Užitočnosť akéhokoľvek typu údajov alebo zdroja údajov závisí od typu vykonávanej analýzy. V niektorých podnikoch funguje analýza údajov ako nástroj na zhromažďovanie spravodajských informácií v reálnom čase a meranie výkonnosti. Iné podniky môžu používať čisto opisnú analýzu zameranú na profilovanie, segmentáciu a identifikáciu spotrebiteľov. Ambicióznejšia verzia dátovej analýzy sa týka transformácie údajov na predpovede - pýtajú sa nielen to, čo je, ale čo bude. Najrýchlejšie rastúca aplikácia údajov v podnikovej analýze je známa ako optimalizácia, pri ktorej sa porovnávajú rôzne typy údajov s cieľom maximalizovať efektívnosť cielených výsledkov.
Dáta sú dôležité, keď boli vylepšené do užitočného nástroja. Aby sme to uviedli v perspektíve, myslite na nerafinované údaje, akoby išlo o nerafinovanú ropu: je možné zhromaždiť obrovské množstvo údajov, ale musí sa transformovať na užitočný produkt, ktorý bude cenný v ekonomickom zmysle. Žiadosť sa musí extrahovať z údajov. Úlohou podnikovej analýzy je spresniť údaje.
Zoberme si nasledujúci príklad: Spoločnosť ABC predáva autíčka. Manažment sa rozhodne, že chce pochopiť svoj potenciálny trh, nemôže sa však rozhodnúť, aký typ údajov bude zhromažďovať. Malo by sa zamerať na nákup modelov v skutočných automobiloch? Malo by robiť prieskumy obľúbených farieb hračiek pre deti? Malo by sa zamerať na etnicitu, náboženstvo, pohlavie alebo príjem na cieľovom trhu?
Spoločnosť ABC pravdepodobne nezačne zbierať údaje o stravovacích zvyklostiach svojich zákazníkov. Nezdá sa, že by veľa korelovalo medzi nákupom jedál a hračiek. Aj keď jeho zamestnanci mali pozoruhodné nástroje štatistického modelovania a mohli vykonávať komplexné ekonometrické štúdie, nie je pravdepodobné, že by tieto údaje boli dôležité.
Najdôležitejšie údaje sú údaje, ktoré poskytujú najväčšiu konkurenčnú výhodu. Ťažba a rafinácia údajov nie je proces bez nákladov. Podniky by mali hľadať údaje, ktoré poskytujú najvyššiu návratnosť investícií do podnikovej analýzy.