「養數據」有一個重要含義，就是要決定收集哪些數據。是基於深入業務理解的更高層次商業決策，數據養得時間愈早，累積的數據也愈多。一旦養成，則會產生非常大的商業價值。
過去，有一些問題一直困擾著我：「現在的企業獲取數據如此容易，數據的增長速度如此之快，那麼對於企業來說，到底要收集什麼樣的數據？收集多少數據？收集數據的邊界在哪裡？」後來，我在美國遇到一位高人，他認為，過去收集數據很難，而現在獲取數據資源變得愈來愈容易，但是如果收集數據的出發點不是為了解決問題，那麼收集再多的數據也沒有意義。
同時，許多企業還有一個疑問：「現在收集數據不難，成本也不高，為什麼不先收集了數據再說呢？等以後需要數據解決問題時，再拿出來用不是也可以嗎？」這位高人同樣也給出了答案，他否定此觀點，並指出用這樣的理念設計數據應用注定會失敗。
數據收集沒有邊界，我為此也痛苦了好一段日子。比如收集一個人的生日，雖然可以精確到幾分幾秒，但這麼精確的數據又能用在什麼領域，產生什麼價值？
事實上，數據是有生命週期的。例如：某網站的婦幼類別，在主動收集使用者的寶寶資訊，包含寶寶生日、性別、小名、身高、體重。我們就必須清楚這幾個數據的用途和生命週期，如：寶寶的身高和體重。但是，媽媽填寫的是寶寶當前的數據，然而寶寶的身高、體重變化非常快，這兩個數據的生命週期很短，在當時的推薦中可能有用，但過了一段時間後，這兩個數據就失效（data broken）了；而寶寶生日和性別這兩個數據的生命週期就很長，可以從生日的年分推算出寶寶的年齡，而性別基本上是終生穩定的。
數據收集應背景而變
保存數據及其收集時的背景（context），也是一件不容易的事情。仍以收集寶寶的年齡作為例子，我們可以透過使用者購買特定的商品集合，如：適合不同年齡層的奶粉和尿布型號等，知道寶寶大概所處的年齡，以推算寶寶目前的年齡。但如果僅僅是保存寶寶年齡這個數據，此數據很快也會失效，因為人的年齡不斷變化。同時，你還需要保存寶寶年齡數據的獲得時間，即在哪年哪月計算得知這個寶寶的年齡，這個資訊就是背景數據。另一種更加聰明的做法，即透過寶寶現在的年齡，反過來推算寶寶是什麼時候出生。
所以，在收集數據時，我們必須知道這些數據未來可以用來做什麼，如果今天想像不出來，日後就更不可能了。
舉例來說，很多電商高階主管會詢問數據分析師，商品的重複購買率是多少。於是，工作人員收集數據計算重複購買率，卻很少想到高階主管需要重複購買率是為了做什麼決定，這就如同刻舟求劍的故事。事實上，在變化多端的大數據時代，我們不能只是機械的套用方法或指標。重複購買率有不同的定義，而做不同的決策，需要考慮不同定義的重複購買率。 （相關報導： 將消費行為轉為大數據，不在第一線也能精準決策：《工業3.5》選摘（3） ｜ 更多文章 ）
如果一家投資公司想收購A公司，就會從重複購買率看A公司整體營運優劣或用戶品質等；如果從A公司營運的角度來看重複購買率，那麼它更應該關注的是日、週級別的重複購買率變化趨勢，或者當月新增客戶，有多少人在三個月後重複購買，從而衡量出每個月新增及原有客戶的忠誠度和品質，進而找出改善的空間。在知道了以上的背景之後，再去選擇使用什麼數據，不是更加準確嗎？
