随着企业信息化程度越来越高，各种系统里的数据也越来越庞杂。数据指标口径不统一逐渐成为“通病”。然而，面对不够精准的数据，管理者做出的决策也很可能差之毫厘、谬以千里，因此统一数据指标口径变得尤为重要。
惟客数据针对“如何统一「数据指标口径」，提升数据使用效率”，进行了解读。
惟客数据认为，首先数据指标口径不一的情况很常见，比如同样是销售额，某公司财务部的口径是含税金额，业务部门是不含税；再比如，某房企A部门计算销售额时包含了非操盘销售额，而B部门只算操盘销售额。导致的结果就是各部门“自说自话”，沟通无法同频、效率很低。
那么数据指标口径统一问题具体怎么解决?整体来看，可以分为2大步骤，一是指标梳理，二是数据标准建设。
首先指标梳理部分，可以分为四个步骤：确定战略目标及经营计划、设立分层级的数字化洞察体系、业务流程拆解构建运营指标体系、构建数据指标字典。
先来说第一步，也是前提，确定战略目标及经营计划。企业需要围绕总体战略目标和经营计划，对企业管理各环节、经营过程、执行风险管理等基本流程逐步建立全面管理指标体系。
以地产为例，最核心的经营指标一般包括计划、货值、现金流、利润，基于这四项再确定更细化的指标。比如：计划，包括供货计划、开发效率、工程节点等；货值，包括土储、开工、存货等；现金流，包括结转、回款、收入等；利润，包括税费、成本、费用等。
接下来，建设分层级的数字化洞察体系。从战略目标分解公司级、项目及指标，需要细化板块战略决策和管理要求，形成集团级和项目及经营指标及各专业线条的业务指标。
(上图为示例)紧接着梳理业务及管理流程，建立业务和管理的分析指标体系。比如针对运营板块，将运营计划管理、运营管理、运营成功管理、经营目标管理、运营策划管理、运营信息管理六大维度，与实际的项目指标(在建数量、在建面积、签约额、签约面积等等)结合，建立一套更完整的指标体系。
最后一个环节，建立经营指标字典。这部分又包括4个关键动作，一是指标的确立，即梳理确定各专业线条的指标名称与内涵；二是指标规则，明确指标计算公式、数据来源、统计维度等，比如销售额，明确是否包含非操盘销售额；三是指标维护，对指标统计更新的时间加以明确；四是指标应用，即明确各项指标的部门或者专业线条。
通过调研及信息的拉通，最终可以形成企业的数据字典。
以一个场景举例：比如今年企业强调高质量的建设项目，那么很有可能针对利润及计划指标的控制，会比其它销售指标更为看重。了解了指标建设的重点，就要根据企业的组织架构建立分层级的指标洞察，比如每个组织应该如何为企业的利润进行负责，确定到组织的目标之后，就要将指标进一步拆分到组织的运营体系中去，通过精细的业务流程对应的经营管控目标来对整个组织执行的流程进行管控和分析，提升精细化运营的能力。最后通过前面的拆解，就可以构建出上面提到的整体的指标字典。
接下来是第二个大步骤，数据标准建设，也就是明确业务认可的指标口径。数据标准是描述公司层面需共同遵守的属性层数据含义和业务规则，从公司层面来拉通大家对同一个数据的共同理解，并共同遵守。
从落地来说，数据标准需要包含如下4个方面才能形成标准规范：
1、明确责任人：可以理解为是数据管家，使得数据项的定义或规则等问题都可以找到责任主体
2、统一含义：为数据项的含义在全公司提供统一和一致的理解，大家共同遵守
3、统一规则：数据标准中定义相关业务规则和标准格式，以及规则和允许值列表等
4、标准重用：在开发过程中对标准的重用降低标准
需要注意的是，制定数据标准的过程并不是IT自己来梳理，需要通过与相关业务部门的共同协作来进行。通过范围的确定，内容的编写与评审和修正，最终得出业务与技术一致的标准进行发布。这样可以避免后期建设过程中的标准不一致的情况。
比如业务视角可能会关注到主题域、业务对象、数据分类、业务属性等，技术视角可能会关注到系统字段、数据类型、是否有允许值列表等，管理视角可能会侧重业务规则责任主体、数据维护责任主体等。
因此惟客数据认为，企业要做到数据指标口径统一不是一步到位的事情，需要考虑到业务、技术、管理视角，拉通业务部门更是必要步骤，但总体来说，对于提高企业内部协同效率和经营情况是有价值的。
关于惟客数据：
WakeData惟客数据是一家以大数据和AI人工智能为核心的数字化客户经营服务商，率先提出数字连接、数据智能、数字运营的数字化升级实践路径。面向不动产、家居、汽车和泛零售等线下行业提供「惟客云」数字化客户经营系统，以客户为中心、以数据驱动，助力企业提升客户服务体验和经营效率。截至目前，中国超过510万C端消费者使用惟客云，覆盖近万家线下门店。
