▲木木自由/数据分析·领地，一起学习数据分析，持续更新数据分析学习路径相关资料~更多产品、运营与数据分析、数据治理、数据资产干货以及经验分享（精彩数据观点、学习资料、数据课程分享、读书会、分享会等你一起来乘风破浪~）
木木自由·数据分析·领地
·
标签和指标一样，是数据分析的左膀右臂，两者同样重要。实际上，很多人分析不深入，就是因为缺少对标签的应用。数据指标，是用数据对事物的准确描述。比如身高、体重、腰围、手臂长度，这些都是数据指标。标签，则是基于原始数据加工的，带了业务含义的概括性描述。对比起来，用数据指标描述事物，会更精确。但标签也是同样重要的。因为除了“精准”以外，人们还有更多的需求。
在此，【数据分析·领地】也整理了《数据标签应用指南》“供大家更好的学习了解数据标签，仅供学习交流！也分享一篇文章，来了解数据标签的应用以及案例、思路~包括：【应用案例】数据标签与指标在金融行业的应用.pptx【应用案例】科学构建用户标签体系--构建用户标签体系-助力企业精细化运营.pptx【应用案例】大数据客户标签管理系统.pptx【思路】数据标签的分类及实现.pptx数据标签的分类、设计及实现方法.pdf···
一、标签体系相关概念
标签由标签和标签值组成，打在目标对象上，如图所示。
打标签示例
标签由互联网领域逐步推广到其他领域，打标签的对象也由用户、产品等扩展到渠道、营销活动等。
在互联网领域，标签有助于实现精准营销、定向推送、提升用户差异化体验等；
在行业领域，标签更多助力于战略分级、智能搜索、优化运营、精准营销、优化服务、智慧经营等。
标签分为事实标签、规则标签和模型标签，如图所示。
三种类型的标签
事实标签是描述实体的客观事实，关注实体的属性特征，如一个部件是采购件还是非采购件，一名员工是男性还是女性等，标签来源于实体的属性，是客观和静态的； 规则标签是对数据加工处理后的标签，是属性与度量结合的统计结果，如货物是否是超重货物，产品是否是热销产品等，标签是通过属性结合一些判断规则生成的，是相对客观和静态的；
模型标签则是洞察业务价值导向的不同特征，是对于实体的评估和预测，如消费者的换机消费潜力是旺盛、普通还是低等，标签是通过属性结合算法生成的，是主观和动态的。
选定目标对象，根据业务需求确定标签所打的业务对象，业务对象范围参考公司发布的信息架构中的业务对象。 根据标签的复杂程度进行标签层级设计。
进行详细的标签和标签值设计，包括标签定义、适用范围、标签的生成逻辑等：
事实标签应与业务对象中的属性和属性值保持一致，不允许新增和修改；
规则标签按照业务部门的规则进行相关设计；
模型标签根据算法模型生成。
在此，【数据分析·领地】也整理了《数据标签体系构建指南》“供大家更好的学习了解标签体系，仅供学习交流！也分享一篇文章，来了解标签体系构建方法应用~
事实标签：根据标签值和属性允许值的关系由系统自动打标签。 规则标签：设计打标签逻辑由系统自动打标签。
模型标签：设计打标签算法模型由系统自动打标签。
其中，维度是指从哪些角度衡量，是看待事物的视角与方向，决定了根据不同角度去衡量指标。
汇总方式是指用哪些方法衡量，是统计汇总数据的方式。 而量度主要是明确事物的具体目标是什么，是对一个物理量的测定，也用来明确数据的计量单位。
指标通常是描述客观事实，并通过不同的统计口径，叠加不同的计算维度与限定词来展现客观事实。指标多为数值型，最常见的数据指标为各类宏观指标。比如 GDP、CPI，都是一个实实在在的数字，无人为判断。在金融行业中也存在着海量的指标，比如各类经营指标、不良率等，同样也是实实在在的数值。具有数据口径的指标通常是抽象的概念，比如将数据计数、求和、比率等，与具体的实体无关。
但标签通常是人为定义的概念，比如客群标签可以分为长尾客户、高净值客户；产品标签有高风险和低风险。标签并不是一个客观的事实，而是由人为的定义和客观事实结合得到的数据标签。标签通常会定位到具体的实体，其核心的目的是划分不同的实体群组。比如长尾客户，一定可以通过一些数据指标圈定出一部分人群，通过数据标签可以进行更加精细化的用户运营。
从二者之间的关系来说是可以相互转化的。指标可以从标签中转化，比如高净值客户的迁移率（从长尾客户转化到高净值客户的比率），其中高净值客户和长尾客户都是标签，但在标签的基础上增加一个迁徙率，就由标签转化为了指标。同样标签也可以从指标转化得来，比如说银行中常用的数据标签：私行客户（AUM>=500万），其中 AUM 就是数据指标，不同银行的标签设定可能是不同的。以上就是数据指标和标签在内容上的区别。
从分类和场景上看，指标和标签的分类原则不同，使用的场景也不同。
指标分类
一般来说指标常用的分类是相对固定的，会将指标分为原子指标、派生指标和衍生指标三类。原子指标指的是不需要叠加任何纬度的，通常是 SQL 直接统计的一些基础指标，比如客户数、交易量等。派生指标指的是由原子指标通过叠加一个或多个维度而得到的二级指标，如客户数叠加了渠道的维度就变成了派生指标，比如手机银行客户数、长尾客群交易量等。除此之外还有一些常见的比率类指标是通衍生得来的。
标签分类
标签可分为事实标签、规则标签和模型标签。同原子指标类似，事实标签来自于底层的原始数据，事实标签用于描述实体的客观事实，例如性别标签、车主标签、持卡类型标签等。规则标签指的是基于事实的统计结果，结合一些人为判断而生成的，比如按照年龄的不同区间就可以将用户划分为青年、中年和老年客户。模型标签则更加抽象、更加主观，是通过事实标签和规则标签抽象而来的群体特征，比如月光族、白领、消费达人等。
指标使用场景
指标通常拆解使用。比如一个较大的指标：客户数，可以拆解到不同维度上，并且加以限定词，比如手机银行客户数、七日内客户数的增量等，主要是用来监测和评价业务的效果。
标签使用场景
标签通常归纳使用，用来刻画某一个群体的特征，可以是客户也可以是产品，其核心是分类，给予不同类别不同的经营策略。
在标签的使用场景上更多的偏向一线的营销场景，包括客户的经营、精准营销和资格判断等。通过不同客户的标签将其分成不同的类别，并进行不同的活动、资格或者产品的推送。也可以给产品打标签，用来标识产品适合哪类人群，在平安银行口袋 APP 这样的平台就做到了千人千面，每个人进去看到的具体内容是不一样的，这就是通过标签去筛选圈定的。
附1：【应用案例】数据标签与指标在金融行业的应用
···
（进星球查看完整版）
附2：《企业指标设计方法指南》
包括：企业数据指标与标签体系应用架构设计方案、指标产品解决方案、企业指标体系平台设计思路、指标产品功能架构、经营指标···等内容，供大家更好的理解企业指标设计，仅供学习交流！
企业指标设计方法指南（25页PPT）.pptx 指标产品解决方案（45页 PPT）.pptx 指标产品功能架构及落地实践.pptx 指标+AI，让指标应用更高效.pptx 企业指标体系平台设计思路（36页 PPT）.pptx 基于数字化转型的企业数据指标与标签体系应用架构设计方案（33页PPT）.pptx 经营指标（16页 PPT）.ppt KPI设计与战略性KPI指标库建构方法.ppt KPI指标库.xls ···
···
（进星球查看完整版）
附3：“数据指标体系”搭建指南及相关案例
包含：如何构建一套完整的指标体系、《13个行业数据指标体系》、案例1：抖音集团数据指标体系分析与增长实践 （29页 PPT）案例2：快手数据平台如何建设好的指标体系（19页 PPT）案例3：滴滴数据指标体系构建（20页 PPT）中国地方政府数据开放报告-指标体系·····
相关内容，如下~····
如何构建一套完整的指标体系.pdf
《13个行业数据指标体系》.pdf
案例1：抖音集团数据指标体系分析与增长实践 （29页 PPT）.pptx
案例2：快手数据平台如何建设好的指标体系（19页 PPT）.pptx
案例3：滴滴数据指标体系构建（20页 PPT）.pptx
案例4：神策数据基金业数字化运营指标体系建设（25页 PPT）.pptx
案例5：B站数据指标体系建设（29页 PPT）.pptx
案例6：app业务指标体系建设（21页 PPT）.pptx
案例7：美团数据指标体系搭建实战.docx
···
···
（进星球领取完整版）
附4： 数据指标体系建设方法分享
「完」
（点击阅读原文进数据分析星球，领取统计学相关资料、数据指标搭建、案例、方案、方法相关资料等相关分析资料~）
完
#数据分析相关课程# 从零开始学数据分析25讲
#数据分析相关课程# 数据分析思维与实战23讲
···
#数据分析入门级别资料# 数据分析基础分享讲解（1-6）（附数据分析报告）
·····
····
在后续也会在【数据分析·领地】中，组织读书会，分享会等专项活动，读书会主要学习技术类的书籍领读，分享会主要以数据分析思维分享，案例复盘分享等~
