L'utilità di qualsiasi tipo di dati o origine dei dati dipende dal tipo di analisi eseguita. Per alcune aziende, l'analisi dei dati funziona come uno strumento di raccolta di informazioni in tempo reale e misurazione delle prestazioni. Un'altra attività potrebbe utilizzare analisi puramente descrittive incentrate su profilazione, segmentazione e identificazione dei consumatori. Una versione più ambiziosa dell'analisi dei dati si occupa di trasformare i dati in previsioni, chiedendo non solo cosa sia ma cosa sarà. L'applicazione di dati in più rapida crescita nell'analisi aziendale è nota come ottimizzazione, in cui vengono confrontati diversi tipi di dati per massimizzare l'efficienza nei risultati mirati.
I dati sono importanti quando sono stati perfezionati in uno strumento utile. Per metterlo in prospettiva, pensa ai dati non raffinati come se fossero petrolio non raffinato: è possibile raccogliere enormi quantità di dati, ma deve essere trasformato in un prodotto utile per essere prezioso in senso economico. L'applicazione deve essere estratta dai dati. Il ruolo dell'analisi aziendale è quello di perfezionare i dati.
Si consideri il seguente esempio: la società ABC vende macchinine. Il management decide di voler comprendere il suo potenziale mercato, ma non può decidere quale tipo di dati raccogliere. Dovrebbe guardare ai modelli di acquisto in automobili reali? Dovrebbe prendere sondaggi sui colori dei giocattoli preferiti per i bambini? Dovrebbe considerare etnia, religione, genere o reddito nel mercato di riferimento?
La società ABC probabilmente non avrebbe iniziato a raccogliere dati sulle abitudini alimentari dei suoi consumatori. Non sembra esserci molta correlazione tra i ristoranti e gli acquisti di macchinine. Anche se i suoi dipendenti disponevano di notevoli strumenti di modellizzazione statistica e potevano eseguire studi econometrici complessi, è improbabile che questi dati siano importanti.
I dati più importanti sono i dati che offrono il massimo vantaggio competitivo. L'estrazione e il perfezionamento dei dati non è un processo gratuito. Le aziende dovrebbero cercare dati che offrano il massimo ritorno sull'investimento nell'analisi delle attività.
