Se Connecter Maintenant 领导站起来说了一句：“以后所有信息办公都得走系统，KPI全看系统数据。”会议室里安静了几秒。对很多中小企事业单位来说，上系统早就不只是把资料存起来那么简单了，大家慢慢开始意识到，数据本身就会说话，能帮你把业务和运营到底跑得怎么样看个大概，关键时刻还能给决策撑一撑底气。
这样一来，统计功能几乎成了所有B端产品里绕不开的一个模块。运营后台的数据面板、财务系统里的销售报表，背后都离不开一套用心设计过的统计逻辑。一个完整的统计功能要考虑的维度很多，今天想专门聊其中一块很核心的功课——统计字段该怎么设计。
先别急着想怎么选字段，我们得先搞清楚，摆在面前的统计字段，一般长什么样。
第一类是基本数据字段。这类字段很直白，就是在一个统计周期里，通过用户操作日志或者直接录入的信息，原原本本收上来的数据，没有二次加工，也不带什么属性限制。可以把它们想象成盖房子用的砖块。你每天去看的销售额、客户数量、业务流量，这些就是砖。它们的作用主要是帮人盯着大盘的整体情况，一旦哪天数据明显不对劲，比如突然掉下去或者疯涨，就能第一时间注意到，为下一步深入分析打个底。
第二类是复合数据字段。简单说，就是把两个以上的基本数据塞进一个公式里算出来的结果。这种字段的价值，往往不在数字本身，而在于它能揭示一些趋势、速度，甚至帮人挖出表面现象底下藏着的东西。比如月底算一下“月交易客户数 ÷ 月新客户数 × 100%”，得到月交易转化率。转化率高的月份，可能团队的工作效率确实更好一些。如果再往里钻，算算“2小时内跟进客户的比例”，说不定就会发现，那些转化率高的月份，及时跟进的比例也明显更高。这样一来，你就不只是看到一个数字，而是能得出一个可以指导行动的方向：及时跟进，确实能推着交易往前走。
可问题来了，一个系统里能统计的业务动作和操作行为那么多，总不能什么都往上堆吧？毫无目的地铺一大堆字段，不仅会让用户看着密密麻麻的表格发懵，不知道该看哪儿、能怎么用，还白白浪费开发资源。每个字段的采集、计算，背后都是工程师的工作量。那怎么判断哪些字段值得做？我一般会分四步来推。
第一步，把用户最关心什么、要达到什么目的，彻底问清楚。统计功能说到底，是为了帮人通过数据看懂业务，辅助决策，而不是为了炫技。所以，设计的起点一定得是用户的目标。搞清楚他们到底在为什么事发愁，我们又能给出什么实实在在的帮助。如果做的是公司内部产品，直接找业务同事聊最有效，去听他们日常工作中在意什么、卡在哪儿，把具体的业务场景挖出来。如果是面向市场的B端产品，那就需要找目标用户，有条件的话，实地体验一下他们的工作，对行业有了体感之后再下判断。这一步如果没走扎实，功能上线了很可能没人用，团队的心血就白费了。
第二步，确定了目标，就放开脑子去联想，哪些现象、哪些行为跟这个目标有关。这个阶段不用收着，先发散。比如公司想知道今年的销售情况有没有起色，那么销售额的涨跌、新客户的转化率、老客户的回购率，都能从不同侧面反映这个问题。再比如，领导想知道员工对待客户名单是不是认真，转化率低到底跟工作方法有没有关系，那么员工跟进客户的频率、跟进的及时性，这些数据就很值得被拿出来想一想。把所有可能相关的字段都列出来，先记着备用。
第三步，做减法，把注意力收拢到几个最有表达力的核心字段上。上一步列出的那一大堆，不能直接全选。那样一来功能会失去重点，用户面对一堆数据反而会迷失，不知道该怎么用这个功能。我们需要从中挑出几个最能说明问题、最能回应目标的字段，同时也要把那些不太靠谱、或者系统实现起来特别费劲的筛掉。如果为了一个字段还得去补一堆数据源，带来的开发成本可能就得不偿失了。
第四步，围绕核心字段，把需要的基础数据字段拆出来。核心字段定下来之后，就要把它拆成组成它的基本数据字段，并且把需要的属性限制想清楚，拆得越细、覆盖的面越广，后期的灵活性就越高。拿新客户交易转化率来说，它需要拆出“新客户数量”和“交易客户数量”，再带上时间范围，比如按月、按年，甚至还可以按渠道拆，看看每个渠道的新客户转化率怎么样。不过也要提醒自己，别一头扎进细节里出不来。有时候设计了过于复杂的规则，或者选了不适合系统实现的字段，结果开发做了一大圈，数据的准确性却保证不了，那真是费力不讨好。比如在转化率里再考虑“上个月新客户本月转化”或者“本月退款”这类复杂情况，除非有非常特殊的应用场景，否则一般没必要去碰，考虑个性化开发更稳妥。
说一个实际的小例子，可能会更清楚一些。今年我们在优化CRM系统的时候，计划把销售人员的App端主页做成一个数据看板，好让他们能随时掌握自己的情况。因为跟业务方走得近，我们选择用1对1沟通的方式，去摸销售人员的真实工作状态。
首先，搞清楚他们关心什么。因为名单数据和销售数据对公司来说比较敏感，销售人员没有权限看到团队或公司的整体情况，所以只考虑个人数据就够了。聊下来，他们主要盯着两个方向：一个是实时了解自己的业绩，有没有达标，能拿多少佣金；另一个是看自己手里有多少名单，每天大概要安排多少工作量，好把效率提上去。
接着，我们沿着这两个方向，头脑风暴了一堆可能相关的字段，比如成交金额、业绩完成度、待完成金额、佣金额度、新名单数量、跟进名单数量、未跟进名单数量、名单总量、成交名单数量、名单同期增长、名单转化率等等。
然后，得做选择。方向一，我们最终决定用“业绩完成度”和“待完成金额”作为核心字段。业绩完成度能直接反映进度和速度，比单纯看一个成交金额的绝对值更有用。用户需要的是明确自己离目标还差多少，才好安排下一步跟客户的策略。而佣金相关的数据不在CRM系统里，就切出去不在这里体现了。方向二，选了“新名单数量”和“未跟进名单数量”作为核心。名单是销售人员的资源和商机，是他们工作中最看重的数据。有多少新数据需要及时跟进，还有多少工作没处理完，这两个数字摆出来，就能帮他们安排工作节奏。
最后，拆解这些核心字段。业绩完成度等于成交金额除以业绩目标，待完成金额就是业绩目标减去已成交金额。这样一来，业绩目标和成交金额就成了必须保留的基础字段。业绩统计周期按月来，这四个字段每天累计更新就行，不用单独再记一份日统计。而新名单数量，因为业务方的名单量受线上线下活动影响很大，每天的波动说明不了什么，但不同来源的名单质量差别挺大，所以需要单独统计，并且按天、按月都看。未跟进名单数量只需要每天更新一个当前值，不需要保留和对比历史数据。补充上名单总量和成交名单数量，是方便销售人员随时对全局有个整体把握。
说到底，统计字段的设计，其实就是一个不断在“用户的目标”和“系统的实现成本”之间找平衡的过程。有目标地聊、有方向地想、有取舍地选、有逻辑地拆，出来的统计功能才能真的有用，而不是一个摆在那里没人看的数字架子。这些是我在做统计字段时的一些想法，如果能给你带来一点启发，或者你有更好的思路，也欢迎一起聊聊。