即使在确定了 KPI 之后，跟踪其他支持数据也很重要，这些数据将有助于确定这些 KPI，并提高您利用数据描绘更完整图景的能力。虽然好奇心过强会导致过度跟踪，但对用户如何与您的数字接触点互动感到好奇是很自然的。花点时间写下您好奇的内容，然后回过头来将列表中的项目分为三个类别，以确定其优先顺序：关键数据、辅助数据和好奇心数据。关键数据通常由您的 KPI 组成，即推动您组织发展的数据点。辅助数据由数据点组成，这些数据点将对您的 KPI 进行补充，允许对这些关键指标进行更深入的分析和更全面的了解。好奇心数据由“锦上添花”的数据组成，即您或您的团队可能好奇的东西，但如果您不立即跟踪它们，它们也不会阻碍进度。
确定此列表的优先级将帮助您确定首先将跟踪工作重点放在何处以及稍后可以解决哪些问题。因此，您的组织将避免花费时间和金钱来跟踪可能未使用或将来可能过时的数据点。
迭代分析跟踪
从过去吸取教训，着眼于现在，并在未来不断迭代。当一个组织从一 芬兰号码数据 开始就追求数据的完美时，团队会默认采用“追踪一切”的思维模式，以确保他们收集所有可能获得的数据。这种推理通常源于对未知的恐惧。通过追踪一切，组织认为他们正在确保数据的未来安全——但实际上，他们正在花费宝贵的资源来收集可能被滥用或根本不会分析的数据。
随着业务需求和数字功能的变化，分析也应随之改变。组织无法总是预测未来需要哪些数据——虽然确保您的跟踪在长期内仍然有用很重要，但同样重要的是要了解，随着组织的数据需求变化，分析可以进行迭代。通过关注关键领域并根据需要迭代跟踪，组织可以避免与收集和存储过多数据相关的不必要的高成本。
一个组织不是因为追踪一切而成为数据驱动型组织。事实上，追踪一切表明缺乏成为真正数据驱动型组织所需的意识和努力。为了实现这一目标，组织必须关注过去、现在和未来：
从过去的数据中学习，以实现现在和未来的发展。
使用当前的数据来获取最大的未来收益。
将来对数据进行迭代以跟上组织的变化。