企业界已投资了数百万美元在大数据（巨量资料）和数据分析上。但最近的报告显示，大多数的这些投资都还没有看到报酬。在这个「数据是新石油」的时代里，精明的公司要如何从这大量的数据储存中找出见解，以推动能够获利的决策？
在一篇有挑衅意味和影响力的文章中，《连线》杂志（Wired）前任总编辑克里斯•安德森（Chris Anderson）认为：「面对极大量数据，过去这种科学方法，也就是假设、模型、测试，变得过时了…现在有一个更好的办法。高达千兆位元组（petabyte）的资料让我们得以说：『只要有相关性就足够了。』我们可以停止寻找模型。我们可以在没有假设可能会出现的情况之下，分析数据。」
揭开数据当中隐藏的模式，成了新的使命。但是，即使数据科学家能够达成这个使命，这些发现通常与业务脱节。
一直以来能成功利用数据的公司，一开始都有一个明确的业务问题，然后才寻求数据来帮助他们做决策。该过程是从一个业务问题和特定假设开始的，而非从数据开始着手。这和安德森所鼓吹的做法是相反的。让我们想想以下三种情况：
亚马逊的Prime Now 服务
2005年，亚马逊推出了顶级会员（Prime） 服务，提供会员两天到货的免运费服务。当实体店家发现很难在价钱或产品种类上与网路商店竞争时，便强调客户可以立即在他们的店面取货，而不用等上好几天。为了维持竞争力，亚马逊在2015年针对顶级会员推出了当天到货的免费服务。这之后，他们很快又宣布了一项新的服务 Prime Now；有超过25,000项产品，订购之后能在两个小时内送达会员家门口。亚马逊如何能够将上千种产品在两小时内送达上百万户人家，而其他网路公司却需要三到五个工作天？虽然高效率的仓储和物流是原因之一，但其实是亚马逊根据客户过去的购买行为，来预测他们在未来会订购什么商品。这样的见解帮助亚马逊找到最佳的仓库地点，并库存适当的商品。亚马逊在你真正订购之前，就知道你很可能会订购什么东西。从丰富的客户数据获得更好的预测能力，还有一个极重要的好处：亚马逊大部分商品的库存时间都不会很长，显著地降低其营运资本需求。事实上，他的现金转换周期是14天，比大多数零售商近30天的周期短得多。
海尼根的「世界之城」（Cities of the World）
2014年，海尼根面临了一个全球性的挑战：它的消费者，尤其是引领风潮的年轻人，开始喜欢感觉比较正宗的在地精酿啤酒。一个全球性的品牌要如何才能保有对这些消费者的重要性呢？海尼根的高阶主管认为，喝啤酒是消费者社交生活的一部分。那么，有什么其他的事物或事件能推动和丰富他们的社交呢？该公司看到了大家使用社会讯息，来决定在一个城市里什么是热门的（酒吧、餐厅、事件），以减少「害怕错过」的感觉。使用这一项见解，海尼根推出了一场名为「世界之城」的行销活动，利用推特（Twitter）的服务@wherenext推动社会大众的参与。要使用这项服务，消费者只需用推特 @wherenext，标上他所在的地理位置，就会接收到所在区域有关于餐馆、活动或具乐部的建议，有效地将手机变成一张城市热点的客制化地图。海尼根给 @wherenext的演算法加入了内幕资讯，动员了有影响力的人，张贴有关他们冒险的贴文。不久之后，有一百多个市场引进了这一项全球性的策略进入本土市场，创造了独特的方式，帮助消费者找到具冒险性又实际的经验。在伦敦，标有海尼根招牌的计程车实际载着人们走出自己的舒适圈。客户在喝了一品脱的海尼根啤酒之后，这些计程车免费将他们载到伦敦的其他酒吧。在墨西哥市里，各处绿色的海尼根门都开启令人惊讶的经验：一个意想不到的自行车之旅，到伦敦的一趟旅行，或一顿美妙的晚餐。除了替品牌打造强大的亲和力，整个活动在全球最大的20个市场，缔造了总销量上升5％的成绩。
Buzzfeed 的原生广告
原生广告或赞助内容，往往模糊了广告和编辑内容之间的界限，在广告圈风靡一时。这方面的领导者之一Buzzfeed，是乔纳•派瑞提（Jonah Peretti）于2006年创立的。创立的前提就是，能可靠地产出在网路上像病毒般风行的内容。而Buzzfeed现在每月有两亿独立造访者，有七十亿个点阅数。广告商涌向Buzzfeed，因为它能创造高达30％-80％ 社会提升力（social lift）的赞助内容，「社会提升力」是病毒式传播的衡量标准。Buzzfeed如何持续达到这个病毐式传播的水准？ Buzzfeed的前总裁乔恩·斯坦伯格（Jon Steinberg）解释说：「（产制内容）有很多创意 ，但一旦文章发布后，就由系统接管了。我们在起飞过程中有控制权，但飞到空中之后，它就转为自动驾驶，由演算法来驱动。」 该公司有效地从数据当中得到见解，让演算法传送胜出的文章，淘汰输家。
这些例子有一个共同点：从数据得到的见解，都是精准地针对特定的业务问题而浮现，而不是为了找出隐藏的真相而随便乱枪打鸟。当然，在某些情况下，乱枪打鸟式的做法找到的数据模式，可以给你带来见解，但大部分来自数据的利益，都是为了找出一个具体问题的答案而产生的。