As part of business intelligence and data mining, applied statistics provide companies with an important competitive advantage, allowing them to learn more about their customers, operations, products and competitors as well as to anticipate future developments. All too often, data analysis is based solely on descriptive statistics and summary reports, even though the data at hand could be a very rich and many-sided source of information.

Although the idea of applying statistical methods may be off-putting to some, in fact even the use of averages in reporting implies a statistical assumption about a normal distribution, and is thus applied statistics in its simplest form. An average, however, can be misleading, insufficient or in the worst case even an incorrect estimate of the reality which it is trying to quantify. In some cases, for example, a median would be the more appropriate statistic. Sometimes the observed data may be so complex or so enormeous that no reliable information can be extracted from it using basic statistical measures. In these situations, more advanced statistical methods can provide tools for analysing such data, providing both new information as well as the means of testing the reliability of this information.

Tietojärjestelmät, jotka on suunniteltu liiketoimintaa (tapahtumankäsittelyä) varten, harvoin tarjoavat mahdollisuutta raportointiin, josta voisi saada kokonaiskuvan yrityksen tai muun organisaation toiminnasta päätöksentekoa varten. Jos toiminnallisia järjestelmiä on useita, täytyy tietoja yhdistellä. Tietoja eri tarkoituksiin yhdisteltäessä tullaan helposti tilanteeseen, jossa samoja laskentasääntöjä ylläpidetään monessa paikassa ja samasta "totuudesta" on useampia versioita.

Ratkaisuksi on mahdollista luoda päätöksenteon tueksi tarvittavalle tiedolle tietovarastoja (Data Warehouse, DW), jotka on järjestetty informaatiotarpeen mukaan siten, että laskentasäännöt hallitaan yhdessä paikassa, tiedot ovat saatavissa nopeasti yksinkertaisin kyselyin, tiedot ovat riittävän yksityiskohtaisia,  ja silti historiallisen tiedon varastointi vie mahdollisimman vähän levytilaa. Detaljitasolla luotettavasta tiedosta voidaan sitten tuottaa monenlaisiin tarkoituksiin summattua ja karsittua tietoa (Data Mart, OLAP-kuutiot...), josta raportointijärjestelmät pystyvät nopeasti vastaamaan loppykäyttäjien tarpeisiin. Hyödyt ovat sekä ajallisia että rahallisia. Luotettava tieto päätöksenteon pohjana saattaa olla mittaamattoman arvokas.