以数据服务的形式提供原子指标数据；依据指标业务需求，对原子指标进行数则运算组合成为复合指标；无论是原子指标数据还是复合指标数据都是以数据服务的方式向应用提供，业务人员也可以在指标资产目录中查找指标所对应的元数据。

（3）指标数据管理流程

指标数据管理流程主要包括定义、生产、消费、下线四个阶段，指标生产上线后并不代表指标生命周期的终点，后期还需要持续开展指标运维及质量保障，为了更好地进行指标全生命周期管理，需要记录指标的管理属性，包括指标的创建与消费记录、指标的权责管理（负责人）、指标的映射等，指标生命周期管理如图3 所示。

图3 指标生命周期管理示意图

2.指标数据服务

指标数据服务管理是资产服务化工具，要求实现创建、管理和部署应用程序接口服务API。支持直接对接原子指标或复合指标生成数据服务API，并且支持用户把已有的API 快速注册到服务管理平台上进行统一管理。通过服务管理，可以高效、稳定、低成本、低风险地实现数据资产和业务能力的变现。指标数据服务按照服务对象不同可以分为应用级API 和平台级API，用以区分指标数据的服务范围。

3.指标数据应用

将指标体系落实在信息系统中，才能发挥其管理作用，实现指标切实落地。因此，指标体系和信息系统应同步进行建设，可实现的指标数据应用如图4 所示。

图4 指标数据应用示意图

四、数据应用指标体系总体方案

通过构建指标管理总体架构，为实现指标数据标准的集中、统一、规范管理，形成指标维护、分发、应用、检查的闭环管理机制，促进指标数据的共享使用和质量改进提供框架指导。

1.总体架构

指标管理的总体架构分为数据源、大数据平台、指标数据管理、指标数据应用四个部分，内容如图5 所示。

图5 总体架构图

（1）数据源

指标数据来源于各个业务系统，可通过业务系统接口、业务系统数据库、数据仓库等获取数据（对需要子公司支持的指标数据，可从子公司建设的应用系统接口或者数据库获取）；也可通过手工录入的方式获取部分信息系统未覆盖的业务过程。

（2）大数据平台

依据指标所面向的业务特征，可以选择实时数据队列或者批量数据同步的方式实现数据更新、同步至大数据平台，大数据平台作为指标数据的唯一数据供应平台，汇集了包括经营管理业务数据、科研生产数据、指标数据等在内的全企业数据，通过企业级的数据治理为指标提供标准的数据服务，包括原子指标模型、指标数据模型、指标汇总和指标集市等。

（3）指标数据管理

指标数据管理在实现指标体系模型全生命周期管理的同时，可为用户提供指标数据对应元数据等信息的统计、展示、分析和管理，可视化展示数据的流转影响链路；指标数据质量管理可协助企业定期开展指标数据健康状况的评估，同时通过指标资产管理，支撑指标数据资产的分类管理和数据安全管理。

（4）应用建设

指标应用是基于基础指标或者指标体系，面向业务需求，通过信息化、数据可视化等手段建设的信息化、数据化应用，例如经济运行管理、组织绩效管理等经营管控类应用，总装齐套、总装进度等科研生产应用。此外，用户也可以基于可视化分析平台或可视化工具自己对指标数据进行分析。

2.数据架构

指标数据的数据架构包括数据分布、数据模型、数据标准和数据治理等。其中既包含相对静态的内容，如元数据、业务对象、数据模型、主数据、共享数据等；也包含如数据获取、流转、转换、整合、访问应用等相对动态的内容。

数据架构在支撑业务操作类和管理分析类应用（系统），满足业务发展及信息化转型对数据需求的同时，也需具备一定的扩展性和适应性，以应对数据分析应用变化。数据架构分区见图6。

图6 数据架构图

五、结束语

本文主要完成了某企业面向数据应用的指标体系建设方法与信息化落地总体方案研究，全面梳理了指标体系的建设流程、设计原则、管理要求，以及指标数据的分类框架、服务方式、应用场景等。能够为企业业务运营和领导决策数据应用建设，构建“横向协同、纵向贯通”的指标体系，形成完整、一致、规范的指标数据提供有力支撑。