Корисност било које врсте података или извора података зависи од врсте аналитике која се обавља. За нека предузећа, анализа података функционише као средство прикупљања и мерења перформанси у реалном времену. Друго предузеће може користити чисто описну аналитику која се фокусира на профилирање, сегментацију и идентификацију потрошача. Амбициознија верзија аналитике података бави се претварањем података у предвиђања - постављањем питања не само шта је, већ и шта ће бити. Најбрже растућа примјена података у пословној аналитици позната је као оптимизација гдје се упоређују различите врсте података како би се максимизирала ефикасност у циљаним исходима.
Подаци су важни када су прочишћени у користан алат. Да бисте ово ставили у перспективу, размишљајте о нерафинисаним подацима као да су то нерафинисана уља: могуће је прикупити огромне количине података, али она се мора трансформисати у користан производ који је вредан у економском смислу. Апликација мора бити извучена из података. Улога пословне аналитике је да прочисти податке.
Размотрите следећи пример: Компанија АБЦ продаје аутомобиле са играчкама. Менаџмент одлучује да жели да разуме своје потенцијално тржиште, али не може да одлучи коју врсту података да прикупља. Да ли треба да се узме у обзир образац куповине у правим аутомобилима? Да ли би требало да се врше истраживања омиљених играчака за децу? Да ли треба да се гледа на етничку припадност, религију, пол или приход на циљном тржишту?
Компанија АБЦ вероватно не би почела да прикупља податке о навикама трпезе својих потрошача. Изгледа да нема велике повезаности између куповине аутомобила за ручавање и играчака. Чак и ако су његови запослени имали изванредне алате за статистичко моделирање и могли су да изводе сложене економетријске студије, ови подаци вероватно неће бити важни.
Најважнији подаци су подаци који пружају највећу конкурентску предност. Ископавање и рафинирање података није процес без трошкова. Предузећа би требало да траже податке који дају највећи поврат улагања у њихову пословну аналитику.
