数据分析师不能只会跑查询——需要定义测量什么。测试你将业务问题转化为可衡量指标的能力。
从理解业务目标和关键问题开始。
定义直接衡量成功的主指标（KPI）。
添加解释KPI变动原因的诊断指标。
设计仪表盘和告警用于持续监控。
我遵循四步框架。第一，理解业务：这些数据会指导什么决策？对电商公司，核心问题可能是"我们增长可持续吗？"第二，定义指标树：主KPI是月GMV。辅助指标分支到流量（会话、转化率）、客单价（AOV、每单商品数）和留存（复购率、队列留存）。第三，添加诊断指标：GMV下降是流量、转化还是客单价问题？第四，构建每日自动更新的仪表盘和偏离基线2个标准差的告警。还定义数据质量检查确保指标可信。
展示你分层思考指标——KPI由诊断指标支撑。
提到数据质量——不可靠的指标比没有指标更糟。
讨论框架如何驱动行动而非只是报告。
最多3-5个主KPI。超过这个意味着什么都没有真正被优先考虑。每个KPI应有3-5个诊断指标。
可操作（你能影响它）、可理解（易于理解）、可审计（可靠数据源）。避免只会上升但不驱动决策的虚荣指标。
明确承认权衡。例如大幅打折提高转化但降低利润率。设护栏指标防止优化一个指标而牺牲另一个。