这些天NBA篮坛上曾经的冷板凳球员林书豪声誉鹊起，大众对他的关注早就超越了球艺，不仅从家庭背景到哈佛学历、还有从宗教信仰到族裔国籍，着实掀起了一股“林来疯”，而其中甚至还有我们情报分析人员值得一看的故事。 
    篮球是美国仅次于橄榄球的几大“国球”之一，不知道有多少专家、教练甚至赌球的都在做分析搞研究。令人大跌眼睛的是，在“林来疯”潮中，美国联邦快递一位籍籍无名的驾驶员、51岁汉子魏兰德一举成名，因为2010年5月他在一个篮球分析网站上发表了预测文章，断言“林书豪是NBA选秀中最有可能带来惊喜的球员”。虽然实际情况是，林书豪当年6月份在NBA选秀中惨遭淘汰，12月又连被两个球队（包括姚明的老东家）拒绝，但那位没有篮球运动背景的魏兰德最终“笑到了最后”。他不是乱猜的，而是从其他人有所忽略的两个指标“两分球命中率（2-point FG pct）”和“40分钟防守综合能力（RSB40）”的数据分析，发现林书豪在这些方面不亚于当前NBA有些明星球员在大学时期的数值。 
    在美国体育运动大量运用数据分析早就不是新闻，去年一部皮特主演的电影《点球成金》讲的就是资源不足的橄榄球队（3月4日补白：应该是棒球队，感谢Panda纠错！）如何通过数据分析找到“性价比”最高的球员从而取胜的故事，而电影依据的原著2003年就已经出版。两年前上海就有媒体报道，姚明为支援上海大鲨鱼队带来的美国技术团队中，就有数据分析小组，“由精通于数字和统计的高材生组成。他们将所有与CBA球队和球员的数据进行汇总分析，通过专业的软件系统，为球队提供科学的数字依据”（《文汇报》2010年3月16日）。  
    情报分析的一个重要内容就是对数据的分析。我1987年就在《情报学报》上发表过“数据分析方法在情报研究中的应用”文章，当然今日之数据情报分析在信息技术的推进下步入一个全新的阶段，已经完全不可同日而语。先是数据挖掘、文本挖掘加可视化，让专利文献的分析上了个台阶，而这仅是其功效之一；现在又有云环境下的大数据分析（Big Data Analytics），它实时分析表面上不相干的海量数据，发现其中关联，并且依据关联模型测试无数种应对方案，从而实现更加智慧的决策，这甚至可以在移动状态下进行。 
    虽然无论数据挖掘还是大数据分析主要并非在情报圈子发展，但是情报分析人员必须关注这些信息技术的“新宠”，战略与竞争情报专业人员协会（SCIP）杂志Competitive Intelligence最新一期（14卷4期）有“情报十大趋势”一文，不仅将“数据分析学纳入情报工具” 列为第五，而且其他几个趋势中的移动应用、图表的交互式可视化等都与大数据分析有关。 
    情报分析人员关注数据分析，掌握一些统计分析方法当然好，但这并非关键，更不意味大家都要去学用先进的分析软件，方法和技术可以请教专业人士甚至找来外部服务。重要的是要有数据意识和数据素养，这可能成为情报分析当前和未来需要的基本功之一，比如看到数据不要马上就认定“精确”、知道对企业竞争力直接和间接有关的有哪些数据、对数据出处、采集方法和定义范围有敏感度、对本行业基本事项的直觉判断要有数量级的概念、能够识别可能反映关键性质的数据指标，特别是善于捕捉不同数据间可能存在的关联，等等。 
    上一定规模的B2C企业都会重视客户反馈，但是懂得把客户的意见与自己企业内部流程、涉及的人员状态、与地点有关的信息、与气候有关的信息等联系起来交叉分析，以判断问题的来源，那就说明具备了较高的数据素养。如果有了这样的素养，利用现有的数据库平台、软件和分析工具来验证那些“大胆假设”，就不太困难了。