我們通常通過邏輯推理得到結果，先有原因，再有結果，如果沒有原因，我們往往覺得不可信。比如青黴素的和其他的抗生素髮明過程中，人們不斷分析原因，然後尋找答案（結果），但時間可能會特別久，不是患者可以等待的。有大資料以後，如果將每一種藥和每一種病匹配，就會有意外的驚喜，比如治療心臟的藥物對心臟特別好。這樣找到治療胃病的藥物只要三年，這種方法依靠的是強關聯關係。然後再反過來找為什麼有效。

         在大資料時代，我們能夠得益於一種新的思維方法，從大量的資料中直接找到答案，雖然不知道原因，如果能夠接受，那我們的思維就跳出了機械時代單純追求因果，開始有大資料思維了。

        Google05年之前一直不斷使用資料來提高搜尋質量，但主要工作方法是遵循因果關係，但是搜尋質量提升速度太慢了，根據資料的積累，大家發現，搜尋質量和很多的資料特徵有很強的相關性，利用這些特性可以迅速提升搜尋結果的質量。在所有的資料中，與搜尋質量相關性最高的是大量的點選資料，即對於不同的搜尋關鍵詞，使用者都點選了哪些搜尋結果（網頁）。要麼改進搜尋排序結果，要麼相信使用者的點選結果。度量使用者點選資料和搜尋結果相關性的模型，通常被稱為“點選模型”，點選模型現在在搜尋排序中至少佔70%-80%的權重。當然，點選模型的準確性取決於資料量的大小。