原始的大数据被不同的面向数据的过程所提纯，然后通过分析和优化工具而成为有增值的、可销售的产品。
以从不同的模拟和数字资源中获取的大量数据为基础，首先碰到的是从关联、趋势和特定模式方面对大数据的分析。因此人们要区分可用数据和干扰数据，并做相应的过滤。分析大数据可以让我们更好地理解智能对象和智能对象系统。理解它们就可以借助模型来对系统近行数学描述。模型的行为可以同真实情况进行比较，例如同传感器数据和物流网数据进行比较，并以这种方法不断地改进模型，直到模型和智能对象或者系统建立了足够精确的关联。这些模型是预测、优化以及决定是否对系统进行干预的基础。
例如，通过对社会化媒体的分析，人们可以看见，哪些话题在哪一天以什么样的强度被人们讨论。被谈论的话题可能是汽车部件如轮胎、座椅、制动器和车门，也可能还包括样式、牌子和使用者。这个信息的增值存在于相关性中。是什么导致这个主题的讨论是正面或者负面的? 对牌子和销售有什么正面和负面的影响?怎样可以优化?通过分析可以看清舆论，辨别哪些话题是新兴的，哪些是过时的，也可以建立话题之间的关联。这些分析是更好地了解市场状况的基础，因而也是更快更好的决策基础。
