(网经社讯)有人说：掌握了数据分析技能，就掌握了未来。
虽然有些夸张，但是不可否认的是：我国的大数据产业经过多年发展，行业应用逐渐加深，市场规模显著增长，预计到2022年产业规模将突破一万亿元。
2017-2022年中国大数据产业规模及增长趋势
并且随着区块链、人工智能、5G的逐渐成熟，企业对于大数据人才的需求也越来越高，并且至今缺口很大。
但是数据类人才虽然吃香，企业对其的要求也比较高。 其中“构建指标体系”这一重要技能，也成为了很多一线大厂对数据人的硬性要求。
字节跳动对数据分析师的岗位要求
指标体系的构建，是为了让业务目标可度量、可描述、可拆解。从而进行业务情况的监控、找到当前业务问题、评估业务可改进的地方，找出下一步工作的方向。
但很多数据人在搭建指标体系时，经常会遇到这些问题：
1、指标没有重点、没有思路，构建完成后也只是一组数据，各有用处，合起来却起不到作用；
2、指标空洞，粗看有模型又有分类，细看流程中却没有几个具体的指标，无法落地；
3、指标缺乏数据，导致业务上线了又开始添加指标、增加维度，最后报表变得臃肿，数据参差不齐，影响工作推进； ……
那么，怎么才能解决这些问题呢？
这就需要我们灵活掌握，以下几个在构建指标体系时会用到的方法：
北极星指标；
人货场指标体系；
OSM+UJM 模型；
OSM+AARRR海盗模型。
今天，来重点说一下OSM模型在指标体系搭建中的具体应用：
首先，我们要知道OSM模型是什么：
业务目标（Objective）：公司/业务/产品存在的目的是什么
业务策略（Strategy）：未来上诉目标采取的策略
业务度量（Measurement）：用户衡量策略的有效性，反应目标达成情况的KPI、Target
接下来，以滴滴为例，按照OSM模型，来看一下它的指标是什么样的？
O：用户使用滴滴这个产品，目标是什么？
可以快速打到车，安全到达目的地。
那么，如何让用户感受到自己的需求被满足了呢？
S：滴滴做的策略是：
1）快车、拼车、优享等多种车型，解决不同用户诉求；
2）根据早晚高峰提高热点区域运力，减少用户排队时间；
3）司机准入机制、全程录音等方式提高安全性。
M：针对这些策略去做指标，得到的结果指标和过程指标分别是：
1）结果指标：渠道转化完成率、乘客取消率、供需比、司机服务分
2）过程指标：渠道发单数、渠道完单数、排队乘客数、乘客排队时长、司机好评率、司机接单量、司机取消数等。
数据人如果掌握了这个构建指标体系的技能，就能快速洞悉业务需求，提高自身核心能力。
