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，
並且要開始養數據，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，
但其實他最近才結束他的婚姻吧，客人不會主動告訴你他的狀態改變，
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。
而時間變異性是什麼？
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。
延伸課程
作者:游舒帆 gipi
https://dotblogs.com.tw/jimmyyu
資料來源:1
