השימושיות של כל סוג נתונים או מקור נתונים תלויה בסוג הניתוח המבוצע. עבור עסקים מסוימים, ניתוח נתונים מתפקד ככלי לאיסוף מודיעין בזמן אמת ומדידת ביצועים. עסק אחר עשוי להשתמש בניתוח תיאורי בלבד המתמקד בפרופילציה, פילוח וזיהוי צרכנים. גרסה שאפתנית יותר של ניתוח נתונים עוסקת בהפיכת נתונים לתחזיות - לשאול לא רק מה יש אלא מה יהיה. היישום העולה במהירות של נתונים באנליטיקה עסקית ידוע ככלי אופטימיזציה, כאשר משווים סוגים שונים של נתונים כדי למקסם את היעילות בתוצאות ממוקדות.
נתונים חשובים כאשר הם מעודנים לכלי שימושי. בכדי לשים את זה בפרספקטיבה, חשוב על נתונים לא מזוקקים כאילו מדובר בשמן לא מזוקק: אפשר לאסוף כמויות אדירות של נתונים, אבל צריך להפוך אותם למוצר שימושי כדי שיהיה בעל ערך במובן כלכלי. יש לחלץ את היישום מהנתונים. תפקיד הניתוח העסקי הוא לעדן את הנתונים.
קחו למשל את הדוגמה הבאה: חברת ABC מוכרת מכוניות צעצוע. ההנהלה מחליטה שהיא רוצה להבין את השוק הפוטנציאלי שלה, אך היא לא יכולה להחליט איזה סוג נתונים יש לאסוף. האם עליו להסתכל על דפוסי קנייה במכוניות אמיתיות? האם עליו לבצע סקרים של צבעי הצעצוע האהובים על ילדים? האם עליו לבחון אתניות, דת, מין או הכנסה בשוק היעד?
חברת ABC כנראה לא תתחיל לאסוף נתונים על הרגלי האוכל של הצרכן שלה. נראה כי אין הרבה קשר בין אוכל לרכישת מכוניות צעצוע. גם אם לעובדיה היו כלי דוגמנות סטטיסטיים ראויים לציון ויכולים לבצע מחקרים אקונומטריים מורכבים, סביר להניח כי נתונים אלה אינם חשובים.
הנתונים החשובים ביותר הם הנתונים המספקים את היתרון התחרותי הגדול ביותר. כריית ושיפור נתונים אינה תהליך ללא עלות. עסקים צריכים לחפש נתונים המספקים את התשואה הגבוהה ביותר להשקעה בניתוח העסקי שלהם.
