Užitečnost jakéhokoli typu dat nebo zdroje dat závisí na typu prováděné analýzy. Pro některé podniky funguje analýza dat jako nástroj shromažďování zpravodajských informací v reálném čase a měření výkonu. Jiný podnik by mohl používat čistě popisnou analytiku, která se zaměřuje na profilování, segmentaci a identifikaci spotřebitelů. Ambicióznější verze datové analýzy se týká přeměny dat na předpovědi - ptají se nejen, co je, ale co bude. Nejrychleji rostoucí aplikace dat v podnikové analytice je známá jako optimalizace, kde jsou různé typy dat porovnávány, aby se maximalizovala účinnost cílených výsledků.
Data jsou důležitá, když byla vylepšena do užitečného nástroje. Abychom to uvedli v perspektivě, myslete na nerafinovaná data, jako by to byla nerafinovaná ropa: je možné shromáždit obrovské množství dat, ale musí být přeměněna na užitečný produkt, aby byl cenný v ekonomickém smyslu. Aplikace musí být extrahována z dat. Úlohou podnikové analýzy je zpřesnit data.
Zvažte následující příklad: Společnost ABC prodává autíčka. Vedení rozhoduje, že chce porozumět svému potenciálnímu trhu, ale nemůže rozhodnout o tom, jaký typ údajů má shromažďovat. Měl by se podívat na nákup modelů skutečných automobilů? Měl by provádět průzkumy oblíbených barev hraček pro děti? Měl by se zaměřit na etnicitu, náboženství, pohlaví nebo příjem na cílovém trhu?
Společnost ABC pravděpodobně nezačne shromažďovat údaje o stravovacích zvyklostech svých zákazníků. Nezdá se, že by mezi nákupy jídel a autíček byla velká korelace. I když její zaměstnanci měli pozoruhodné nástroje statistického modelování a mohli provádět komplexní ekonometrické studie, tato data pravděpodobně nebudou důležitá.
Nejdůležitější údaje jsou data, která poskytují největší konkurenční výhodu. Těžba a rafinace dat není bezplatný proces. Podniky by měly hledat data, která poskytují nejvyšší návratnost jejich investice do podnikové analýzy.
