在公司数据建设过程中，经常会使用和提到标签和指标，二者究竟如何定义、区分？有哪些分类以及应用场景如何？
今天咱们就来细细聊一下标签和指标（文章有点长，需要花5-8分钟哦）。
一、定义
指标：对数据的度量，用来定义、评价和描述特定事物的一种标准或方式。即基于统一的标准（可量化、可拆解）去衡量业务，通常呈现的是数值型数据；
如：GMV销售额这个指标用来衡量交易金额、毛利率、净利率等是用来评价企业经营状况的指标；
标签：对数据的描述，基于原始数据进行语义话加工，人为的对业务含义进行概括性描述，具备高度概括、相互独立、可枚举的特色；
如：说某个人是个“酒鬼”，这里的“酒鬼”就是标签，人们听到这个词，就能知道这个人经常喝酒、喜欢喝酒；
二、构成
指标：通常由两部分构成，即名称和取值。
（1）名称是指标的外在标示符号，是对事物质与量两方面特点的命名；
（2）取值是指标的具体内容，是指标在具体时间、地域、条件下的数量表现；
如，描述一个人时，性别、年龄、身高和体重是经常用到的指标，以体重100斤为例，指标的名称是体重，取值是100斤。
（3）从词性来说，指标几乎都是名词，指标数量化后，都是有单位或量纲的。
标签：通常是几个字或符号，复杂的由标签对象、标签字段、标签值三元素组成。
（1）标签一般是不可量化的，通常是形容词或形容词+名词，比如“大胖子”；
（2）标签通常是孤立的，除了基础标签，通过一定算法加工出来的标签一般是没有单位和量纲的。
如，某人体重220斤，身高162cm，用高度概括的语义来描述，“大胖子”就是可用的标签；
三、应用场景
指标：以业务管理为导向，注重对事物/事件的过程进行全面的、体系化描述，范围更广；更侧重业务化、数量化和严格化；
常见的应用场景涉及企业的战略、管理、运营和支撑等层面，具体包括战略目标、市场定位、业务监测、业绩考核、任务分解、数据分析、数据建模、BI应用等；
标签：是以业务应用为导向，跟随业务需求变动，注重人物和实体对象的描述，侧重对局部特征和结果的描述，范围相对较窄，更生活化、口语化和符号化；
主要集中于CRM领域，尤其是用户运营、商品运营，如客户画像、存量客户维系、数据可视化等；
（1）指标擅长的应用是监测、分析、评价和建模，标签擅长的应用是标注、刻画、分类和特征提取。
（2）在实际应用中，标签源于指标，却又高于指标。
指标更理性，标签更感性；
标签比指标更有趣，更形象化、人格化、更有画面感；
指标比标签更讲究精确性、合理性、全面性和体系化。
四、价值评估方式
对指标与标签的价值评估方式、评估内容与它们的应用场景相关，也与使用者的感受有关系。
指标：容易量化，通常有一定的标准和尺度，如“好不好用”、“全部全面”；
标签：一般与使用者的感受、应用的结果有强关联，如“准不转”、“像不像”；
由于标签是指标进一步产品化的结果，即指标是半成品，标签是成品，所以标签有时候具有一定的商品属性。
（1）在大数据价值链上，标签是可定价、可售卖、可交易的一种数据产品，而指标通常是不具备售卖价值，指标的价值需在具体的应用场景或者被融合到产品中才能体现出来。
（2）对价值的认知上，指标可以按照重要程度分为关键指标、一般指标，或者说高价值指标、低价值指标，而标签较少提及这种说法。
五、分类方式
（1）指标分类
按照指标计算逻辑，可以分为原子指标、派生指标、组合指标（衍生指标）三种类型；
按照对事物描述内容的不同，分为过程性指标和结果性指标；
按照描述对象的不同，分为用户类指标、事件类指标等；
按照指标的变化频率，分为静态指标和动态指标；
按领域划分，分为用户类指标、收入类指标、行为类指标等；
按照重要程度，分为主要指标（关键指标）和次要指标（一般指标）等；
按照职能划分，分为观测指标、管控指标和挑战指标等；
（2）标签分类
按照标签的加工特点分为：
（1）事实标签：包括静态标签、状态标签和统计标签，通常是写实的，与指标有较高的重合度；
（2）规则标签：包括动态标签，符合某种规则时才能生成相应的标签；
（3）算法标签：模型标签，通过某些及其学习算法来生成；
按照标签值特点分为：
（1）数值标签：可以进行大小比较，如数值、日期等，需要明确其加工方法，如求和、去重、占比、排序、比率等；
（2）属性标签：有限集合，且无法进行大小比较，需要明确其标准值的范围有哪些；
按照标签的指代和评估指标不同，分为定性标签、定量标签；
按照标签体系分级分层的方式，分为一级标签、二级标签、三级标签等，每个层级的标签相当于一个业务维度的切面；
根据标签的用途分为：
（1）消费侧标签：用于寻找和筛选高质量用户，标签对象一般是用户；
（2）管理侧标签：用于改善供给商品或服务，标签对象一般是公司提供的商品或服务实体，或公司可以调整控制的实体。如商品、广告计划。
通常用BI报表呈现，用于辅助决策，对于短周期决策可以用实时标签实现自动决策（如投放广告计划、仓补计划）；
六、表现形态
指标：通常以格式化的报表、直方图、趋势图、看板等图形来表示；
标签：通常是数据化标签，以可视化的图片或大屏为主，如词云图。
另外还有如：
（1）实物标签：是用于标明物品的品名、重量、体积、用途等信息的简要标牌，如：商品标签、价格标签；
（2）网络标签（Tag）：是一种互联网内容组织方式，是相关性很强的关键字，它能帮助人们通过关键词快速建立对内容总体印象；
（3）电子标签：又称RFID射频标签，是一种识别效率和准确度都比较高的识别工具，通过射频信号自动识别目标对象并获取相关数据，识别工作无须人工干预，可工作于各种恶劣环境。
七、生产过程
指标是生产性思维、拆解式思维，讲究的是化整为零，将事物分开来进行多角度的描述，得到更多指标。指标的生产通常是要先扫平数据质量问题，统一数据口径。
标签则是合成性思维、聚合式思维，讲究的是化零为整，将多个分散的指标按照一定的原理进行综合加工，得出概括性的结果。标签生产涉及数据质量的问题比较少。
八、管理和维护
原则上来说，指标和标签都需要建立体系化的管理机制。
指标管理通常涉及三个方面：需求阶段的管理、开发过程的管理、应用过程的管理。
对应指标的管理动作主要是：做指标、管指标、控指标；
日常管理涉及指标的定义、分类、权限管理；
对指标的监控与维护通常涉及缺失值、异常值、勾稽关系等放的检查。
标签管理通常是按照标签的生命周期来开展，涉及标签开发和发布、标签应用、标签价值评估、标签优化及下线四个阶段。
对应管理工作就是：打标签、贴标签、用标签和改标签。
为做好标签管理与维护，有必要设立专门的标签管理团队。
（1）建立标签分类、命名、描述、和实施等方面的规范；
（2）完善配套的数据采集流程、标签加工流程、标签问题处理与反馈流程等；
（3）建立标签全生命周期管理体系，与数据资产管理制度相统一，为标签在各层面的落地及管理提供建设依据。
欧睿数据标签与指标管理体系（LSE）
欧睿数据标签指标管理平台是一个集成化系统，专门用于有效管理和监控业务关键指标和标签，以优化数据驱动的决策过程。
其优势包括：
（1）标签快速创建：可视化界面引导式配置、业务规则自定义配置；
（2）数据所见即所得：即时创建即时计算；
（3）业务人员轻松上手：面向普通业务人员、运营人员、业务分析师；
（4）“人+货+场”标签立方；
（5）数据能力跨平台开放；
（6）行业沉淀知识库；
欧睿数据在实际业务操作中，将标签与指标关系进行界定，在集成化系统条件下，标签=数据指标+特征属性+自然属性+条件公式，通过指标构建“人+货+场”的标签数据，更好的适应及满足企业和行业的共性与特性发展要求。
欧睿数据的标签指标管理体系并非凭空捏造，而是经过多年行业经验积累，进行品牌知识库沉淀，从计划、商企、研发、产品评审、订货管理，到采购管理、交付管理、商品运营、货品整合，再到渠道的流转，形成了端到端计划管理所需标签指标沉淀，并且还在不断丰富迭代。
区别市面场景聚焦在会员管理上，欧睿数据的标签指标管理系统应用场景拓展到：OTB计划、选品下单、商品运营、零售运营、活动（营销）场景、会员精细化运营、业务灵感洞察等方面，更能高效满足企业数智化需求。
如需了解更多标签指标管理系统的应用案例及技术框架，可关注公众号后给客服留言，或者在评论区进行留言。
热门跟贴