无论是数据分析师还是数据产品经理的工作都会涉及数据监测体系的搭建，而且部分小公司是没有数据产品经理的，所以大部分都落在了数据分析师头上。
公司不同层级的管理人员、执行层面负责不同工作的同事所观测的指标都不相同。所以，需要根据需求，将监测指标逐步分级，并根据不同人员的查看需要，将监测指标分到不同的页面。
搭建指标监测体系的一般逻辑是从上到下，即从大面上的指标开始，逐步向下拆解到最细的层面。从上到下的逻辑有助于理清思路，避免漏掉或者重复。因为，基本上老板要看的指标，员工肯定要看，并且越到底层的员工，看的指标越多。当然，底层员工虽然看的数据最多，但都是细节指标，大层面的数据肯定看的不如老板全，毕竟管辖范围不一样。
下面以电商数据为例，根据从上到下的逻辑，搭建数据指标监测体系。
一、 高级管理层指标（老板页面）
高级管理层要看的指标必然是公司层面的大数，不会也不需要关注太细的数据。如果大的数据有问题，老板直接找下面的中层管理人员就行了。所以，在这里不用太担心影响整体层面的具体因素体现不出来或者指标间的关联关系体现不出来。
电商公司高级管理层关注的指标大体如下：
上述指标中前面六个绝对数值都是基础指标，留存率属于衍生指标，是由基础指标衍生出来的。战略层指标可以归为三大块：收入、用户数、留存率。
基础指标中，最基本的是每日数据，基础指标的每日数据可以单独做一页（也就是首页或者部分公司的大屏展示页面）。此外，还需要关注每周、每月的数据以及这些数据的变化趋势，这些老板不一定每天都看。可以做到另外的页面，供老板随时比较查看。
有同学看后可能会担心上面几个指标还不够？如：订单数中未付款的是否需要关注？新增下单用户数中是否需要区分有多少是当日新增用户？你会想到这些，说明你在思考，但这些是作为普通员工需要关注的数据，普通员工会分析这些数据，把影响最终指标的原因和对策给老板看。
老板不需要看细节的数据，老板要看的是结果，老板是根据看到的结果好坏给下属继续分配任务。当然，如果老板有时间，偶尔可能看一些细节数据；但一般他不会看，因为如果老板把时间和精力用在这些细节上，那么公司的全局发展就没有人关注了，老板就失职了。
二、中级管理层指标
如果是公司再分几个大区和城市的话，那么大区负责人和城市负责人只需要关注他所负责的区域的上述指标就可以了。这里不再详述。
如果是负责不同模块的中级管理层，如产品负责人、运营负责人关注的指标会有所不同，不能完全按照高级管理层指标直接拆分，需要在上述基础上加入一些该部门特有的指标。
如对运营部门负责人，可能需要关注整体的AARRR以及重点项目的AARRR。运营部门负责人还是需要关注一点细节的，所以有些重点项目的这些指标他都可能会看。这里不详细阐述，放在执行层指标中详述。
三、执行层指标
执行部门比较多，这里我们以需要观测数据较多的运营部门为例，对其他部门需要监测的数据可以举一反三。
从个别活动和功能角度，老板层面关注的指标也是具体活动执行层面需要关注的指标。总之，老板要关注的指标，要细分到执行层。
从流程角度，最能反映运营部门数据的就是AARRR模型了。
运营关注的是整个运营闭环的漏斗，以及每个环节的细分漏斗。如电商获取用户的环节，从进入页面、绑定银行卡完成注册过程到最后支付成功中每一步的漏斗。
从以上数据指标可以看出，对运营来讲，漏斗很重要！！！
当然，以上只是通用指标，根据项目不同，细节指标会有差异。
搭建数据监测体系只是数据分析的最基本工作，把监测指标搭建好，才能及时发现数据异常，从数据异常中发现问题和解决问题。