Néhány éve még kérdéses volt, hogy azt az elképesztő adatmennyiséget, amit „Big Data”-nak neveztek el, fel lehet-e egyáltalán használni értelmes célokra. Ma már világos, hogy életünk egyre jelentősebb részének van online vonatkozása, a legtöbb szolgáltatás a digitális térben is jelen van, és minden felhasználó bőségesen hagy maga után a digitális nyomokat, akár tudja ezt, akár nem. (Gondoljunk csak az egyik távol-keleti  technológiai cégre, amelyik felhívta felhasználói figyelmét, hogy fontos dolgokról lehetőleg ne beszéljenek okostévéjük előtt…) A rendelkezésre álló elképzelhetetlenül nagy, strukturálatlan adatmennyiség összefésülésére, rendszerezésére már megszülettek az elemzési módszerek, szoftverek.

Médiatermékek esetében elsőrangú példa a Financial Times. Robin Goad (Head of Customer Analytics, FT) nemrég kifejtette, hogy a több mint 120 éves múltra visszatekintő gazdasági lap minden korszakban képes volt – akár meglepően erős fordulattal – irányt módosítani és megújulni.  Legutóbbi nagy vállalkozásuk, hogy saját First Party Data elemzésüket felhasználva alakították át üzleti modelljüket (data driven reach and return business modell). Az adatokat alapvetően három szempont szerint csoportosítják: a lehető legtöbbet akarják tudni a felhasználóról (User) – ki ő, milyen eléréssel, előfizetéssel, engedélyekkel stb. rendelkezik, hogyan kapcsolódik az FT-hez –, a felhasználó viselkedéséről (Behavioural) – mit, hogyan, milyen eszközön, miért olvas, hogyan talált a cikkre, mi az amit nem olvas stb. –, és végül fontosak a metaadatok (Meta), vagyis hogy miről szól a sztori, ki írta, mihez tartozik, kik látták, mikor, hol és miért publikálták.