當收集、存儲和分析數據的成本比較高的時候，應該適當地丟棄一些數據。安大略理工大學的卡羅琳·麥格雷戈（Carolyn McGregor）博士和一支研究隊伍與IBM一起和很多醫院合作，用一個軟件來監測處理即時的病人信息，然后把它用于早產兒的病情診斷。

有一次，監測系統甚至幫助UPS發現了一個新車的一個零件有問題，因此免除了可能會造成的困擾。

只有半夜護士的緊急電話才讓他們知道大事不好了，美國服務器租用，他們的直覺犯了大錯誤。

數據表明，早產兒的穩定不但不是病情好轉的標志，反而是暴風雨前的寧靜，就像是身體要它的器官做好抵抗困難的準備。但是我們也不太確定，我們不知道具體原因，只是看到了相關關系。

提早知道病情，醫生就能夠提早治療，也能更早地知道某種療法是否有效，這一切都有利于病人的康復。所以，VPS租用 國內服務器，未來這個系統估計會應用到所有病人身上。

醫院使用醫療設備在病人身上裝上各種管線同時得到大量的數據。心電圖每秒鐘就能產生1000個讀數。但是只有部分的數據是被保存使用的，大部分都束之高閣了，即使這些數據都能在一定程度上表現出病人的情況。

系統會監控16個不同地方的數據，比如心率、呼吸、體溫、血壓和血氧含量，這些數據可以達到每秒鐘1260個數據點之多。在明顯感染癥狀出現的24小時之前，系統就能監測到早產兒細微的身體變化發出的感染信號。

但這種方法不太有效，因為有的零件并沒有什么毛病就被換掉了。通過監測車輛的各個部位，UPS如今只需要更換需要更換的零件，從而節省了好幾百萬美元。

無獨有偶，橋梁和建筑物上也被安裝了傳感器來監測磨損程度。大型化工廠和提煉廠也安裝了傳感器，因為一旦設備的某一個零件有問題，就只有在更換了零件之后生產才能繼續進行。

麥格雷戈博士說：“你無法用肉眼看到，但計算機可以看到。”這個系統依賴的是相關關系，而不是因果關系。它告訴你的是會發生什么，而不是為什么發生。這正是這個系統的價值！

驚人的是，麥格雷戈博士的大數據分析法能發現一些與醫生的傳統看法相違背的相關關系。比如說她發現，穩定的生命體征表明病人發生了嚴重的感染。

收集和分析數據的花費比出現停產的損失小得多。預測性分析并不能解釋故障可能會發生的原因，只會告訴你存在什么問題，也就說它并不能告訴你引擎過熱是因為什么，磨損的風扇皮帶？沒擰緊的螺帽？沒有答案。同樣的方法也可以運用在人身上。

UPS國際快遞公司從2000年就開始使用預測性分析來監測自己全美60000輛車規模的車隊，這樣就能及時地進行防御性的修理。

這很奇怪，因為醫生一般認為惡化的疼痛才是全面感染的征兆。你可以想象，以前醫生都是下班的時候看看嬰兒床旁邊的記錄本，覺得病情穩定了，也就下班回家了。

當與其他病人的數據一起考慮的時候，它們就能顯現出哪些治療方法是有效的。

如果車在路上拋錨損失會非常大，因為那樣就需要再派一輛車，會造成延誤和再裝載的負擔，并消耗大量的人力物力，所以以前UPS每兩三年就會對車輛的零件進行定時更換。

這個系統可能不會自己做決定，但是它已經做到了機器能做到的最好，那就是幫助人類做到最好。