Korisnost bilo koje vrste podataka ili izvora podataka ovisi o vrsti analitičke analize koja se provodi. Za neke tvrtke analiza podataka funkcionira kao alat prikupljanja i mjerenja performansi u stvarnom vremenu. Druga bi tvrtka mogla koristiti čisto opisnu analitiku koja se usredotočuje na profiliranje, segmentaciju i identifikaciju potrošača. Ambicioznija verzija analitike podataka bavi se pretvaranjem podataka u predviđanja - postavljanje pitanja ne samo što je, već i što će biti. Najbrže rastuća primjena podataka u poslovnoj analitici poznata je kao optimizacija gdje se uspoređuju različite vrste podataka kako bi se maksimizirala učinkovitost u ciljanim ishodima.
Podaci su važni kada su pročišćeni u koristan alat. Da biste to stavili u perspektivu, razmišljajte o nerafiniranim podacima kao da je to nerafinirano ulje: moguće je prikupiti ogromne količine podataka, ali mora se pretvoriti u koristan proizvod koji je vrijedan u ekonomskom smislu. Aplikacija mora biti izvađena iz podataka. Uloga poslovne analitike je pročistiti podatke.
Razmotrimo slijedeći primjer: Tvrtka ABC prodaje automobile s igračkama. Uprava odlučuje da želi razumjeti svoje potencijalno tržište, ali ne može odlučiti koju vrstu podataka prikupljati. Treba li gledati obrasce kupnje u stvarnim automobilima? Treba li istražiti omiljene igračke boje za djecu? Treba li gledati na etničku pripadnost, religiju, spol ili prihod na ciljanom tržištu?
Tvrtka ABC vjerojatno ne bi počela prikupljati podatke o svojim potrošačkim navikama blagovanja. Izgleda da nema puno povezanosti između kupovine automobila za ručavanje i igračaka. Čak i ako su njegovi zaposlenici imali izvanredne alate za statističko modeliranje i mogli izvoditi složene ekonometrijske studije, ovi podaci vjerojatno nisu važni.
Najvažniji podaci su podaci koji pružaju najveću konkurentsku prednost. Iskopavanje i rafiniranje podataka nije proces bez troškova. Poduzeća bi trebala potražiti podatke koji daju najveći povrat ulaganja u njihovu poslovnu analitiku.
