• 啥是数据监控体系？
• 这玩意和数据指标体系有啥区别？
• 我做的这些个报表，到底算不算体系？
• 为啥没感觉谁被我“监控”了？？？！

种种疑问，今天系统解答一下。之所以同学们有疑惑，是因为一来大部分企业没有真正重视数据，同学们辛辛苦苦做的报表都没几个人看。二来是大量同学只会在已经发生+巨大问题的时候做出响应，缺少事前判断能力。导致即使基于数据提了意见，业务也回一句：“我早知道了”（如下图）

 1.什么是数据监控体系

监控，顾名思义，是监督和控制。理论上监督和控制也可以不用数据，比如传统的车间主任、生产队长、监考老师，都是一线现场监督与控制。但远在万里之外的企业集团总部，是没法派出千里眼顺风耳现场监督的。因此就有了数据监控：通过数据指标来进行监督和控制。当业务变得复杂，单一数据无法满足监控需求，因此就有了数据监控体系。 但是它不等于数据指标体系。单纯的数据指标体系可没有监督与控制的作用。做数据的同学最清楚，每天发出去的报表，十个人能有一个人看就不错了。一线的连数据都爱答不理，谈何监督与控制。所以单纯的数据指标体系只是一个工具，如何把工具与管理流程结合起来，才是数据监控体系的最难环节。 

 2.如何搭建数据监控体系

如数据监控体系的名字，监督+控制，因此搭建数据监控体系包含两大关键工作：

• 建立数据指标体系，对业务情况进行监督。
• 将数据应用到管理流程，实现控制。

今天重点说说控制该怎么个控制法。 很多做数据的同学是技术出身，一提起“控制”最直观的能想到的就是骂自己起床，催自己结婚生娃的老妈子。然后感慨：我又没做过“销售/运营/产品/风控，我要怎么控制呀……”实际上企业里的管理完全不需要这么琐碎纠结。就像我们不需要会造汽车，也能控制汽车（开汽车）一样，关键要解决以下四个问题：

第一，明确要控制谁

动作的指向要明确。很多同学会说：“GMV降了，要搞高”这话就跟没说一样。GMV看似跟每个部门有关系，是全公司的事。可人人负责，就等于人人无责。太宏观的目标指向不明，自然没法起到控制作用。可以喊的具体点，比如：

• GMV降了→ 高端用户消费少了→ 用户运营想想办法
• GMV降了→ 某类商品降幅大了→ 商品运营想想办法
• GMV降了→ 外部流量太少了  → 渠道投放想想办法

 总之把整体目标，具体到某个部门，某个小组，最好是直接挂上丫的KPI/OKR指标，这样指向明确，才能有效。为达到这个目标，在建数据指标体系的时候，做分类维度的就不能随意做，而是要把和部门分工有关的分类维度（比如分公司、商品、用户层级等等）突出出来，方便落实责任人。

第二，啥时候控制

如果真的等到GMV跌到不行了才来喊：要搞高，就太迟了。实际上影响业务走势的很多因素可以提前预见，比如： 

• 正向因素：大促销、新品上市、传统旺季
• 负向因素：系统BUG、缺货、传统淡季
• 不定像因素：系统改版、换季

因此，控制是有时间状态和走向判断的。标准的用语是这四句：

• 过去+负向 → 关注XX问题
• 过去+正向 → 发现XX经验
• 未来+负向 → 警惕XX风险
• 未来+正向 → 提示XX机会

 因此在搭建数据监控体系的时候，得总结过往经验，了解未来内部计划，甚至收集一些竞争情况，这样把态势判断提前准备好，才能赶在事前多喊“警惕”“提示”而不是事后人人都看到了，才嚷嚷“要搞高”

第三，多大力度控制

这时候可以喊“要搞高”了！是滴，没错，被陈老师调侃了一路的“要搞高”本身并没有问题，是个标准的建议方式。在给出控制意见的时候，先讲方向，再讲力度，最后才是细节。不同问题严重程度，对应的力度是不同的。 

这里也有标准话术：

• 要注意（出现异动）
• 要行动（要搞高，要搞低）
• 要立即行动（！！！）

如果对问题评估做的到位，在立即行动之后，是有进一步的描述的。比如：“如流量质量不能在3天内得到改善，本月KPI将不达标”。做这种推测和预测有关，因此让很多同学很纠结，预测的到底对不对。其实完全没必要。

在管理上，行动力比精准的预测更重要。预知到了问题，如果业务部门行动给力，问题早早就处理完了，哪里还用什么精准预测。如果业务部门不行动，一直在纠结：“我看不会出问题吧”“它如果自然反弹了呢？”，最后就会坐失良机，铁定扑街呀，还需要预测。所以往往做推测用的是最简单的逻辑，比如一个月3000万业绩，每天就得100万。1000万流量转化20万购买，所以5万购买就得250万流量，类似。做控制是为了推动业务部门行动，不是给推诿找理由，切记切记。

第四，控制完啥效果  

做控制最重要的就是效果。效果是有层次的：

• 初级：控制被业务接收
• 中级：业务按控制行动
• 高级：行动对指标有显著作用

搭建数据监控体系，最不能少的环节就是结果回顾。而且要先看是哪个层级的效果，再看具体效果大小。很多时候根本还没到最后指标变化，而是业务方压根就没听建议，最后捅出篓子来才慌慌张张跑来问“为什么”。这一环看似简单，实际很难做到。一来很多业务部门态度趾高气扬，懒得沟通。二来很多做数据的同学薄皮大馅，脸皮太薄不敢沟通，闷头搞各种算法模型，只有自己知道。这样就很难实现监控体系的流畅运转了。 最后要强调的是：数据监控体系是用来发现问题的，不是用来解决问题的。监控监控，监督和控制，他本来就不是教学和讨论。你见过哪家奴隶监工拿着教科书到田里监督干活的，都是手里鞭子一挥“啪！”一声。有些同学把监控搞得复杂无比，硬塞一堆指标希望直接读出问题分析，这样做会极大拖慢监控运转效率。在方向不清晰的时候，看的数据越多，脑子越乱。

3.为什么你做的不是数据监控体系

常见的问题，比如：

• 数据指标体系缺判断标准。只知道喊“涨了”“跌了”，不知道报“好了”“坏了”
• 数据指标就真的是个指标。和管理流程脱节，没有清晰责任，没有对应跟进人
• 缺少数据以外的业务梳理。不知道干了啥，不知道在干啥，不知道要干啥
• 缺少确认问题的跟进反馈。不知道人家听了没有，不知道人家干了没有，不知道人家干成了没有，光盯着数字发呆。
• 贪大求多，塞了一大堆指标，花花绿绿显得高大上。结果跑数累似，看数晕死。

本质上数据监控体系就是温度计。体温固然重要，但体温反映出的发烧症状才是更重要的。想读懂症状，自然得多学医，得在发现人发热咳嗽以后赶紧送院，得了解发烧病人接触了谁，去过那里，得做进一步的化验而不是揪着体温计不放。这些才是让数据监控真正落到实地的地方。