体系|数据指标体系这么整，产品小白也能搞定( 二 ) word2vec|算法|决策树|准确率|复

2. 技术角度产品刚开始用的时候，所有需要的指标数据，都通过SQL语句去各种基础表里面查询出来的，开发写好SQL，然后系统每天跑跑SQL就完事了。
但是随着时间的推移，各种数据指标越来越多，SQL已经跑不动了。但是会发现其实很多地方用到了类似的指标，可能维度不同或者可能完全相同。
这时候就需要升华一下方案，将SQL语句，细化到指标的计算上，这就要引出另外一个概念了：数据仓库。
从业务角度来说，搞的是数据指标体系，而从技术角度来说，建立的则是数据仓库！
四、数据指标体系该咋建？具体做事情的环节，我通常都是以目标为导向，数据指标体系在工作流程中的目标就是为了建立数据仓库！
为了达成这个目标，我们有这么几件事需要搞定：
1. 罗列出所有指标之前在《三步搞定数据统计分析：统计+分析+可视化》中讲过，先模仿才能超越，不知道有啥指标能罗列的，请参考（抄）下图：

文章插图
2. 确定指标的计算公式这个很重要啊，开发要根据这个撸代码呢，如果你业务上定义不清楚，那产品开发出来以后，肯定就完犊子了。
我是遇到过，不同开发写的，不同页面上同一个指标的数据都不一样的，原因就是计算方法不同……
计算公式可以分为两种，一种是标准的指标公式，例如PV、UV这些，直接用度娘上面的标准公式啊；另一种就是具体业务的指标公式了，这个就需要根据实际情况定义清楚啦。
注意：计算公式，最好不要用语言描述，直接给出数学公式！
3. 确定指标的统计维度方法同1，不会就先模仿（抄），同样的，该图来源于我之前总结的文章《三步搞定数据统计分析：统计+分析+可视化》。

文章插图
4. 说明各个维度指标的意义这就是产品经理的本职工作啦，在需求评审会的时候，我们不仅要传递怎么做，还得传递一下为什么要这么做，这样才能够服众嘛，而且开发也能够自己做事情的意义，而不只是一个撸代码的工具！
5. 罗列出维度的相关属性这个就是我们数据库表里面的各种字段啦，我们看一下接下来的例子，肯定立马就明白了。
还是回到我们老板定的小目标的专业角度，按照以上我们不成熟的小想法，最终呈现出来的结果大概是这样的：
其实从非严格意义上来说，这就是数据库建模的逻辑层了，然后开发同学，根据这个逻辑层的表，再去搞搞物理层的设计，就差不多能出数据仓库的建设方案啦！
而且再补充一点，毕竟我们是从产品经理的业务角度来梳理这个表的，所以像什么表的主键啊、外键啊，这些我们不用考虑，这个阶段把业务梳理清楚就ojbk了~
五、概念补充1. 数据切片存储这次词听起来挺高大上的，但我们把数据当成面包就好理解多了，也能更加形象地理解搞数据指标体系的意义了。
我们可以把面包横着切，存起来早上吃；竖着切，存起来中午吃；斜着切，存起来晚上吃。
数据指标体系也是一样的了，以各种维度（员工、区域、时间、产品）存储起来（切片存储），然后在不同的场景下随用随取就行了。
相当于专门整了一个中间表，用于存储各个维度的结果数据，然后需要用的时候，直接从这个表里面找结果数据就行了，少了那些个SQL计算的过程！
2. 星型模型、雪花模型
文章插图
以上老板所整理的专业的数据指标体系，就是最简单的一个例子，也就是只有一层的雪花模型。