Na początku pojęcie Big Data rozumiane było tylko jako możliwość przechowywania i przetwarzania dużej ilości danych, generowanych przez użytkowników online. Po jakimś czasie, dzięki odpowiedniej analizie tych zbiorów, przedsiębiorstwa odkryły ogromny potencjał Big Data w kontekście wykrywania wzorców zachowań użytkowników. To pomogło takim cyfrowym gigantom jak Facebook, Twitter, Amazon czy Google dostosować swoje serwisy do zmieniających się potrzeb odbiorców, a także znacznie efektywniej targetować zamieszczane w nich reklamy. Wcześniej głównymi źródłami danych o użytkowniku były listy i wiadomości, słowa kluczowe w wyszukiwarce, towary, które ludzie kupują w sklepach online itd. Informacje te były bardzo ogólne.
Wartościowe i jakościowe
Dostrzegając potęgę Big Data firmy zaczęły inwestować w poszukiwanie coraz nowszych źródeł danych oraz sposobów ich analizowania. W dzisiejszym świecie można zaobserwować wyraźne przeniesienie nacisku z „dużych" zbiorów danych na te „najbardziej wartościowe i jakościowe". Pozyskanie i obróbka tradycyjnej informacji nie stanowi już zadania pierwszorzędnego. Najważniejszym zadaniem specjalistów Big Data jest dziś poszukiwanie nowych, coraz bardziej użytecznych zbiorów danych.
Od personalizacji do indywidualizacji
Do niedawna podstawą analizy danych było budowanie kręgów (klastrów) zgodnie z pewnymi faktami dotyczącymi ludzi (wiek, płeć, zainteresowania, historia zakupów). Taki podział zakładał, że zachowanie wszystkich uczestników odpowiedniego klastra jest podobne. Dla przykładu, podczas kampanii wyborczej elektorat dzielono na grupy według wieku, płci, geografii itp. i określono specyficzne zachowanie wszystkich uczestników każdej z grup. Takie podejście nazywa się personalizacją.
W 2016 roku firma Cambridge Analytica poruszyła świat zupełnie nowym podejściem do pracy z Big Data. Najbardziej znanym przykładem była kampania wyborcza Donalda Trumpa, dla której Cambridge Analytica przygotowała strategię marketingową, opartą o analizę Big Data. Dla każdego Amerykanina, który miał możliwość udziału w wyborach (ok. 230 mln osób) firma zebrała po ok. 5 tys. faktów. Dane te zostały wykorzystane także podczas prawyborów Partii Republikańskiej, w celu skuteczniejszego targetowania kampanii reklamowych.
Podejście, które uwzględnia określenie typu osobowości na podstawie analizy działań użytkownika w środowisku cyfrowym stanowi zupełnie nowy poziom pracy z danymi. Dzięki informacjom pozyskanym z mediów społecznościowych i wyszukiwarek, urządzeń inteligentnych, gadżetów GPS a także dzięki historii zakupowej, możliwe jest przeprowadzenie analizy konkretnej osoby i tworzenie prognoz dotyczących jej indywidualnego zachowania, a nie grupy podobnych ludzi. Podejście takie otrzymało miano „indywidualizacji". Umożliwia ono monitorowanie i określanie pewnych niemożliwych wcześniej do zbadania cech praktycznie każdej osoby: zachowania się w określonych sytuacjach, cech charakteru, sposobu komunikacji oraz przemieszczania się. Na podstawie wygenerowanego „typu osobowości" te dane są w stanie uzupełnić informacje o stylu życia osoby. Dzięki indywidualizacji firma dowiaduje się np. o tym, jak jej klienci podejmują decyzje - impulsywnie i emocjonalnie czy ostrożnie, zdecydowanie i racjonalnie oraz w jaki sposób odbierają informacje - sensorycznie czy intuicyjnie. Właśnie te dane są kluczowe dla przewidywania przyszłych działań klienta. Pozwalają bowiem nie tylko zrozumieć jego motywy, wizję i postrzeganie świata, ale także przewidzieć jego zachowanie i w konsekwencji – wpłynąć na nie.