Donita tiuj dek karakterizaĵoj de grandaj datumoj fontoj kaj la propraj limigoj de eĉ perfekte observitaj datumoj, kia esploro strategioj estas utila? Tio estas, kiel ni povas lerni kiam ni ne faru demandojn kaj ne kuras eksperimentoj? Ĝi povus simili ke nur rigardante personoj povis konduki al interesa esploro, sed tio ne estas la kazo.
Mi vidas tri ĉefajn strategiojn por lernanta de observaj datumoj: kalkula aferoj, prognozanta aferojn, kaj proksimigi eksperimentoj. Mi priskribus ĉiu el tiuj aliroj-kion oni povus nomi "esploro strategioj" aŭ "esploro receptoj" -kaj mi ilustri ilin kun ekzemploj. Tiuj strategioj estas nek reciproke ekskluzivaj aŭ ĝisfunda, ili tamen kaptos multajn esplorojn kun observaj datumoj.
Por prefigurar la asertoj kiuj sekvas, kalkulante supon plej grava kiam ni empirie adjudicating inter antaŭdiroj el diversaj teorioj. Prognozanta, kaj speciale nowcasting, povas esti utila por politikaj fabrikistoj. Fine, grandaj datumoj pliigas nian kapablon fari kaŭza taksoj de observaj datumoj.