指标体系的三层结构没有统一标准。实际工作中,这个问题通常对应两套不同的三层:一套按业务目标拆解,叫一级、二级、三级指标;一套按数据定义和加工方式划分,叫原子、派生、复合指标。
两套结构的组织方向不同。业务目标按结果向过程和动作自上而下拆解,关心谁对什么结果负责;原子、派生、复合指标按计算依赖从基础度量构建限定范围和组合运算,关心数字怎么算、能不能复用,以及口径是否统一。混在一起讨论,容易出现一级指标为什么不是原子指标、原子指标能不能带时间周期这类分歧。
下面分别说明每层放什么,再用一个电商例子把两套结构对上。
一、指标体系的三层结构有统一标准吗
没有统一强制标准。不同企业、不同平台会采用不同的层数和叫法,关键在于层级划分能服务业务判断。
常见的两套三层可以这样对照。
| 对比项 | 业务目标分解 | 数据定义与加工 |
|---|---|---|
| 常见叫法 | 一级、二级、三级;战略层、业务层、执行层 | 原子、派生、复合 |
| 回答的问题 | 谁对什么结果负责,异常往哪一层查 | 这个数字怎么算,由哪些指标构成 |
| 划分依据 | 决策层级和业务关系 | 计算逻辑和复用关系 |
| 是否固定 | 不固定,可以两层,也可以四层 | 三类较常见,命名有差异 |
| 典型变化 | 随组织、阶段调整 | 随口径、数据源调整 |
判断一套三层属于哪一类,看它按什么划分。按汇报关系、目标拆解和决策用途划分,属于业务目标分解;按计算公式、依赖关系和复用方式划分,属于数据定义与加工。
两套结构可以同时存在。业务层级回答这个指标给谁看,指标类型回答这个数字怎么算。把它们当成同一件事,层级就会打架。
二、一级、二级、三级指标分别指什么
这是业务目标分解的常见叫法。三层从结果排到动作,上一层的指标要能由下一层解释,下一层的指标要能对应具体动作。
这套叫法更像企业内部的约定,不同公司的定义会有差异。判断一个指标放在哪层,看它在目标拆解中承担什么作用,比看名字更可靠。
1. 一级指标看整体结果
一级指标放在公司或业务单元层面,回答整体目标有没有达成。支付金额、营业收入、净收入留存、月活跃用户数,都可能在第一层。
公司级结果指标宜少,常见做法是1到3个。 业务线差异大时,可以按业务单元分别设置。一般结果指标应与当前目标一致、变化可解释,并有明确的责任主体。如果要从中选择北极星指标候选,再重点检查它是否反映用户获得的价值、团队能否影响它,以及能否作为收入变化的领先信号;这些选型条件不适用于所有结果指标,营业收入本身就不是收入的领先指标。
2. 二级指标看结果由什么构成
二级指标承接一级指标,解释结果由哪些部分构成。按同一周期和人群口径,支付金额 = 支付用户数 × 客单价;支付转化率用于下一层诊断支付用户数的变化,不与支付用户数并列相乘,以免重复归因。营业收入可以按产品线、地区或新老客拆。
每个部门常见3到5个关键指标。二级指标要能被部门的具体动作影响,否则拆下来也无法指导工作。
3. 三级指标看动作是否做到位
三级指标放在过程和执行层,回答今天该调整哪个环节。电商运营会看支付转化率、加购率、结算率、支付成功率;客服团队会看首次响应时长、工单积压量。
这一层指标数量多、变化快,直接对应岗位动作。判断标准可以很简单:指标变化时,哪个岗位会改变哪个动作。找不到岗位和动作的指标,最多作为背景信息,不放进日常看板。
用一个电商例子看三层的关系。
| 层级 | 指标 | 回答的问题 | 主要使用角色 |
|---|---|---|---|
| 一级 | 支付金额 | 整体经营规模是否增长 | 管理层 |
| 二级 | 支付用户数、客单价 | 增长或下降来自支付用户数还是人均支付金额 | 业务负责人 |
| 三级 | 支付转化率、加购率、结算率、支付成功率 | 哪一步流失最多,今天该改什么 | 运营、产品 |
一级、二级、三级是相对位置,会随企业规模和业务阶段调整。同一个指标在不同公司可能放在不同层。小团队可以只做两层,大组织可以增加区域、产品线或行业层。
层级按决策关系划分,不按组织架构划分。部门调整时,指标层级不应跟着全部重排。
三、原子、派生、复合指标分别指什么
这是数据定义和加工层的三类指标,描述一个指标能不能再拆、由什么组成。按这套划分,指标体系的三层指标包括原子指标、派生指标和复合指标。
1. 原子指标是不可再拆的业务度量
原子指标围绕一个业务过程和一个度量定义,用来明确统计口径和计算逻辑。支付金额、支付用户数、订单数都是常见例子。
原子指标通常不带时间、渠道、地区等限定。 带了限定,就进入派生层。原子指标是后续派生和复合的基础,口径要稳定。
2. 派生指标给原子指标加上统计范围
派生指标由原子指标、时间周期和修饰词组成。近30天PC端支付金额、近7天新客支付用户数,都属于派生指标。
修饰词限定业务范围,时间周期限定统计窗口。两者写清,指标名称才能对应一致口径。
不同平台的叫法有差异。阿里云 DataWorks 叫派生指标,华为云叫衍生指标;有些平台把派生和复合统称衍生指标。含义接近,落地时以平台定义为准。
3. 复合指标由多个指标计算得到
复合指标由多个指标通过加减乘除等运算组合,参与运算的可以是原子指标、派生指标或已有复合指标,具体以平台定义为准。客单价等于支付金额除以支付用户数,支付转化率等于支付用户数除以访问用户数。
复合指标的关键在分子分母口径一致。 统计周期、人群范围、维度粒度要能对上,否则算出来的比率没有解释力。
| 类型 | 组成 | 例子 | 判断要点 |
|---|---|---|---|
| 原子指标 | 业务过程与度量 | 支付金额、支付用户数 | 不含时间、渠道等限定 |
| 派生指标 | 原子指标、时间周期、修饰词 | 近30天PC端支付金额 | 能说清加了哪些限定 |
| 复合指标 | 多个指标通过运算组合 | 客单价、支付转化率 | 分子分母口径一致 |
阿里云 DataWorks 文档把派生指标概括为原子指标、修饰词、时间周期三大要素,把复合指标概括为由一个或多个派生指标或复合指标通过四则运算生成。华为云文档采用原子指标、衍生指标、复合指标三类,衍生指标等于一个原子指标加多个修饰词和时间周期。两套说法可以对应,差异主要在名称。
四、两套三层结构怎么对应
两套结构之间没有一一对应关系。业务层级决定指标给谁看,指标类型决定数字怎么算、能不能复用。
同一个指标可以同时出现在两套结构里。
| 指标 | 业务层级 | 指标类型 | 说明 |
|---|---|---|---|
| 支付金额 | 一级 | 原子指标 | 公司结果指标,计算上不可再拆 |
| 近30天新客支付金额 | 二级或三级 | 派生指标 | 在原子指标上加时间和新客限定 |
| 客单价 | 二级 | 复合指标 | 支付金额除以支付用户数 |
| 支付成功率 | 三级 | 复合指标 | 同一支付请求队列中支付成功的去重订单数,除以发起支付请求的去重订单数 |
这里的支付请求队列按首次发起支付请求的时间纳入统计周期,分母不是全部创建订单;分子只取该队列内在约定观察截止时间前支付成功的订单。分子分母均按订单 ID 去重,重复请求不重复计数;观察截止时间和迟到支付的补算规则须写入指标口径。
这张表说明,一级指标可以是原子指标,也可以是复合指标;三级指标可以是派生指标,也可以是复合指标。判断一个指标属于哪一层,要分别回答两个问题:它在业务目标里承担什么位置,它在计算上由什么构成。
如果两个部门争论一个指标该放哪层,先确认他们在说哪套层级。一个说一级,一个说原子,可能都没有错。
五、企业落地时怎么定自己的三层
先定业务问题,再定层级和类型。 顺序反过来,容易得到一张很全但没人用的指标清单。
- 选一个正在使用的经营场景。比如月度经营分析、投放复盘或用户增长复盘。场景越具体,指标越容易收敛。
- 定一级结果指标。控制在1到3个,写清业务含义、公式、统计范围、时间窗口和数据来源。
- 拆二级指标。用业务公式或用户旅程,把结果拆成能对应团队动作的因子。
- 拆三级指标。一直拆到某个岗位看到数字后知道该调整什么。找不到动作就停。
- 登记指标类型。把每个指标标成原子、派生或复合,检查复合指标能否由底层原子指标算出来。
- 写口径和负责人。至少写清公式、维度、时间窗口、排除条件、数据来源、更新频率、负责人和变更记录。
- 设复盘节奏。日看行动指标,周看诊断指标,月看结果指标,季度检查指标本身是否还适用。
小团队可以从两层开始,一个结果指标加三到五个过程指标。指标数量增加、跨部门引用频繁后,再考虑指标平台或指标中心。平台能解决注册、审批、血缘和变更影响分析,业务定义仍要由业务和数据团队共同确认。
六、常见误区
| 常见误区 | 具体表现 | 后果 |
|---|---|---|
| 把两套三层当成一套 | 用一级、二级、三级去要求原子、派生、复合 | 业务层级和计算逻辑互相打架 |
| 为了凑三层硬拆 | 某一层没有独立决策用途 | 指标变多,维护成本上升 |
| 原子指标不原子 | 原子指标里带了时间、渠道或地区限定 | 后续派生指标容易重复定义 |
| 复合指标口径不一致 | 分子按支付时间,分母按下单时间,或者人群范围不同 | 算出来的比率没有意义 |
| 按组织架构定层级 | 部门调整后整套指标重排 | 体系不稳定,历史数据难比较 |
| 只建指标,不建口径和负责人 | 指标名字一样,算法不同 | 看板越多,会议上的争议越大 |
这些问题的共同点,是指标之间缺少可追溯的关系。 指标数量本身不说明体系是否可用。
七、三层结构最终要落到同一套口径
无论采用哪套三层,最后都要回答三个问题:这个指标怎么算,由谁负责,变了以后影响哪些报表和下游指标。
- 定义:业务含义、公式、维度、时间窗口、排除条件。
- 关系:原子到派生、派生到复合的依赖。
- 责任:负责人、数据来源、更新频率、版本记录。
当企业用 AI 做数据分析,口径的重要性会更高。业务人员用自然语言问上月收入,Agent 需要知道是含税还是不含税、是否扣除退款、按支付时间还是确认时间归属。口径不清楚,AI 只会更快地给出一个看起来合理、但无法复现的答案。
ThinkingAI 的数据分析 Agent支持自然语言问数、多轮追问、归因分析和可视化;Agentic Engine 支持私有化部署和多 Agent 协作。它的企业级知识库可以把指标定义、业务规则和版本变更整理成可追溯的知识,让报表和 Agent 共用同一套口径。ThinkingAI 已服务全球超1500家企业,接入产品超8000款。
工具能提升取数和分析效率,指标定义、权限和责任仍要由企业自己建立。三层结构写得再整齐,口径不统一,看板上的数字仍然无法用来开会。
常见问题
指标体系一定要三层吗
不一定。三层是常见组织方式,企业可以按规模调整。业务单一、团队规模小时,一层结果指标加一层过程指标就能支撑决策。层级增加的前提是每一层都有独立用途。
一级指标就是原子指标吗
两者描述的不是同一个维度。一级指标描述业务位置,原子指标描述计算方式。支付金额可以是一级指标,也可以是原子指标;净收入留存可能是一级指标,但计算上属于复合指标。
原子指标可以带时间周期吗
通常不建议。原子指标要保持不可再拆,时间周期、渠道、地区等限定放到派生指标里。原子指标带了限定,后续派生和复合容易重复定义。
派生指标和复合指标怎么区分
看它是在圈定统计范围,还是在做指标运算。原子指标加时间周期和修饰词,得到派生指标;多个指标通过加减乘除组合,得到复合指标。派生指标回答某个范围内的数值,复合指标回答指标之间的比例或关系。
小团队没有指标平台,怎么开始
先用一张表维护指标卡片,选一个场景,定一个结果指标和三到五个过程指标,写清公式、口径和负责人。指标进入一次真实决策后,再考虑平台。
AI 能自动生成指标体系吗
AI 可以辅助梳理指标关系、生成初稿、检查口径冲突,业务目标、指标取舍、负责人和权限仍要由企业确认。没有统一口径,自动生成只会更快地产生多个版本。
参考资料
- 阿里云 DataWorks:数据指标体系,https://help.aliyun.com/zh/dataworks/user-guide/data-metric
- 华为云:业务指标,https://support.huaweicloud.com/hcgbd-government/hcgbd_28.html






