a:

Brukbarheten til enhver datatype eller datakilde avhenger av hvilken type analyse som utføres. For noen bedrifter fungerer dataanalyse som et verktøy for sanntidsinnsamling og ytelsesmåling i sanntid. En annen virksomhet kan bruke rent beskrivende analyse som fokuserer på profilering, segmentering og forbrukeridentifikasjon. En mer ambisiøs versjon av dataanalyse er opptatt av å forvandle data til spådommer - spør ikke bare hva som er, men hva som vil være. Den raskest stigende bruken av data i forretningsanalyse kalles optimalisering, der ulike typer data sammenlignes for å maksimere effektiviteten i målrettede resultater.

Data er viktig når den er blitt raffinert til et nyttig verktøy. For å sette dette i perspektiv, tenk på uraffinerte data som om det var uberørt olje: det er mulig å samle store mengder data, men det må omdannes til et nyttig produkt for å være verdifullt i økonomisk forstand. Søknaden må hentes ut av dataene. Bedriftsanalysens rolle er å finjustere dataene.

Vurder følgende eksempel: Firma ABC selger leketøybiler. Ledelsen bestemmer at den ønsker å forstå sitt potensielle marked, men det kan ikke bestemme hvilken type data som skal samles inn. Skal det se på kjøpsmønstre i ekte biler? Skal det ta undersøkelser av favorittleketøyfarger for barn? Bør det se på etnisitet, religion, kjønn eller inntekt i målmarkedet?

Firmaet ABC vil sannsynligvis ikke begynne å samle inn data på forbrukerens spisevaner. Det ser ikke ut til å være mye sammenheng mellom spisekjøp og leketøybilkjøp. Selv om ansatte hadde bemerkelsesverdige statistiske modelleringsverktøy og kunne utføre komplekse økonometriske studier, er det ikke sannsynlig at disse dataene er viktige.

De viktigste dataene er dataene som gir størst konkurransefortrinn. Gruvedrift og raffinering er ikke en kostnadsfri prosess. Bedrifter bør lete etter data som gir størst avkastning på forretningsanalysenes investeringer.