第一篇:万字干货总结:最全的运营数据指标解读
万字干货总结:最全的运营数据指标解读
业务是一个复杂体系,数据分析也从来不简单,两者结合都是充满挑战的。作者总结了一份全面的运营数据指标,希望给大家的工作带来帮助与启发。
运营和数据分析脱离不开关系。业务的洞悉决定了数据分析结果的上限,数据技巧只是逼近它。
每个产品和运营都应该洞察业务指标,希望通过本文,让新人对业务指标的分析有一个大概框架。文章的内容会给你「宽」和「泛」的感觉,希望对新人有帮助,老人一笑而过就行了。
用户获取
用户获取是运营的起始,用户获取接近线性思维,或者说是一个固定的流程:用户接触-用户认知-用户兴趣-用户行动/下载。每一个流程都涉及多个数据指标。渠道到达量
俗称曝光量,即产品推广页中有多少用户浏览。它可以在应用商店,可以在朋友圈,可以在搜索引擎,只要有流量的地方,都会有渠道曝光。
曝光量是一个蛮虚荣的数字,想一想现代人,每天要接触多少信息?其中蕴含了多少推广,最后能有几个吸引到用户?更多时候,渠道到达量和营销推广费挂钩,却和效果相差甚远。
广告和营销还会考虑推广带来的品牌价值。用户虽没有点击或和产品交互,但是用户知道有这么一个东西,它会潜移默化地影响用户未来的决策。然而品牌价值很难量化,在广告计算中,系统只会将用户的行为归因到最近一次的广告曝光。
广告点击量称为CTR,广告点击量/广告浏览量,除了广告,它也应用在各类推荐系统的评价中。
渠道转化率
既然广告已经曝光,那么用户应该行动起来,转化率是应用最广阔的指标。业界将转化率和成本结合,衍生出CPM,CPC,CPS,CPD,CPT等。
CPM(Cost Per Mille)指每千人成本,它按多少人看到广告计费,传统媒介比较倾向采用。CPM推广效果取决于印象,用户可能浏览也可能忽略,所以它适合在各类门户或者大流量平台采用Banner形式展现品牌性。 CPC(Cost Per Click)指每用户点击成本,按点击计价,对广告主来说,这个比CPM的土豪作派理性多了。也有很多人会认为,CPC不公平,用户虽然没有点击,但是曝光带来了品牌隐形价值,这对广告位供应方是损失。
CPA(Cost Per Action)指每行动成本,按用户行为计价,行为能是下载也能是订单购买。CPA收益高于前两者,风险也大得多,它对需求方有利对供应方不利。
以上三种是常见的推广方式,CPT按时间,CPS和CPS算在CPA的范围内。渠道推广是依赖技术的行业,用户画像越精准,内容与用户越匹配,则越容易产生收益。
还有一种指标eCPM(effective cost per mille),每一千次展示可获得收入,这是广告主预估自身收益的指标。
渠道ROI ROI是一个广泛适用的指标,即投资回报比。
市场营销、运营活动,都是企业获利为出发点,通过利润/投资量化目标。利润的计算涉及财务,很多时候用更简单的收入作分子。当运营活动的ROI大于1,说明这个活动是成功的,能赚钱。
除了收入,ROI也能推广到其他指标,有些产品商业模式并不清晰,赚不到钱,那么收入会用其他量化指标代替。譬如注册用户量,这也就是获客成本了。日应用下载量
App需要下载,这是一个中间态,如果不注意该环节也会流失不少用户。应用商店的产品介绍,推广文案都会影响。有些动辄几百M的产品,常将部分安装留在初次启动应用时以补丁形式完成,如各类游戏,就是怕漫长的下载时间造成玩家流失。
第三方平台下载到用户注册App,这步骤数据容易出错,主要是用户对不上。技术上通过唯一设备ID匹配。
日新增用户数
新增用户数是用户获取的核心指标。
新增用户可以进一步分为自然增长和推广增长,自然增长可以是用户邀请,用户搜索等带来的用户,而推广是运营人员强控制下增长的用户量。前者是一种细火慢炖的优化,后者是烹炸爆炒的营销。
用户获客成本
用户获取必然涉及成本,而这是运营新手最容易忽略的。获取新增用户,运营都应该知道的事
获客成本应该直接和新增用户的财务挂钩,比如地推费用,新用户礼品。但是整个产品的运营环节成本不应该计算入内。直面上的获客成本成本,微信粉丝在10~20元,产品根据不同业务形态价格差异极大。金融理财类的产品,一个有效用户成本超过四位数,非常夸张。而行业的整体获客成本仍旧在上升。一次会话用户数
一次会话用户,指新用户下载完App,仅打开过产品一次,且该次使用时长在2分钟以内。这类用户,很大可能是黑产或者机器人,连羊毛党都算不上。
这是产品推广的灰色地带,通过各种技术刷量,获取虚假的点击量谋取收益。该指标属于风控指标,用于监管。
用户活跃
用户活跃是运营的核心阶段,不论移动端、网页端或者微信端,都有相关指标。另外一方面,现在数据分析也越来越注重用户行为,这是精细化的趋势。
日活跃用户/月活跃用户
行业默认的活跃标准是用户用过产品,广义上,网页浏览内容算「用」,在公众号下单算「用」,不限于打开APP。这一部分内容可以参考我之前的文章《用户运营,如何做好活跃用户的数据分析》。
活跃指标是用户运营的基础,可以进一步计算活跃率:某一时间段内活跃用户在总用户量的占比。按时间维度,则有日活跃率DAU、周活跃率WAU和月活跃率MAU。活跃用户数,衡量的是产品的市场体量,活跃率,看的则是产品的健康。
可仅仅打开产品,能否作为产品健康的度量?答案是否定的。成熟的运营体系,会将活跃用户再细分出新用户、活跃用户、忠诚用户、不活跃用户、流失用户、回流用户等。流失用户是长期不活跃,忠诚用户是长期活跃,回流用户是曾经不活跃或流失,后来又再次打开产品的活跃用户。
通过不同的活跃状态,将产品使用者划分出几个群体,不同群体构成了产品的总用户量。健康的产品,流失用户占比不应该过多,且新增用户量要大于流失用户量。
PV和UV PV是互联网早期Web站点时代的指标,也可以理解为网页版活跃。PV(PageView)是页面浏览量,用户在网页的一次访问请求可以看作一个PV,用户看了十个网页,则PV为10。
UV(Unique Visitor)是一定时间内访问网页的人数,正式名称独立访客数。在同一天内,不管用户访问了多少网页,他都只算一个独立访客。怎么确认用户是不是同一个人呢?技术上通过网页缓存cookie或者IP判断。如果这两者改变了,则用户算作全新的访客。PV和UV是很老的概念,但是数据分析绕不开他们,除了产品上各页面的浏览,在第三方平台如微信,各类营销活动都只能通过Web页实现,PV和UV便需要发光发热了。
有一点需要注意的是,微信浏览器不会长期保留cookie,手机端的IP也一直变动,基于此统计的UV会有误差(不是大问题,只是uv中的新访客误差较大)。这里可以通过微信提供的openid取代cookie作为uv基准,需要额外的技术支持。
用户会话次数
用户会话也叫session,是用户在时间窗口内的所有行为集合。用户打开App,搜索商品,浏览商品,下单并且支付,最后退出,整个流程算作一次会话。
会话的时间窗口没有硬性标准,网页端是约定俗成的30分钟内,在30分钟内用户不管做什么都属于一次会话。而超过30分钟,不如出去吃个饭回来再操作,或者重现打开,都属于第二次会话了。
移动端的时间窗口默认为5分钟。
用户会话次数和活跃用户数结合,能够判断用户的粘性。如果日活跃用户数为100,日会话次数为120,说明大部分用户都只访问了产品一次,产品并没有粘性。用户会话依赖埋点采集,不记录用户的操作,是无法得知用户行为从哪里开始和结束的。另外一方面,用户会话是用户行为分析的基础。
用户访问时长
顾名思义,用户访问时长是一次会话持续的时间。不同产品类型的访问时长不等,社交肯定长于工具类产品,内容平台肯定长于金融理财,如果分析师发现做内容的产品大部分用户访问时长只有几十秒,那么最好分析一下原因。
功能使用率
除了关注活跃,运营和数据分析师也应该关注产品上的重要功能。如收藏,点赞,评论等,这些功能关系产品的发展以及用户使用深度,没有会喜欢一个每天打开产品却不再做什么的用户。
功能使用率也是一个很宽泛的范围,譬如用户浏览了一篇文章,那么浏览中有多少用户评论了,有多少用户点赞了,便能用点赞率和评论率这两个指标,然后看不同文章点赞率和评论率有没有差异,点赞率和评论率对内容运营有没有帮助,这些都属于功能使用率。又譬如视频网站,核心的功能使用率就是视频播放量和视频播放时长。
微信公众号指标即可以单独说,也能把它作为产品的功能延伸看待。图文送达率,转化分享率,二次转化分享率,关注者增量等和本文其他指标一脉相承。只是第三方数据多有不便,更多分析依赖假设。
用户留存 如果说活跃数和活跃率是产品的市场大小和健康程度的话,那么用户留存就是产品能够可持续发展。
留存率
用户在某段时间使用产品,过了一段时间后,仍旧继续使用的用户,被称为留存用户。留存率 = 仍旧使用的用户/ 当初的总用户量。
在今天的互联网行业,留存是比新增和活跃提到次数更多的指标,因为移动的人口红利没有了,用户越来越难获取,竞争也越来越激烈,如何留住用户比获得用户更重要。
假设产品某天新增用户1000个,第二天仍旧活跃的用户有350个,那么称次日留存率有35%,如果第七天仍旧活跃的用户有100个,那么称七日留存率为10%。
Facebook有一个著名的40-20-10法则,即新用户次日留存率为40%,七日留存率为20%,三十日留存率为10%,有此表现的产品属于数据比较好的。
上面的案例都是围绕新用户展开,还有一种留存率是活跃用户留存率,或者老用户活跃率,即某时间活跃的用户在之后仍旧活跃的比率。它更多用周留存和月留存的维度。新增留存率和活跃率是不同的,新增留存率关系于产品的新手引导,各类福利,而活跃留存率和产品氛围,运营策略,营销方式等有关,更看重产品和运营的水平。
用户流失率
用户流失率和留存率恰好相反。如果某产品新用户的次日留存为30%,那么反过来说明有70%的用户流失了。
流失率在一定程度能预测产品的发展,如果产品某阶段有用户10万,月流失率为20%,简单推测,5个月后产品将失去所有的用户。这个模型虽然简陋,用户回流和新增等都没有考虑,但是它确实反应了产品未来的生命周期不容乐观。
这里可以引出一个公式,生命周期 =(1/流失率)*流失率的时间维度。它是经验公式,不一定有效。
产品的流失率过高有问题么?未必,这取决于产品的背景形态,某产品主打婚礼管理工具,它的留存率肯定低,大多数用户结婚后就不用。但这类产品一定有生存下去的逻辑。旅游类的应用也是,用户一年也打开不了几次,但依旧能发展。
退出率
退出率是网页端的一个指标。网页端追求访问深度,用户在一次会话中浏览多少页面,当用户关闭网页时,可认为用户没有「留存」住。退出率公式:从该页退出的页面访问数/进入该页的页面访问数,某商品页进入PV1000,该页直接关闭的访问数有300,则退出率30%。跳出率是退出率的特殊形式,有且仅浏览一个页面就退出的次数/访问次数,仅浏览一个页面意味着这是用户进入网站的第一个页面,俗称落地页LandingPage。
退出率用于网页结构优化,内容优化。跳出率常用于推广和运营活动的分析,两者容易混淆。
营销
营销也有自己的数据体系,互联网的数据体系就是脱胎于此才发展出AARRR框架。产品的发展模式有两种,如果一款产品能够在短时间获得百万用户,AARRR框架更适合它;如果一款产品从第一个用户起即有明确的商业模式,也能尝试套用市场营销的概念。
用户生命周期
用户生命周期来源于市场营销理论,旧称客户生命周期。
它有两种含义,一种是针对用户个体/群体的营销生存窗口。用户会随时间推移发生变化,这种变化带来无数营销机会,对市场和企业是机遇。如怀胎十月,它就是一个生命周期为十月的营销窗口,企业会围绕这时期的用户建立特定营销。搬家,大学毕业,买房等都具有典型的周期特征。
另外一种是用户关系管理层面的生命周期,它对运营人员更重要。产品和用户的业务关系会随着时间推移改变。在传统营销中,分为潜在用户,兴趣用户,新客户,老/熟客户,流失客户。这几个层层递进的阶段和用户活跃很像。对于一款母婴产品,我既要知道营销的生存窗口,即怀孕了几个月,因为孕早期和孕晚期的营销侧重点不一样,刚怀孕肯定是最合适的。也要知道用户本身和产品对应的关系,这位妈妈是新客户,还是曾经用过App但流失了。
营销数据分析中,最关键的环节就是新客户—流失客户这个阶段,一位用户能和产品互动多久,将决定产品的生命力。听起来和留存挺像的,上文提过的生命周期计算公式,就是脱胎于市场营销。
用户生命周期价值
生命周期价值是用户在生命周期内能为企业提供多少收益,它需要涉及财务定义。互联网行业更多提到生命周期,而不是生命周期价值,因为互联网的商业模式没有传统营销的买和卖那么简单明确。
举个例子,微信用户的生命周期价值能否计算?并不能,不论是广点通、游戏或者微信理财,都推导不出一个泛化的模型。但是部分产品,如金融和电商,生命周期价值是可计算的。
以互联网金融举例,某App提供理财和现金贷款两种业务,公司从这两个业务中获得收入通常是一个较稳固的比率,而成本支出平摊每个用户头上也是固定常数。所以利润就变成了用户理财和贷款的金额大小,以及生命周期的长短。这两者都是可估算的。
生命周期价值比生命周期重要,因为公司要活下去,就得赚更多的钱,而不是用户使用时间的长短。更多内容见《浅谈运营的商业逻辑:CAC和CLV》。客户/用户忠诚指数
忠诚指数是对活跃留存的再量化。活跃仅是产品的使用与否,A用户和B用户都是天天打开App,但是B产生了消费,那么B比A更忠诚。数据往往需要更商业的指标描述用户,消费与否就是一个好维度。
我们可以用一个简化模型表示:
t是一个时间窗口,s代表消费次数,代表的距今某段时间内的消费次数。若时间窗口选择月,那么t=1是距今第1个月内的消费次数,t=2是距今第2个月内的消费次数,列举数据如下。
将消费次数代入s/(s+1),对数据进行转换,它的目的是收敛。以忠诚角度看,消费10次和消费100次的差异并不大,都属于很高且难以流失的用户,10/11和100/101的关系,并且有效规避极值。对于消费0次,1次,2次的用户,则对应0,0.5和0.66,在业务上也具备可解释性。
各月份求和得出的指数能反应用户在消费方面的忠诚。图例只是解释,实际应用过程中需要归一化,并且考虑时间权重:越近的消费肯定越忠诚。上述的模型在于简单,适合各类商业模式的早期分析,如金融投资,便可以计算用户每个季度的投资次数。
客户/用户流失指数
流失指数是对流失的再量化,它是忠诚指数的反面。流失率衡量的是全体用户,而为了区分不同用户的精细差异,需要流失指数。在早期,流失指数=1-忠诚指数。
流失指数和忠诚指数的具体定义能根据业务需要调整,比如忠诚按是否消费,流失按是否打开活跃,只要解释能站住脚。
在拥有足够的行为数据后,可以用回归预测流失的概率,输出[0,1]之间的数值,此时流失的概率便是流失指数。
客户/用户价值指数
用户价值指数是衡量历史到当前用户贡献的收益(生命周期价值是整个周期,包括未来),它是精细化运营的前提,不同价值的用户采取不同策略以最大化效果。用户价值指数的主流计算方式有两种,一种是RMF模型,利用R最近一次消费时间,M总消费金额,F消费频次,将用户划分成多个群体。不同群体即代表了不同的价值指数。
第二种是主成分分析PCA,把多个指标转化为少数几个综合指标(即主成分),其中每个主成分都能够反映原始变量的大部分信息,且所含信息互不重复。
假设有一个旅游攻略网站,怎么界定优质的内容贡献者?用户的文章发布量?文章被点赞数?用户被关注数?文章好评数?文章更新频次?每个指标都挺重要的,主成分分析能囊括上述所有指标,将其加工成两到三个指标(通常是线性相关指标被合并)。这时再加工成价值指数则不难了。
上述各类指数,都是针对用户营销的明细数据。如何应用呢?最经典的是矩阵法,将指标划分出多个象限,如用户价值指数和用户流失指数。
对于用户价值高且流失指数高的用户,应该采取积极的唤回策略,对于用户价值低且流失指数高,那么考虑成本的平衡适当运营即可…这就是精细化运营的一个案例,也是市场营销多年来总结出的有效方法。
传播/活动
把传播和活动放到一起讲,它们是一体两面。
K因子
国外用得广泛的概念:每位用户平均向多少用户发出邀请,发出的邀请又有多少有效的转化率,即每一个用户能够带来几个新用户,当K因子大于一时,每位用户能至少能带来一个新用户,用户量会像滚雪球般变大,最终达成自传播。当K因子足够大时,就是快口相传的病毒营销。
国内的邀请传播,主体自然是微信朋友圈。微信分享功能和网页都是能增加参数统计的,不难量化。病毒传播周期
活动、广告、营销等任何能称之为传播的形式都会有传播周期。病毒性营销强则强矣,除非有后续,它的波峰往往只持续两三天。这也是拉新的黄金周期。
另外一种传播周期是围绕产品的邀请机制,它指种子用户经过一定周期所能邀请的用户。因为大部分用户在邀请完后均会失去再邀请的动力,那么传播周期能大大简化成如下:假设1000位种子用户在10天邀请了1500位用户,那么传播周期为10天,K因子为1.5,这1500位用户在未来的10天内将再邀请2250位用户。
理论上,通过K因子和传播周期,能预测依赖传播带来的用户量,可实际的操作意义不大,它们更多用于各类活动和运营报告的解读分析。
用户分享率
现在产品都会内嵌分享功能,对内容型平台或者依赖传播的产品,分享率是较为重要的指标,它又可以细分为微信好友/群,微信朋友圈,微博等渠道。
有一点值得注意,数据只能知道用户转发与否,转发给谁是无法跟踪的。所以产品用物质激励用户分享要当心被薅羊毛。反正我转发都是给「文件传输助手」的…
活动曝光量/浏览量
传播和线上活动是息息相关的,这两者的差异不大。想要做好一个活动,单纯知道活动的浏览量是不够的,好的活动一定是数据分析出来的。以朋友圈最寻常见的红包营销举例。它的分析通过网页参数,如下: aaa.com/activity/bigsales/?source=weixin&content=h9j76g&inviter=00001×tamp=1495286598 问号后面的是网页参数,source=weixin说明网页是分享到微信的。content=h9j76g是页面具体内容,这里则是营销红包的类型。inviter=00001说明是哪个用户分享出去的,timestamp则是分享的具体时间戳。不同用户的分享页面有不同参数,按此作区分。
当这些页面被用户分享到朋友圈时,数据采集系统会记录所有页面的打开浏览。而页面参数则是活动精细化分析的前提。通过source=weixin,数据分析师知道了红包活动在微信的浏览量,相对应的还有QQ和微博。content则能看出用户喜欢哪个类型的红包,哪种红包被领取得多,成本又是多少。inviter则能看出平均每个分享者的分享页能带来多少浏览量。
参数越多,分析的维度就能越细,活动可优化的空间也越大。如果大家有心的话,可以看朋友圈(包括网页)各种活动的网页参数,观察其他产品的分析维度,它山之石可以攻玉,这是一个好习惯。
活动参与率
活动参与率衡量活动的整体情况,可以套用用户活跃的分析指标。
这个活动的参于人数(活跃数)多少?有多少老用户参与了这个活动?有多少新增用户因为这个活动来,传播类的活动分享数据怎么样?活动中的各个流程转化如何?活动带来多少新订单。其实,运营活动可以看作一个短生命周期的产品,产品的一切指标都能应用于其中。好的活动应该机制化,把它融入到产品的功能机制中,比如滴滴打车的红包,美图饿了么的红包,都是从活动逐渐变成一种打法和抓手。更早期的各类网游,也是通过活动的推成出新成为了现在常态化的游戏功能。
活动的机制化,意味着数据要分析活动指标,发现优点以改进,之后同样常态化成报表:今天使用了多少红包,今天有多少用户因为活动新增,等等。
营收
产品,运营或者市场人员,从来不是为活跃、留存负责,而是商业,是企业的根本财务。数据分析也不是为了提高活跃和留存,而是像一个巨头的漏斗,最终将业务驱动于此,即回归商业的本质。
活跃交易用户数
从产品曝光到用户下载,用打开活跃到产生收入,产品的指标在一步步往商业靠拢,活跃交易用户则是核心指标。整个流程呈现漏斗状。
这里的交易,即是买方的消费,也包含卖方的供应。若平台包含B端和C端,则两端同等重要,均需要纳入数据体系。
和活跃用户一样,活跃交易用户也可以区分成首单用户(第一次消费),忠诚消费用户,流失消费用户等。细分交易数据和指标,关系到产品商业化的进展,所以是有必要的。其实到这个环节,各类指标已经更倾向用户画像,而非报表统计了。活跃用户交易比,统计交易用户在活跃用户中的占比。当产品活跃用户足够多,但是交易用户少,此时的商业化是有问题的,俗称的变现困难,很多公司都倒在这一步。
GMV 成交总金额,只要用户下单,生成订单号,便可以算在GMV里,不管用户是否真的购买了。互联网电商更偏好这个指标。
成交金额对应的是实际流水,是用户购买后的消费金额。销售收入则是成交金额减去退款。至于利润、净利率,涉及到财务成本,数据分析挺难拿到这类数据,所以不太用到。
把上述的三个指标看作用户支付的动态环节,则能再产生两个新指标,这也是数据分析的思维之一。成交金额与GMV的比率,实际能换算成订单支付率;销售收入和成交金额,也涉及到了退款率,当分析陷入卡顿时,不妨观察下这两个指标,或许有帮助。
客单价
传统行业,客单价是一位消费者每一次到场消费的平均金额。在互联网中,则是每一笔用户订单的收入,总收入/订单数。
很多游戏或直播平台,并不关注客单价,因为行业的特性它们更关注一位用户带来的直接价值。超市购物,用户购买是长周期性的,客单价可以用于调整超市的经营策略,而游戏这类行业,用户流失率极高,运营人员更关注用户平均付费,这便是ARPU指标,总收入/用户数。ARPU可以再一步细分,当普通用户占比太多,往往还会采用每付费用户平均收入ARPPU,总收入/收费用户数。
复购率
若把复购率说成营收届的留存率,你就会知道它有多重要了。和新增用户一样,获得一个新付费用户的成本已经高于维护熟客的成本。
在不少分析场景中,会将首单用户单独拎出来作为一个标签,将两次消费以上的用户作为老客,之所以这样做,是从一到二的意义远不止加一那么简单。
用户第一次消费,可能是体验产品,可能是优惠,可能也是运营极大力地推动,各类因素促成了首单。而他们的第二次消费占比会有断崖式下跌(对应次日留存率的下跌),因为这时候的消费逐渐取决于用户对产品的信任,模式的喜欢或者习惯开始养成。
很多时候,用户决策越长往往意味着客单价越高,如投资,旅游。此时首单复购率越是一个需要关注的指标,它意味着更多的利润。
复购率更多用在整体的重复购买次数统计:单位时间内,消费两次以上的用户数占购买总用户数。
回购率是另外一个指标,值得是上一个时间窗口内的交易用户,在下一个时间窗口内仍旧消费的比率。例如某电商4月的消费用户数1000,其中600位在5月继续消费,则回购率为60%。600位中有300位消费了两次以上,则复购率是50%。退货率
退货率是一个风险指标,越低的退货率一定越好,它不仅直接反应财务水平的好坏,也关系用户体验和用户关系的维护。
商品
这里谈以商品为主的数据分析,商品不限于零售行业,知识市场、虚拟服务、增值服务都属于商品的一种。它有许多通用的分析模板,如购物车、进销存。
购物篮分析
购物篮分析不应限于电子商务分析,而是用户消费行为分析。
连带率是购物篮分析的一种指标,特指销售件数和交易次数之比。在大型商场和购物中心中,连带消费是经营的中心,用户多次消费即连带消费。在电商中是购物的深度,是单次消费提高利润的前提。
商品热度是一种快速见效的分析。可以将商品分为最热门Top20,最盈利Top20等,它依托二八法则,找出利润的抓手,很多营销会将它和连带率结合,像电子商务,重点推广多个能带来流量的热门爆款,爆款并不赚钱,而是靠爆款连带销售其他有利润的商品。这种流量商品连带利润商品的策略并不少见。
购物篮分析中最知名的想必是关联度,简单理解是,买了某类商品的用户更有可能买哪些其他东西。啤酒与尿布大概是最知名的案例了,虽然它是错的,但揭示了商品之间确实存在关联。关联分析有两个核心指标,置信度和支持度。支持度表示某商品A和某商品B同时在购物篮中的比例,置信度表示买了商品A和人有多少同时买了B,表示为A→B。老王每次去菜场买菜都喜欢买一把葱,在老王的菜篮(购物篮)分析中,葱和其他菜的支持度很高,可是能说明老王买葱后就一定买其他菜(葱→其他菜)么?不能,只能说老王买了菜会去买葱(其他菜→葱)。除此还有提升度。最有名的是Apriori算法。
关联分析并非只适用于购物篮,在很多营销场景中都会用它作为追加销售和交叉销售。常见有大额消费+现金贷,医疗健康+保险等,目的便是提高营收。
进销存
进销存是传统零售行业的经典管理模型,将企业商品经营拆分出采购、入库、销售三个环节,并且建立全链路的数据体系。在实际业务中,许多场景与进销存都息息相关。
电子商务有几个基础概念,商品、SKU、SPU。商品就是对应消费者理解的单品,任何主流的电子商务网站,商品详情页都对应一个商品,也称为SPU。而在商品详情页中,还会涉及尺码,颜色,样式的选择,这类属性形成了SKU,最小单位库存。每一个属性都对应着不同的SKU,如一件衣服有SML三个尺寸,则这件衣服是一个SPU,三个尺寸对应着三个SKU。
商品管理没有我们想象的那么简单,有些用户喜欢玫瑰金的iPhone,有些用户钟情于128G,如何更好地迈出这些商品,是从采购环节就开始的。采购包括广度、宽度、深度三个维度。广度是商品品类,越充足的品类越能满足消费者的消费,但是也带来管理难销售难的缺点。市面上手机品类总共有50个,某手机店出售30种,品类比为60%。
采购宽度是SKU占比,代表商品供选择的丰富程度。iPhone有黑色、银色、玫瑰金三种颜色和16G、64G、128G三种容量,共9个SKU,如果手机店只卖玫瑰金色,则SKU占比0.33。采购深度是平均每个SKU的商品数量。
库存是一个中间状态,采购是进,销售是出。库存是一个动态滚动的变化过程,我们常拿过去时间窗口内的库存消耗速度衡量现有存量的消耗。某商场4月每天消耗库存1000件,4月末的库存为5万件,则这5万件的需要50天才能消耗完,50天被称为库存天数。虽然公式是理想状况,但以其判断缺货是没问题的。
销售环节大家更熟悉,指标聚焦在两个方面,销售的速度和销售的质量。销售速度常表示为售罄率,表示为时间窗口内的销售数量/时间窗口内的库存数量,这是比率,故可以用累计售罄率。某商品3月份累计售罄率50%,4月份累计售罄率60%,5月份累计售罄率80%,说明商品逐渐卖断货应该补货了,反过来售罄率一直低迷,则应该促销或者降低进货。
销售的质量和折扣率挂钩,乃是实收金额和标准金额的比率。国内各种红包折扣促销非常多,折扣率的统计师是非常有必要的。折扣率的典型应用是价格弹性指数:当价格变化1%时,商品销量变化的百分比。这个指数将直接影响利润。
进销存内容比较多,熟悉了留存活跃分析的人可能会稍有些不习惯。可是互联网变现的主流模式是电商或其变种,这方面的知识不可或缺。拿互联网金融来说,投资标的有典型的进货和库存特征,标的的投资额大小,风险等级与类型,标的剩余数量和预计库存天数,都是能直接适用进销存指标的。当分析师发现某理财标的库存天数过长,则要分析原因,是SKU过多,还是增长乏力。
最后
到这里,大家已经头晕了吧,业务是一个复杂体系,数据分析也从来不简单,两者结合都是充满挑战的。我的内容也没有囊括全部,比如电商还有搜索有效性的指标,用户在搜索框搜索,有多少为空搜索?而非空搜索中,有多少产生点击的有效搜索?小小一个搜索框也有很多门道。
更重要的能力是洞察和发现,文章所有的指标,并非我发明的,都是市场营销与数据分析的前辈总结而出,但是我个人学习中,并非囫囵吞枣,每个指标我都会停下思索如何用?过往哪种经验能和他联系起来。数据分析短期内是无法快速获得业务经验,但是多思考是一种更好掌握的技巧。
当然,分析中用不到那么多指标,往往两到三个关键指标足够,从业务方看,这些指标也不尽然是工作内容,大家别为KPI感到压力。更好的驱动与分析方式,是针对部门设立一个大目标,比如营收,将营收拆分成两到三个有逻辑关联的二级指标,如更多的付费用户能带来营收,更长的生命周期能带来营收,更高的客单价能带来营收。将二级指标分配个多个小团多或者按时间排期执行,二级指标也能拆分成三级。
作者:秦路,人人都是产品经理专栏作家。
关注微信公众号cn99click,免费获取试用产品及更多精华干货文章!
第二篇:干货丨智慧城市与城市数据运营
干货丨智慧城市与城市数据运营
来源:DT财经 时间:2016-06-14 15:44:49 作者:王鹏
PPT干货:五环和六环之间,藏着另一个北京
王鹏:非常有幸跟大家分享一下同衡在智慧城市和城市数据运营方面的感受。
城市规划师是比较另类的角色,我们属于大数据几大门派里的“忽悠派”。我们认为,智慧城市的本质,应该是运用信息技术去解决城市问题。城市规划师的工作本来就需要集成各种学科知识去解决问题,智慧城市在我们解决问题的手段上增加了一个ICT技术。
在实践中,我们总结出以数据为核心的“智慧城市”体系结构。针对我国城市发展现状,提出各行业协同实现“感知-应用-共享信息”的模式。
我们的城市数据运营实践,主要包括智慧城市顶层设计、城市数据的获取与感知、数据分析以及城市数据实验室与数据平台四个部分。智慧城市在顶层设计方面,应该是帮助政府建立一套数据生态系统。如果缺少这个环节,我们就无法获得所需要的数据。智慧城市顶层设计方法论的基本原则,就是“以问题为导向,以数据为核心”,包括了“发现问题“和”解决问题“两个环节。
我们认为,不同城市和地区,在不同发展阶段下,面临着不同问题。所以,智慧城市建设就是要提供因地制宜的解决方案。
我们在数据获取与感知方面开展了多项工作。首先是众包与公众参与,我们搭建了一套包括APP、微信和web等的完整的规划和遗产保护公众参与平台,我们研发了高密度城市数据监测物联网设备等。此外,还包括与互联网企业的合作。
综合以上这些环节,我们以城市数据实验室与数据平台的方式系统运营城市数据,一方面,通过数据分析为政府提供大数据智库方式的决策咨询;另一方面,通过市场化研发孵化新的产品甚至企业。
案例1:上海城市体征数据云平台
新的数据环境带来了新的契机和新的应用方式。我想要介绍的第一个案例,是上海市体征数据云平台。基于城市数据实验室(Urban Data Lab)的构想,我们和上海市房屋土地资源信息中心、上海数慧、北京大学等进行战略合作,尝试开发城市数据平台。
上海市房屋土地资源信息中心拥有上海市政府的各种空间和规划数据,以及交通等实时数据。我们又一起整合了移动运营商的信令数据和互联网公司提供的位置服务(LBS)等行为数据。这些数据一起,形成全新的城市体征数据云平台。
在这个系统中,可以用各种数据分析手段,对上海不同地块的运行状态进行评价与分析,包括地块的基本情况、活动时段和居住特征等生态指标。
我们可以就此形成一套新的城市生命体征评价体系。该体系基于新数据,可以感知人在空间中的状态,为城市运行提供实时的诊断。
案例2:北京六环的城乡结合部
另一个案例则是“六环,你比五环多一环”。《五环之歌》想必许多人都知道。而去年,一个名为“六环,你比五环多一环”的艺术展览在北京举行,是艺术家们通过在北京五环与六环之间实地调研访谈所完成的艺术作品。这个地区有什么特点呢?住在北京的人可能都知道,这里是北京城乡结合部,聚集了大量多样的人口,并且城市规划非常混乱。
大家看下面左图,北京五环与六环之间的区域,藏着很多平时看不到的东西。可以说,这些数据里隐藏着“另一个北京”,最穷和最富的人都住在这个区域。而且很少有方法可以知道这里到底住了多少人,以及真正发生了什么事情。
我有一次去一个街道调研,问街道主任:“这个地方有多少人?“回答:“我们的统计是10万人”。但是,下一句话他说:“我估计这个地方得有30万人。”可见,政府对城市现状情况的掌握有多么欠缺,更别说制定出合理的城市政策。
我们现在掌握着北京大量的数据,因此可以对城市的动态变化进行非常深入的描述。我们想了解在北京五环到六环之间的这片城乡结合部地区,到底发生了什么。
这是我们基于手机、出租和公交等几组数据分析,通过机器学习分类得到的几种不同的村庄类型。
我们希望用大数据对不同状态类型进行描述,再用传统数据对结果进行验证。
工作日中,出行分成两个方向:一个方向是非正规的就业,传统上认为的流动人口,或者来自于农村非正规就业的人口。另一个方向是前往上地、中关村西区就业的高学历人口。
通过数据观察居住在这里的人群,他们工作时间较长,晚上21点到24点是回到居住地的主要时间段。
同时根据我的观察,他们周末出行距离较短或较少出行,休闲活动呈现比较单调的状态。
清华大学博士生盛明洁也对这个地方进行了非常深入的问卷调查,发现:居住在这里的人,他们的日常通勤距离,比北京市居民的通勤距离短,而且学历越低的话,通勤距离则越近。这与我们通过大数据的分析结果,较为一致。
数据发现了怎样的另一个北京?首先,数据可以推断五环与六环之间城市边缘区常住人口的规模与构成。其次,数据描述了这些常住人口的职业身份与日常生活状态。
我尤其感觉到,我们还需要关注传统规划中被忽视的城市边缘区的群体,对缺乏统计数据且高度动态化的区域进行精细化描述,通过多维多源数据融合,为城市决策提供支撑。
点击“ 《智慧城市与城市数据运营》 ”查看PPT原文。
作者丨王鹏,北京清华同衡规划设计研究院副总工程师
第三篇:中国大数据技术大会干货分享
中国大数据技术大会干货分享
2016年12月8日,由中国计算机学会(CCF)主办,CCF大数据专家委员会承办,中国科学院计算技术研究所、中科天玑数据科技股份有限公司与CSDN共同协办的2016中国大数据技术大会在京盛大开幕。
作为大数据领域规模最大、最具影响力的IT盛会,本次活动共历时三天。大会围绕“聚焦行业最佳实践,应用与数据深度融合”这一主题展开,同时涵盖金融大数据论坛,人工智能论坛、数据库论坛等在内的十二场专题论坛。与往届相比,本届大会更关注行业应用最佳实践,突出应运和数据的深度融合,并首次将人工智能、高性能计算等热点话题引入大会。粤科创投界熊昊博士、技术总监黄卓斌和来自国内外数千名大数据从业者与技术专家一同参加了本次大会。
中国科学院院士、北京理工大学副校长、CCF大数据专家委员会主任梅宏发表大会致辞。他表示,大数据对社会经济的发展、科学技术的研究,对国家治理甚至安全,都将产生重要的影响,推动大数据技术、科学及相关应用的发展已经成为国际社会的一个共识。加速相关的研发部署、深化大数据应用,已经成为稳增长、促改革、调结构、惠民生的内在需要和必然选择。
近年来,随着互联网金融的蓬勃发展,金融大数据已成为技术圈热议话题。在12月9日的金融大数据专题论坛上,平安大数据首席总监肖京分享了平安正在策划推出智能+金融大数据打造平安脑智能引擎,以及一系列大数据企业风险管理方案,如数据量化解决方案、数据整合解决方案、大数据企业风险管理平台。百度金融研发负责人沈抖表示大数据已经从用户画像、精准营销、风险管理、运营优化等各个方面支持银行、保险、证券的业务。有了大数据的支持,百度希望做到千人千面,即根据客户的兴趣爱好、人生阶段、对生活品质的要求、消费水平等方面,为不同用户制定不同的营销方案。
来自粤科创投界的技术专家熊昊博士,现场以”大数据时代的股权智能投资“作为分享议题,展开了精彩演讲,熊昊认为互联网股权投资将要进入2.0阶段,这一阶段特征表现为:积极应用人工智能、大数据技术,应用金融科技手段重塑金融核心业务过程。这个阶段面临的难点是对业务知识的理解、数据来源、技术的选择与应用。
论坛现场,粤科创投界熊昊博士着重讲到了大数据知识图谱在智能股权投资领域的应用,并结合大数据尽调和母基金智能报告两个场景做了详细介绍。基于中文语义的实体、概念、关系、情感数据的抽取,进行文本挖掘,语义分析,实体识别和关联挖掘,包含了大图划分算法、子图融合算法、碎片化知识整合等。通过知识图谱可以把数据用活,具体体现为三个方面,一个是持续不断的有消息的输入;第二是可以沿知识图谱定义的作用链进行自动推理;第三是知识图谱可以背靠大数据,实现人工+自动模式下的自我生长。从而形成尽调知识图谱、企业知识图谱、产业知识图谱,并最终生成自动化尽调报告。
据粤科创投界相关人士介绍,粤科创投界隶属广东省人民政府授权经营的国有独资企业粤科金融集团。2015年6月,粤科金融集团为响应“双创四众“的国家号召,联合中科招商集团等知名金融公司成立了互联网金融平台——粤科创投界,公司从成立之初,就注重大数据的应用和科技金融的探索,不断自学习大数据风控系统和海量基础数据的信审系统并应运于实践,是集团在金融大数据应用领域和科技金融领域的先锋兵。
第四篇:猪场标准数据指标
猪场标准数据指标
应当关注的生产数据:
流产率:按照月计算,此月能繁母猪出现返情和流产的比率 返情率: 配种率 出生重 产仔数 产健仔数 产房存活率 断奶体重 保育舍猪存活率 育肥舍猪存活率 出栏天数 出栏体重 料肉比 猪粮比 药物成本 日增重 日采食量 存栏量
PSY(每头母猪一年提供上市商品猪的数目)技术人员和猪场交流最关键的指标是:
1.母猪年提供的上市商品猪数:
·中国平均水平:14头 ·中国优秀水平:18头以上
2.能繁母猪存栏数/存栏数
·正常水平:1:10
·优秀水平:1:12 注:存栏数指的是保育、产房、育肥所有商品猪。
对于连续性生产的猪场。小于1:10的猪群不正常,如果大于1:12有可能肥猪没有卖。3.肥猪上市的天数及体重
·正常水平:110公斤 150-160d 140公斤左右的要到180多d(一天长1kg)4.产胎率
·正常水平:85%
·优秀水平:95%(温氏正常考核水平是87%)5.日采食量 母
猪:
后备猪:(选做后备种猪的最佳体重150斤)限饲2.5公斤左右/天。考虑营养浓度问题。
待配母猪:(待配种猪最佳体重230斤以上)长大(二元杂)最佳配种条件:7-8月龄,体重在230斤以上,两到三次以上发情期以后,而且发情规律。
怀孕前期(一个月内):限饲1.8-2.2公斤/天 怀孕中期(30-80天):2.5-2.8公斤/天 怀孕后期(81-107天):3.0-3.5公斤/天 84-90天开始换用哺乳料。
怀孕后期(108-114天):逐渐减至1.5-2.0公斤/天,逐步过渡在哺乳料,分娩当天不喂料。哺乳母猪料蛋白比率在18%。 分娩当天:麸皮+安特宝 分娩第二天:不少于1.5公斤/天
分娩五天:采食达到正常水平2.5公斤/天(8头猪计算)超过8头,多一头增加1公斤。不限食不剩料的原则。 分娩25天:不限料。仔猪采食量:
产房:7-10天开始诱食。饲料用教槽料,母猪用哺乳母猪料。 断奶后2周左右从教槽料换成保育料。1:
2、1:
1、2:1的方式3天换料。(断奶后两周的日增重200g左右,采食量1:1(200-300g左右)) 保育料换成小猪料
第五篇:(干货!!)人力资源管理分析指标库
人力资源管理分析指标库
一、人力资本能力
1.人员数量指标
【定义】是指反映报告期内人员总量的指标。1.1 期初人数
【定义】是指报告期最初一天企业实有人数,属时点指标。如月、季、年初人数。【收集渠道】人力资源部员工花名册 1.2期末人数
【定义】是指报告期最后一天企业实有人数,属时点指标。如月、季、年末人数。【收集渠道】人力资源部员工花名册 1.3统计期平均人数
【定义】是指报告期内平均每天拥有的劳动力人数,属序时平均数指标。【公式】
月平均人数= 报告期内每天实有人数之和÷报告期月日数 或:=(月初人数+月末人数)÷2
季平均人数=(季内各月平均人数之和)÷3
年平均人数=(年内各月平均人数之和)÷12或:=(年内各季平均人数之和)÷4 【收集渠道】人力资源部员工花名册
【备注】服务未满一年的按员工入职工作月份折算 1.4员工增长率
【定义】是指新增员工人数与原有企业员工人数的比例。
【公式】员工增长率=本期新增员工人数/上年同期员工人数*100%
【说明】员工增长率反映了企业人力资源的增长速度。同时也可以反映出人力资本的增长速度。将员工增长率与企业的销售额增长率、利润增长率等结合起来,可以反映出企业在一定时期内的人均生产效率。1.5新员工入职人数
【定义】是指现有员工人数减去原有企业员工人数。
【说明】该项指标可以帮助企业考虑是否需要对基础职位的设置进行调整。同时,还与培训需求有较大关联。1.6新员工转正人数
【定义】是指获得转正的员工人数与新员工入职人数的比例。
【说明】对比新员工入职人数和新员工转正人数,可以看出员工招聘的质量。同时,也可以对培训、薪酬、岗位设置等工作提供指导性数据。2.员工人数流动指标
【定义】是指企业内部由于员工的各种离职与新进所发生的人力资源变动。【收集渠道】人力资源部员工花名册 2.1人力资源流动率
【定义】是指报告期内企业流动人数(包括流入人数和流出人数)占总人数的比例。是考察企业组织与员工队伍是否稳定的重要指标,报告期一般为一年
【公式】流动率=(一年期内流入人数+流出人数)÷报告期内员工平均人数
【说明】流入人数指调入和新进人数,流出人数指退休、内退、调出、辞职、辞退和合同到期不再续签人数。由于人力资源流动直接影响到组织的稳定和员工的工作情绪,必须加以严格控制。若流动率过大,一般表明人事不稳定,劳资关系存在较严重的问题,而且导致企业生产效率低,以及增加企业挑选,培训新进人员的成本。若流动率过小,又不利于企业的新陈代谢,保持企业的活力。但一般蓝领员工的流动率可以大一些,白领员工的流动率要小一些为好。
【收集渠道】人力资源部员工花名册 2.2 净人力资源流动率
【定义】净人力资源流动率是补充人数除以统计期平均人数。所谓补充人数是指为补充离职人员所雇佣的人数。
【公式】净流动率=(补充人数÷统计期平均人数)*100%
【说明】分析净人力资源流动率时,可与离职率和新进率相比较。对于一个成长发展的企业,一般净人力资源流动率等于离职率;对于一个紧缩的企业,其净流动率等于新进率;而处于常态下的企业,其净人力资源流动率、新进率、离职率三者相同。【收集渠道】人力资源部员工花名册 2.3人力资源离职率
【定义】是指报告期内离职总人数与统计期平均人数的比例。其中离职人员包括辞职、公司辞退、合同到期不再续签(即终止合同)的所有人员。不包括内退和退休人员。【公式】离职率=离职总人数÷统计期平均人数×100%
=(辞职人数+辞退人数+合同到期不再续签人数)÷统计期平均人数×100%
【说明】离职率可用来测量人力资源的稳定程度。离职率常以月、季度为单位,如果以为单位,就要考虑季节与周期变动等影响因素。一般情况下,合理的离职率应低于8%。【收集渠道】人力资源部员工花名册 2.4 非自愿性的员工离职率
【定义】当企业解雇员工或终止员工工作时,就发生了非自愿性的员工流失。其主要表现为:某员工因不能完成本职工作,不能达到绩效标准,或有严重的或故意的错误行为,不再满足运作要求而引起的员工流失。非自愿性的员工流失不但包括下岗、裁员、辞退等正常形式,而且包括因员工死亡或终生残疾等导致合同失效而引起的非正常形式的员工流失。【公式】非自愿性的员工离职率=[(解雇员工人数+因残疾而离岗人数+下岗人数)÷统计期平均人数]×100%
【说明】对非自愿性的员工离职数据的分析,有利于辨识员工主要的离职原因,较低的非自愿性员工离职率有利有弊。我们可以通过非自愿性的员工离职率转换视角,重新审视企业的业绩和生产力问题。
【收集渠道】人力资源部员工花名册 2.5自愿性员工离职率
【定义】是指自愿离开企业的员工人数与统计期平均人数的比例。自愿性员工离职率可能受到很多因素的影响,其中包括员工的个人境况、公司的内部环境、行业的趋势和宏观的经济形势等。
【公式】自愿性的员工离职率=(自愿性离职的员工人数÷统计期平均人数)×100% 【说明】如果某一企业有较高的自愿性的员工离职率,可能是不健康的企业文化的反映,或者企业对员工的认同和奖励计划没有被恰当地评估,以及领导不力也会造成该比率的上升,也可能是该企业应该对招聘程序进行彻底地检查以确保工作岗位和雇佣员工的能力相匹配。【收集渠道】人力资源部员工花名册 2.6关键岗位员工离职率
【定义】是指处于关键岗位而自愿离开企业的员工人数与统计期平均人数的比例。此指标可能受到很多因素的影响,其中包括员工的个人境况、公司的内部环境、行业的趋势和宏观的经济形势等。
【公式】关键岗位员工离职率=(关键岗位自愿性离职的员工人数÷统计期平均人数)×100%
【说明】如果某一企业有较高的关键岗位自愿性的员工离职率,可能是不健康的企业文化的反映,或者企业对员工的认同和奖励计划没有被恰当地评估,以及领导不力也会造成该比率的上升,也可能是该企业应该对招聘程序进行彻底地检查以确保工作岗位和雇佣员工的能力相匹配。
【收集渠道】人力资源部员工花名册 2.7内部变动率
【定义】是指报告期内部门内部岗位调整、在某公司内部调动的人数同总人数的比例。【公式】内部变动率=(部门内部岗位调整人数+企业/集团内部调动人数)÷报告期内员工平均人数
【说明】员工调动人次可以反映组织的相对稳定性,可以使相关单位及时关注调动员工的工作情况
【收集渠道】人力资源部员工花名册 2.8员工晋升率
【定义】是指报告期内实现职位晋升的员工人数同总人数的比例。
【公式】员工晋升率=(报告期内实现职位晋升的员工人数)÷报告期内员工平均人数。【说明】进行员工晋升统计可以反映出企业内部提升的情况,为改进员工发展通道,制定员工职业规划提供依据。
【收集渠道】人力资源部员工花名册 3.人力资源结构指标
所谓人力资源结构分析也就是对企业现有人力资源的调查和审核,只有对企业现有人力资源有充分的了解和有效的运用,人力资源的各项计划才有意义。3.1人员岗位分布
【定义】是指按照特定的岗位划分,报告期末企业(部门)各岗位上实有人员的数量以及所占总人数的比重。
【公式】各岗位人员数量以某公司人力资源部员工花名册数据为准。
【说明】任何企业的人员都可以分成五大类:管理人员、技术人员、市场人员、生产人员和服务人员(后勤人员),管理人员又包含人力资源管理、财务管理、研发管理、工艺管理、质量管理、生产管理以及其他管理人员;技术人员又包含研发人员、工程人员、中试人员、质检人员、工艺人员,市场人员包括销售人员、营销人员、市场技术支持人员、客服人员;生产人员包括基本生产工人和辅助生产工人;后勤人员指招待员、清洁工、司机等。通过以每年年终的数据,观察不同类别人员的变化以及同类职群不同级别人员的变化,可以得到组织人才结构性的变化,如,高级专业员工的短缺。【收集渠道】人力资源部员工花名册
【备注】人员类别划分依据企业所处阶段和行业状况进行再规定 3.2人员学历分布
【定义】是指按照学历划分,报告期末企业(部门)所有在岗员工的最高学历情况统计。包括各学历层次相应的人数以及相应的比重。
【说明】员工学历是指已经正式获得国家承认的最高毕业文凭学历。某公司人员学历分为博士、硕士、本科、大专及大专以下五个层次。【收集渠道】人力资源部员工花名册 3.3 人员年龄、工龄分析指标 3.3.1人员年龄分布 【定义】是指按照年龄区间划分,报告期末企业(部门)实有人员在各年龄阶段相应的人数以及比重。【说明】
(1)年龄区间划分为25岁以下、26岁-35岁、36岁-45岁、45岁以上四个区间。(2)仅仅对年龄分布进行一维分析,只能看出员工的年龄层次结构。只有当把年龄分布和其他相关的指标结合起来,才可以从数据中看出问题,例如将年龄分布和学历分布结合,或者将年龄分布和人员职位层次结合,组成一个二维的人员结构分析表,才能从双重指标中所显示的数据中,看出人员结构所折射出的具体情况。
(3)对年龄分布进行分析,可以判断组织人员是否年轻化还是日趋老化,组织人员的稳定性和创造性,组织人员吸收新知识、新技术的能力,组织人员工作的体能负荷和工作职位或职务的性质与年龄大小的可能的匹配要求。以上四项反应情况,均将影响组织内人员的工作效率和组织效能。企业的员工理想的年龄分配,应呈三角形金字塔为宜。顶端代表45岁以上的高龄员工;中间部位次多,代表36岁-45岁的中龄员工;而底部位人数最多,代表20岁-35岁的低龄员工。
【收集渠道】人力资源部员工花名册 3.3.2平均年龄
【定义】是指报告期末企业(部门)所有在岗员工的年龄的平均值。
【说明】一般情况,平均年龄与员工知识更新速度和接受新知识的能力成正比。平均年龄越小,员工知识更新速度越快,知识结构层次更全,接受新知识的能力越强,企业的知识资源也就更为丰实。
【收集渠道】人力资源部员工花名册 3.3.3人员工龄结构分析
【定义】是指按照工龄区间划分,报告期末企业(部门)实有人员在各工龄阶段相应的人数以及比重。
【公式】各等级人员数量以某公司人力资源部员工花名册数据为准。
【说明】(1)工龄指标为员工在某公司工作工龄,截至日期为报告期期末,工龄超过半年按一年计算,半年以下按半年计算。
(2)通常工龄越长代表员工忠诚度越高,经验越多,工龄区间划分为5年以下、5年-10年、10年-15年、15年-20年,20年以上五个区间。【收集渠道】人力资源部员工花名册 3.4人员资质等级结构 【定义】是指按照职称体系划分,报告期末企业(部门)各职称等级上实有人员的数量以及所占总人数的比重。
【公式】各等级人员数量以某公司人力资源部员工花名册数据为准。
【说明】某公司职称结构根据职能不同设定4-5个不同级别,具体参见《某公司职位职称体系手册》。
【收集渠道】人力资源部员工花名册 3.5新增职位数量
【定义】是指每年比上一年新增加的职位数量 【说明】该项数据可以反映职位管理系统的变化程度 【收集渠道】人力资源部员工花名册 3.6某职位人员更换频率
【定义】是指以年为周期,统计某职位上人员的更换频率。
【说明】如果某个职位上人员更换频率太高,则需考虑该职位的要求是否合理,是否应该安排更高职级的人员任职等问题 【收集渠道】人力资源部员工花名册
二、人力资源运作能力 1 招聘指标
1.1招聘成本评估指标 1.1.1招聘总成本
【定义】是指组织一次招聘活动所占用的全部成本的总和。【公式】招聘成本=内部成本+外部成本+直接成本。
【说明】内部成本为企业内招聘专员的工资、福利、差旅费支出和其它管理费用。外部成本为外聘专家参与招聘的劳务费、差旅费。直接成本为广告、招聘会支出;招聘代理、职业介绍机构收费;大学招聘费用等。【收集渠道】人力资源部、各招聘单位、财务部 1.1.2单位招聘成本
【定义】是指在一次招聘活动中每招聘一位员工所占用的成本。【公式】单位招聘成本=招聘总成本÷录用总人数 【收集渠道】人力资源部、各招聘单位、财务部 1.2录用人员评估指标
录用人员评估指标是根据招聘计划对录用人员的质量和数量进行评价,招聘工作结束后,对录用人员进行评估是一项非常重要的工作。只有在招聘成本较低,同时招聘人员数量充足且质量较好时,才说明招聘工作效率高。评估招聘人员的数量和质量可以从以下几个方面来进行。
1.2.1应聘者比率
【定义】应聘者比率是指某岗位应聘人数与计划招聘人数的比率 【公式】应聘者比率=(应聘人数÷计划招聘人数)×100%
【说明】该比率说明员工招聘的挑选余地和信息发布状况,该比率越大说明组织的招聘信息颁布的越广、越有效,组织的挑选余地就越大;反之,该比率越小,说明组织的招聘信息发布的不适当或无效,组织的挑选余地也越小。一般来说应聘者比率至少应当在200%以上。招聘越重要的岗位,该比率应当越大,这样才能保证录用的质量。【收集渠道】人力资源部 1.2.2员工录用比率
【定义】录用率是指某岗位录用人数与应聘人数的比率 【公式】录用率=(录用人数÷应聘人数)×100%
【说明】该比率越小说明可供筛选者越多,实际录用的员工的质量可能比较高;该比率越大,说明可供筛选者越少,实际录用的员工的质量可能比较低。【收集渠道】人力资源部 1.2.3招聘完成比率
【定义】招聘完成比率是指某岗位录用人数与计划招聘人数的比率 【公式】招聘完成比率=(录用人数÷计划招聘人数)×100%
【说明】该比率说明招聘员工数量的完成情况。该比率越小,说明招聘员工数量越不足。如果为100%则意味着企业按计划招聘到了所有需要的员工。【收集渠道】人力资源部 1.2.4员工到位率
【定义】员工到位率是指某岗位实际报到人数与通知录用人数的比率 【公式】员工到位率=(到职人数÷录用人数)×100%
【说明】该比率说明招聘员工数量的实际完成情况。该比率越小,说明招聘员工实际到岗人数越不足。如果为100%则意味着企业按计划招聘到了所有需要的员工,且所有员工按期到岗。
【收集渠道】人力资源部 1.2.5同批雇员留存率 【定义】是指同一批次招聘入公司的雇员直至统计时间为止,仍然在职的人数同同批雇员初始人数的比例。
【公式】同批雇员留存率=同批雇员留存人数÷同批雇员初始人数×100% 【收集渠道】人力资源部员工花名册 1.2.6同批雇员损失率
【定义】是指同一批次招聘入公司的雇员直至统计时间为止,所有离职人员人数同同批雇员初始人数的比例。
【公式】同批雇员损失率=同批雇员离职人数÷同批雇员初始人数×100% 同批雇员损失率=1-同批雇员留存率
【说明】同批雇员留存率和同批雇员损失率反映了员工流失状况,员工流失状况又说明了员工满意度。同批雇员留存率越低(损失率越高),同批雇员员工满意度越低,需要及时找出并分析员工离职的原因,实施补救;同批雇员留存率越高(损失率越低),员工满意度越高,组织满意度也越高。
【收集渠道】人力资源部员工花名册 1.3招聘渠道分布
【定义】招聘渠道分布是指某单位录用员工通过各渠道进入的数量分布及相应比重。招聘渠道主要有校园招聘、职业中介机构、现场人才招聘会、内部推荐、媒体广告、网上招聘、应聘者直接找上门求职。
【公式】按以企业为边界分为:内部招聘比率=(内部招聘人数÷录用人数)×100% 外部招聘比率=(外部招聘人数÷录用人数)×100% 以渠道划分则为各渠道录用人员的数量及比率。
【说明】公司在新员工招聘中最好不要局限于采用单一渠道,而应考虑各种渠道的特点灵活使用,来自不同招募渠道的应聘者适应于公司的不同岗位,在招聘过程中根据需要有所偏重采用会得到比较好的招聘效果。【收集渠道】人力资源部 1.4 填补岗位空缺时间
【定义】填补岗位空缺的时间是用来衡量一个组织从某个岗位出现空缺到雇佣到该岗位候选人的平均天数。
【公式】填补岗位空缺的时间=填补岗位空缺所花费的总天数
【说明】填补岗位空缺所需要的时间包括:填补空缺岗位的需要被认可后通知人力资源部门的时间;将该空缺岗位登广告,公布在报纸或公司网站上的时间;候选人提交申请时间,招聘筛选时间,领导批准候选人时间,通知候选人候选人接受公司提供的岗位所需的时间等。如果公司填补一个岗位空缺的时间高于行业标准,这会对组织造成许多负面影响。部门间的进一步比较可以帮助公司决定在填补空缺岗位的过程中哪些部门花费的时间比较长。【收集渠道】人力资源部 2 培训指标
2.1培训人员数量指标 2.1.1培训人次
【定义】是指报告期内企业(部门)每次内部培训和外出培训的所有人数累计之和。【公式】培训人次=N1 +N2+……Nn 其中Nn 指某次培训参加培训的实际人数。【收集渠道】人力资源部 2.1.2内部培训人次
【定义】是指报告期内企业(部门)每次内部培训的所有人数累计之和。【公式】培训人次=N1 +N2+……Nn 其中Nn 指某次培训参加培训的实际人数。【收集渠道】人力资源部 2.1.3外部培训人次
【定义】是指报告期内企业(部门)每次外出培训的所有人数累计之和。【公式】培训人次=N1 +N2+……Nn 其中Nn 指某次培训参加培训的实际人数。【收集渠道】人力资源部 2.1.4内外部培训人次比例
【定义】是指报告期内企业(部门)组织员工内部培训和外出培训两种形式培训人数的比例。【公式】内外部培训人数比例=内部培训人数÷外部培训人数 【收集渠道】人力资源部
2.1.5依岗位类别计算的受训人员比率
【定义】受训人员比率用来衡量某一部门接受培训的员工人数,以及该部门受训员工数目在整个组织的培训人数当中所占的比例。
【公式】依岗位类别计算的受训人员比率=某一岗位类别受训员工的人数÷接受培训的员工总人数
【说明】这种计算可以明确显示出公司对各类员工的培训的投资水平与培训的重点所在。【收集渠道】人力资源部 2.2培训费用指标 2.2.1培训费用总额
【定义】是指报告期内企业(部门)为员工培训所花费的费用总额,即内部培训费用和外出培训的费用之和,或者是岗前培训费用、岗位培训费用和脱产培训费用之和。【公式】培训费用总额=内部培训费用+外出培训费用 =岗前培训费用+岗位培训费用+脱产培训费用
【说明】按照利用培训资源的不同,某公司的培训可以分为内部培训和外出培训。所谓内部培训就是在企业内部进行,所用资源包括培训讲师、场地、讲义、教具等等,都使用内部资源;相反,外出培训仅仅指脱产外出接受培训。其中请外部培训师来公司授课,或者参与某公司公司的培训也所归入内部培训。【收集渠道】人力资源部 2.2.2人均培训费用
【定义】是指报告期内企业(部门)每位员工平均花费的培训费用。【公式】人均培训费用=报告期内培训总费用÷报告期内员工平均人数 【收集渠道】人力资源部 2.2.3岗前培训费用
【定义】是指报告期内企业(部门)对上岗前的新员工在企业文化、规章制度、产品知识、基本技能等方面进行培训所发生的费用。【收集渠道】人力资源部 2.2.4岗位培训费用
【定义】是指报告期内企业(部门)为使员工达到岗位要求以及产品知识更新而对其知识、技能进行培训而发生的费用。【收集渠道】人力资源部培训中心 2.2.5脱产培训费用
【定义】是指报告期内因企业(部门)根据工作的需要,允许员工脱离工作岗位接受短期(一年内)或长期(一年以上)的培训(即为员工提供继续深造机会)而发生的成本,其目的是为企业(部门)培养高层次的管理人员或专门的技术人员,而发生的培训费用。【收集渠道】人力资源部 2.2.6培训费用占薪资比
【定义】是指报告期内企业(部门)员工培训各项费用之和同该时期内员工工资总额的比例。【公式】培训费用占薪资比=报告期内培训费用÷报告期内工资总额×100% 【说明】培训费用占薪资比并不是越高越好,合理的培训费用占薪资比一般水平为2%-5%。一般情况下,如果培训费用占薪资比高于5%,表明企业(部门)非常重视员工培训,但培训费用过高,人力成本过高;如果低于2%,表明企业(部门)对员工培训不够重视,或者说明为了节约挖潜,充分进行内部培训。【收集渠道】人力资源部、各单位 2.2.7内外部培训费用比例
【定义】是指报告期内企业(部门)员工内部培训费用与外部培训费用的比例。【公式】内外部培训费用比例=内部培训费用÷外部培训费用 【收集渠道】人力资源部 2.3 培训效果指标 2.3.1平均培训满意度
【定义】是指报告期内企业(部门)员工对此期间内的所有培训的平均满意程度。【公式】平均培训满意度=(TA1+TA2+……+TAn)÷报告期内培训次数 其中TAn是指某次培训的平均满意度。
或者:平均培训满意度=∑报告期内某次培训某员工的满意度÷报告期内培训人次 【说明】培训满意度越高培训效果越好。【收集渠道】人力资源部 2.3.2培训测试通过率
【定义】是指报告期内企业(部门)员工参加培训后进行测试的通过率 【公式】培训测试通过率=通过测试人数÷参加培训人数 【说明】培训测试通过率越高相对培训效果越好。【收集渠道】人力资源部 绩效管理指标 3.1 绩效工资的比例
【定义】是指报告期内企业(部门)员工获得的绩效工资占工资总额的比例 【公式】绩效工资比例=(绩效工资总额÷工资总额)*100%
【说明】不同的岗位应该设置不同的绩效工资比例,具体请参见某公司《薪酬福利管理制度》 【收集渠道】各单位 3.2 员工绩效考核结果分布
【定义】是指报告期内企业(部门)员工绩效考核结果进行分类,各类别员工数量以及占总数的比例。
【公式】X类员工比例=(绩效考核结果为X的员工数÷员工总数)*100%
【说明】通常每类绩效评级员工的比例分布应符合正态分布,如果出现某一类员工过多的情况,则应该重新审视绩效考核的指标标准是否过低或过高、或者存在人为因素。【收集渠道】人力资源部 4 薪酬指标 4.1 外部薪酬指标 4.1.1不同行业薪酬水平
【定义】是指国内不同行业平均薪酬水平状况
【说明】通过比较不同行业平均薪酬水平状况可以反映某某所处行业的特点和薪酬总体水平。【收集渠道】外部权威网站、咨询公司、薪酬数据调查机构等 4.1.2医药行业薪酬水平
【定义】是指国内医药行业平均薪酬水平状况
【说明】通过与行业内薪酬水平进行比较,可以反映某公司的薪酬水平在行业内的吸引力。【收集渠道】外部权威网站、咨询公司、薪酬数据调查机构等 4.1.3不同地区薪酬平均水平
【定义】是指国内一、二、三线城市的薪酬平均水平
【说明】通过与不同地区薪酬水平进行比较,可以为某公司制定有竞争力的薪酬提供参考依据。【收集渠道】外部权威网站、咨询公司、薪酬数据调查机构等 4.1.4消费者价格指数
【定义】消费者物价指数(Consumer Price Index),英文缩写为CPI,是反映与居民生活有关的商品及劳务价格统计出来的物价变动指标,通常作为观察通货膨胀水平的重要指标。【说明】如果消费者物价指数升幅过大,表明通胀已经成为经济不稳定因素,央行会有紧缩货币政策和财政政策的风险,从而造成经济前景不明朗。因此,该指数过高的升幅往往不被市场欢迎。CPI升高则货币购买力下降,企业在调整薪酬时应该适当考虑此因素。【收集渠道】外部权威网站、咨询公司、薪酬数据调查机构等 4.2 内部薪酬指标 4.2.1工资总额
【定义】是指报告期内企业(部门)所有实有员工的应发工资总额。【公式】工资总额=I1+I2 ……+In
其中,In是报告期该企业某位员工的应发工资。【收集渠道】人力资源部 4.2.2运营维持性工资总额比率
【定义】是指报告期内企业(部门)用于实现和维持企业运营目标任务的工资额与工资总额的比例。
【公式】运营维持性工资额比率=报告期内运营维持性工资额÷报告期内工资总额
【说明】通过有效区分维持性和投资性人力支出,可以更加科学和客观的了解对于人员方面的支出,因为有部分人力支出的效果产生有个递延性,可能会跨度到第二年、第三年,甚至更长,在作区分时,一般按照公司、职能进行区分 【收集渠道】人力资源部 4.2.3人均工资
【定义】是指报告期内企业(部门)平均每位员工的工资额。【公式】人均工资=报告期内工资总额÷报告期内员工平均人数
【说明】(1)人均工资的统计,一般可以结合员工分类统计数据,也可以结合不同的时间跨度统计,这样就可以通过二维角度来分析实际问题。【收集渠道】人力资源部 4.2.4年工资总额增长率
【定义】是指报告企业(部门)工资总额同上相比所增加的比例。【公式】年工资总额增长率=报告工资总额÷上工资总额×100%-1 【说明】一般可以结合员工分类、分层级进行统计数据 【收集渠道】人力资源部 4.2.5年人均工资增长率
【定义】是指报告企业(部门)人均工资同上相比所增加的比例。【公式】年人均工资增长率=报告人均工资÷上人均工资×100%-1
【说明】一般情况下,同期工资增长率应该比销售收入增长率小。如果同期工资增长率大于销售收入的增长率,表明工资增长速度快于销售收入的增长速度,企业的人力成本增长过快。【收集渠道】人力资源部 4.2.6保险总额
【定义】是指报告期内企业(部门)为其所有员工按法规所缴纳的社会保险的费用总额。主要包括养老保险、失业保险、医疗保险、工伤保险、生育保险和住房公积金“五险一金”费用。【公式】保险总额=养老保险+失业保险+医疗保险+工伤保险+生育保险+住房公积金 =A1+A2+……+An
其中An指报告期内为某位员工实际缴纳的社会保险金额。
【说明】数据库数据收集中需要明细养老保险、医疗保险、工伤保险、生育保险、住房公积金所缴纳总额。
【收集渠道】人力资源部 4.2.7人均保险
【定义】是指报告期内企业(部门)为每位员工平均所缴纳的社会保险金额。【公式】人均保险=报告期内所缴保险总额÷报告期内员工平均人数 【收集渠道】人力资源部 5 劳动关系指标 5.1 劳动合同签订比例
【定义】是指某组织所有人员中签订劳动合同的人数及占总人数的比重 【公式】劳动合同签订比例=签订劳动合同的人数÷报告期员工内平均人数 【说明】此指标从侧面反映了某企业人力资源管理的规范程度 【收集渠道】人力资源部 5.2 员工投诉比例
【定义】是指某组织所有员工投诉的数目占总人数的比重 【公式】员工投诉比例=员工投诉的数目÷报告期员工内平均人数 【说明】此指标反映了某组织员工关系的优劣程度和管理的规范性。【收集渠道】人力资源部 5.3 职工社会保险参保率
【定义】是指在组织为职工参加社会保险(职工养老、医疗、工伤、失业、生育保险)的比率 【公式】职工社会保险参保率=参保人数÷报告期内员工平均人数 【收集渠道】人力资源部
三、人力资源效率指标 人力资源效率指标是用来反映人力资源投入和产出对比的指标,可以比较直观地反映人力资源利用的效率。1全员劳动生产率
【定义】是指根据产品价值量计算的平均每一个员工在单位时间内的产品生产量。【公式】全员劳动生产率=报告期工业总产值÷报告期员工内平均人数
【说明】(1)全员劳动生产率是考核企业经济活动的重要指标,是企业生产技术水平、经营管理水平、员工技术熟练程度和劳动积极性的综合表现,全员劳动生产率的纵向和横向比较反映了人力资源使用的优劣程度。
(2)单位时间一般是指月度、季度或者为标准单位时间。【收集渠道】财务部人力资源部 2人均销售收入
【定义】是指根据报告期内的销售收入计算的平均每一个员工的销售收入。【公式】人均销售收入=报告期内销售收入总额÷报告期内员工平均人数
【说明】人均销售收入是考核企业效率的指标,尤其用在同行业之间相比较最有可比性,人均销售收入越高,企业效率越高。普遍适用于企业处于成熟期进行同业间的比较。【收集渠道】财务部人力资源部 3人均净利润
【定义】是指根据报告期内的净利润计算的平均每一个员工的净利润。【公式】人均净利润=报告期内净利润总额÷报告期内员工平均人数
【说明】人均净利润是考核企业效益的指标。普遍适用于企业处于成熟期进行同业间的比较。【收集渠道】财务部人力资源部 4万元工资销售收入
【定义】是指根据报告期内的销售收入计算的平均每万元工资所能产生的销售收入。【公式】万元工资销售收入=报告期内销售收入总额÷报告期内工资总额 【说明】一般而言,万元工资销售收入越高,企业效率越高。【收集渠道】财务部人力资源部 5万元工资净利润
【定义】是指根据报告期内的净利润计算的平均每万元工资所能产生的净利润。【公式】万元工资净利润=报告期内净利润总额÷报告期内工资总额 【说明】一般而言,万元工资净利润越高,企业效益越高。【收集渠道】财务部人力资源部 6万元人工成本净利润
【定义】是指根据报告期内的净利润计算的每投入单位人工成本所产生的净利润。【公式】万元人工成本净利润=报告期内净利润总额÷报告期内人工成本 人工成本=工资总额+保险总额
【说明】人工成本属于企业新创造价值中的一个部分,是企业为取得新创造价值和利润必须付出的代价,同时又是企业将一部分新创造价值以直接和间接方式对职工的全部支出。理论上讲人工成本包含从业人员劳动报酬、社会保险费用、职工福利费用、职工教育费用、劳动保护费用、职工住房费用及其它人工成本。