Herhangi bir veri türünün veya veri kaynağının kullanışlılığı, gerçekleştirilen analitik türüne bağlıdır. Bazı işletmeler için veri analizi, gerçek zamanlı istihbarat toplama ve performans ölçümü aracı olarak işlev görür. Başka bir işletme, profil oluşturma, segmentasyon ve tüketici kimliğine odaklanan tamamen açıklayıcı analitik kullanabilir. Veri analizinin daha iddialı bir versiyonu, verileri tahminlere dönüştürmekle ilgilidir - sadece ne olduğunu değil, ne olacağını da sormak. İş analitiğinde verilerin en hızlı yükselen uygulaması, hedeflenen sonuçlarda verimliliği en üst düzeye çıkarmak için farklı veri türlerinin karşılaştırıldığı optimizasyon olarak bilinir.
Veriler, yararlı bir araca dönüştürüldüğünde önemlidir. Bunu perspektife sokmak için, rafine edilmemiş verileri rafine edilmemiş petrol gibi düşünün: çok miktarda veri toplamak mümkündür, ancak ekonomik anlamda değerli olmak için yararlı bir ürüne dönüştürülmelidir. Uygulama verilerden çıkarılmalıdır. İş analizlerinin rolü, verileri hassaslaştırmaktır.
Aşağıdaki örneği düşünün: ABC şirketi oyuncak arabalar satıyor. Yönetim, potansiyel pazarını anlamak istediğine karar verir, ancak ne tür veri toplayacağına karar veremez. Gerçek otomobillerde desen satın almalı mı? Çocuklar için en sevdiği oyuncak renkleri hakkında anketler yapmalı mı? Hedef pazardaki etnisite, din, cinsiyet veya gelire bakmalı mı?
ABC şirketi muhtemelen tüketicisinin yemek alışkanlıkları hakkında veri toplamaya başlamayacaktı. Yemek ve oyuncak araba alımları arasında fazla bir korelasyon yok gibi görünüyor. Çalışanları dikkate değer istatistiksel modelleme araçlarına sahip olsa ve karmaşık ekonometrik çalışmalar yapabilseler bile, bu verilerin önemli olması muhtemel değildir.
En önemli veriler, en büyük rekabet avantajını sağlayan verilerdir. Verilerin madenciliği ve rafine edilmesi ücretsiz bir süreç değildir. İşletmeler, iş analizi yatırımlarından en yüksek getiriyi sağlayan verileri aramalıdır.