數據分析的意義，放在企業經營上的話…
KPI多數看的是結果指標是落後的，但數據管理需要看領先指標(或稱過程指標)，而這些一般只是PI
舉例來說:
KPI是銷售額，PI可能是成交客戶數、客單價、轉化率、推薦率，但我們知道，要達成銷售額目標，你必然要先達成這幾項PI指標，反過來說，日常營運時你已經發現這些領先指標未達到標準，那合理的猜想你最終的KPI也達不成，領先指標是個警示燈，讓你不會總是等到有問題才來解決。
有些公司的管理更加完善
可能不只看一層，而會往前看：
現在有多少的潛在成交機會、有多少的流量、多少的潛在推薦機會、多少的退費正在處理或醞釀。你就有機會預測出一個大概的業績數字，然後跟目標值做比對，更早找出你可以在哪一塊施力。數據需要養、擴展或整合，不能單單仰賴既有數據，因為數據永遠不會有備齊的一天。
當我們想要做精準行銷
差異化服務、個性化推薦或一些比較基礎的客戶狀態檢視時，發現手邊的數據不夠，這算起來是很正常的，就跟女人的衣櫃裡永遠少一件衣服一樣，當你想到要幹嘛時，通常才會發現不足之處，我的建議是：
一些差異性的服務，有多少數據用多少，能做多少先做多少，並且要開始養數。
透過各種方法把數據收集回來，這樣你才有可能在三個月後啟動你本來的計畫。
用戶數據有時效性但也有時間變異性
抱著既有的數據喊著不夠，這是不會改變現狀的
時效性比較容易理解，有些數據會過期，例如:客戶的職業、婚姻狀態、子女人數、居住地等。
這些你必須要有機制能定期更新它，否則很容易就過期了，你總不好發訊給一個客人祝他結婚紀念日快樂，你可以仰賴一些行為的改變來假設，並丟出一些訊息去驗證你的假設，但持續更新用戶的資訊。
時間變異性是什麼？
既然用戶的狀態會改變，那代表兩年前對你產品沒需求的客人，兩年後會不會變得有興趣呢？這樣的名單是否值得再開發一次？
過去的用戶狀態，不代表他現在的狀態近期未成交的名單，當下再次開發的成交率，說不定比兩年前的舊名單來的更低善用這個觀念，你可以更有效的運用舊數據。
歷史數據善加利用價值很大
我們在做數據分析會去建立統計模型，而統計模型的建立通常是透過歷史數據，因為那些是已經發生過的事情，所以你可以更輕易的找出，跟據統計，哪類型的客戶更容易成交，有哪些屬性、行為的客戶更容易推薦客人，然後可以更準的幫你找出符合這些特性的客群，營運端要如何切入就更有譜了。並非要百分之百能衡量的數據才有意義，只要能提高價值，降低風險，這個數據就有幫助
在數據分析或者數字管理的領域裡
追求百分之百精確不是個錯誤，但卻會讓你裹足不前，什麼都不願意嘗試。
我舉個簡單的例子:
如果今天要做精準行銷，你找到一群曾經在你店裡買過電鍋、吹風機、尿布的客戶，你認為這些人的背景應該是有小孩子的已婚婦女，貴公司準備上架一組超便利的廚房清潔工具，訴求極安全且無毒，不用怕小孩子調皮搗蛋去拿來玩。
你會不會把廣告或促銷資訊推送給這群客人？
如果你的答案是「會」，我會問你：「你有百分之百把握打到正確的TA嗎？」
「不會」，不管你對客戶的畫像再怎麼有信心，也不可能百分之百命中，因為人的狀態是變動的，而你對客戶的『現況資料』也『永遠不會有備齊』的一天，你只能做到盡可能的精準。
但你要記得，當你現在握有的資訊
讓你的精準率比本來高，那就值得嘗試了，而嘗試後的結果又會成為下一次修正的依據，廣告之所以會愈打愈準，就是因為不斷的嘗試與修正後的結果，但無論怎麼準， 廣告都不可能百分之百精準。
一樣的話題，在企業經營上
你可能時常會遭遇到一堆無法衡量的事物，例如：員工忠誠度、員工工作成果、品牌價值、風險等，但我想強調的是，它們並非百分之百不可衡量，你仍然可以找到一些有幫助的指標(indicators)來作為你衡量的依據，進而降低不確定性，例如倒閉風險，你可以從資金使用狀況、現金流、銷售業績、客戶退貨狀況、競爭對手成長狀況等…
多方面來得出公司會否倒閉的風險值，即便只能衡量其中的30%，但你已經把不確定性降低了三成，這已經比本來強的多了。
不要期待能百分之百的衡量一件事
也不用期待商業上的所有事物會百分之百準確，商業問題不是單純的數學題，但只要愈來愈接近，愈來愈準確就會大有幫助。
作者:游舒帆 gipi
https://dotblogs.com.tw/jimmyyu
