dụng hồ sơ mua hàng cũ cả chục năm để giới thiệu các cuốn
sách khác thì ít có khả năng bạn sẽ mua chúng - hoặc thậm chí
thèm để tâm tới các khuyến nghị tiếp theo mà trang web cung
cấp. Khi các khuyến nghị của Amazon dựa trên cả thông tin lỗi
thời lẫn thông tin gần đây hơn vẫn còn giá trị, sự hiện diện của
các dữ liệu cũ sẽ làm giảm giá trị của các dữ liệu mới hơn.
Vì vậy, công ty vẫn sử dụng dữ liệu chỉ khi nó vẫn còn có hiệu
quả. Amazon cần liên tục chăm chút kho tàng dữ liệu và xóa bỏ
các thông tin đã mất giá trị. Khó khăn nằm ở chỗ biết được dữ
liệu nào không còn hữu ích nữa. Nếu chỉ ra quyết định căn cứ
vào thời gian thì hiếm khi thỏa đáng. Do đó, Amazon và những
công ty khác đã xây dựng những mô hình phức tạp để giúp họ
tách biệt dữ liệu hữu ích với dữ liệu không liên quan. Ví dụ nếu
một khách hàng xem hoặc mua một cuốn sách được đề nghị dựa
trên một lần mua trước, thì công ty thương mại điện tử có thể
suy ra rằng giao dịch cũ vẫn còn thể hiện cho những sở thích
hiện tại của khách hàng. Bằng cách đó họ có thể chấm điểm cho
tính hữu dụng của dữ liệu cũ, và nhờ đó lập ra mô hình “tỷ lệ
khấu hao” chính xác hơn cho các thông tin.
Không phải tất cả dữ liệu đều mất giá trị với cùng một tốc độ
hoặc theo cùng một cách. Điều này giải thích lý do một số công
ty tin rằng họ cần lưu trữ dữ liệu càng lâu càng tốt, ngay cả khi
các cơ quan quản lý hoặc công chúng muốn nó được xóa đi hoặc
làm ẩn danh sau một thời gian. Ví dụ Google từ lâu đã phản đối
các yêu cầu xóa địa chỉ giao thức Internet đầy đủ của người sử
dụng từ các truy vấn tìm kiếm cũ. (Thay vào đó nó chỉ xóa chữ
số cuối cùng sau chín tháng để làm ẩn danh một phần các truy
vấn. Như vậy, công ty vẫn có thể so sánh dữ liệu năm này qua
năm khác, chẳng hạn các lệnh tìm kiếm về mua sắm dịp lễ -
nhưng chỉ trên cơ sở khu vực, chứ không xuống tới từng cá
nhân.) Ngoài ra, việc biết vị trí của người tìm kiếm có thể giúp
