在當下時期，最不缺少的也是信息內容。信息消費了哪些，這也是很顯然的：它消費的是信息內容接收者的專注力。信息內容越豐富多彩，便會造成專注力越貧乏……現如今，信息內容并不貧乏，貧乏的是大家解決信息內容的能力，大家比較有限的專注力是組織活動的關鍵短板。

對小數據信息來講，最基本上最重要的要求便是降低不正確，保質保量。由于搜集的數據量較為少，因此大家需要保證記錄下來的數據信息盡可能精準,不論是明確星體的部位或是觀察顯微鏡下物件的尺寸，為了更好地使結果更為精確，許多生物學家都專注于提升檢測的專用工具。

殊不知，在層出不窮的新情況里，容許不精確性的發生早已變成一個新的閃光點，并非缺陷。由于釋放壓力了容錯機制的規范，大家把握的信息也多了起來，還能夠運用這種數據信息做大量新的事兒。那樣就并不是很多數據信息好于小量數據信息這么簡單了，反而是很多數據信息造就了更佳的結果。

此外在融合來源于不一樣的各種數據的情況下，由于它們一般不完全一致，因此也會增加錯亂水平。盡管如果我們可以下充足的時間，這種不正確是可以預防的，但在許多狀況下，與專注于防止不正確對比，對問題的寬容會帶來大量益處。

對比取決于小信息和準確性的時期，大數據由于更注重數據信息的一致性和摻雜性，協助大家進一步貼近客觀事實的實情。“一部分”和“準確”的誘惑力是可以了解的。

可是，在我們的視線局限性在我們可以分析和可以明確的數據信息時，大家對全球的總體了解就很有可能造成不正確和誤差。不但失去竭盡全力搜集一切數據信息的驅動力，也失去從每個不一樣視角來觀察事情的支配權。

因此，限于狹小的小數據信息中，我們可以驕傲于對準確性地追求完美，可是，即使我們可以分析得到關鍵點中的關鍵點，也仍然會錯過了事情的全景。

這也是互聯網時代，思維模式的一個更改，不固執于對準確性的追求完美，相容錯亂。此外一個思維模式的變化則是，更為高度重視相關分析，而不固執于根據假定基本上對邏輯關系的尋覓。

在小數據信息的全球中，相關分析也是有效的，但在大數據分析的情況下，相關分析異彩紛呈。根據運用相關分析，我們可以比之前更非常容易，更方便快捷，更清晰地了解事情。

大家了解全球不再必須構建在假定的根基上，這一假定是對于狀況創建的相關其生產制造體制和本質原理的假定。因而，大家也不用創建那樣一個假定有關什么關鍵詞可以表明流行性感冒在任何場合散播。

取代它的的是，我們可以打斗數據信息開展相關分析，進而了解什么搜索關鍵詞是最能表明流行性感冒的散播的，機票的價錢是不是會高漲，什么食物是風暴期內在家里待著的人最愛吃的。

大數據的相關分析方法更精確，更快，并且不容易受成見的影響。創建在相關分析分析方法基本上的預測分析是大數據以及大數據獲客招商的關鍵。這類預測分析產生的頻率十分高，以致于大家常常忽視了它的創新能力。自然，它的運用也會愈來愈多。