Bir bilgi her zaman tek başına bir şey ifade etmeyebilir. Bu bilgiyi işlersek bu buradan bir şeyler çıkarırsak o zaman bu bilgiden önemli ya da önemsiz bir şeyler elde ederiz. Veri bilimi üzerinde bir çok alanda yapılmış çalışmalar bulunmaktadır ve bu çalışmalar insan hayatını kolaylaştıran veya kolaylaştıracak işlerdir. Örnek vermek gerekirse tıp alanı üzerinde yapılan çalışmalarda bazı tanılar koymak gerekir ve bu tanıların koyulması için işinde uzman hekimler tarafından danışmanlık alınır veya tanıyı o uzman hekim gelip kendisi bizzat koyar. Bu işlem yazılan kadar basit değildir. Çünkü bir hekimin bir alanda örneğin kanser teşhisi konusunda uzmanlaşması hemen bir anda olabilecek bir şey değildir ve aynı anda birden fazla hastaya yetişemeyecektir. Biz burada uzman hekimlerden alacağımız yardımlar doğrultusunda ve önceden elde etmiş olduğumuz veriler ile modelimizi eğitebiliriz. Verimizi önişlemeler tabi tutarak modelimizde bize hata yaptıracak verileri çıkarttıktan sonra modelimizi eğitiriz ve bu kapsamda birden fazla hastanın tıbbi verileri üzerinden bir tahminleme yapabiliriz. Bu işlemi çok kısa sürede yapabiliriz (Donanımsal özelliklerimize göre) ve birçok veriden sonuç elde edebiliriz. Bu uzman hekimlerin üzerindeki yükü hafifleteceği gibi belli bir süre sonra insanın duygusal düşünme sonucu vereceği kararların doğruluğunun sorgulanmasının da önüne geçer. Çünkü bir model tarafından yapılan tahminleme yazdığımız kodlar doğrultusunda cevaplar döndürür ve duygusal bir şekilde cevap vermesinin önüne geçmiş oluruz.

Başka bir örnek vermek gerekirse bir fabrikada üretilen ürünlerin kalite kontrolleri sırasında kalite hatalarının toplanması işlemlerinden sonra bu hataların belli bir şekilde işlenmesi ve sonradan çıkacak hatalara önlem alınması yönünde bir aksiyon almak istenebilir. Bu gibi durumlarda verinin de özelliğine göre uygulanacak algoritmalar seçilir veri düzenlenir. Yani eksik verileri varsa onlar veri setine uygun şekilde doldurulur veya atılır, aykırı veriler ile uğraşılır ve sonrasında ise seçtiğimiz algoritma tarafından veriler işleme tabii tutulur. Örneğin k-Means algoritması tarafından işleme sokacağız diyelim ve bu sayede verilerimizin içindeki hatalarımızın hangi kümeler içinde olacağını bulacağız ve bunlara göre işlemler yapacağız. Çünkü bazen hataların önem sırasını bilmeden önümüze hangi hata geliyorsa bütün enerjimizi o hatamızı düzeltmek için uğraşıyoruz ve bunun sonucunda asıl önem derecesi yüksek olan hatayı erteleyebiliyoruz ve bu bize pahalıya patlayabiliyor. Biz bunu eski verilerden neden yapıyoruz diye soracak olursanız ise; bu fabrikada bundan sonra olacak hatalarda eski verilere yakın hatalar olacağı için yeni oluşacak olan hatanın hangi veri kümesine ait olduğunu bileceğiz ve bu sayede önem sırası yüksek bir sınıfta ise bu hataya öncelikli bir müdahalede bulunacağız.

Başka bir örnek vermek gerekirse fabrikalarda tedarikçi seçimleri bazen önemli kaynakların harcanmasına ve bunun sonucunda istediğimiz cevapların alınmasının önüne geçilmesine sebep oluyor. Tedarikçi seçimlerinde fabrika tedarikçilere doldurması gereken formlar gönderebilir ve bu formlar sayesinde veriler elde eder ve önceki tedarikçilerden de elde etmiş olduğu verileri iyi orta ve kötü diye sınıflandırma doğrultusunda karar alabilir ve bu işlemleri veri biliminin nimetlerini kullanarak yapmış olursa herhangi bir adam kayırma veya herhangi bir şekilde adaletsiz ve duygu yüklü kararlar vermemiş olur.

Bu örnekler böyle uzar gider ve hepsinde de veri bilimini biz insanların hayatlarını kolaylaştırmak için kullanırız ve en önemlisi de verilen kararların duygudan yoksun ve sadece mantıksal kararlar olduğunu biliriz.