数据研究依赖两个因素：一是数据的广泛性和多样性二是数据研究的共性。
现代社会的各行各业都充满了数据，这些数据的类型多种多样，不仅包括传统的结构化数据，也包括网页、文本、图像、视频、语音等非结构化数据。
数据研究本质上都是在解反问题，而且通常是随机模型的反问题，因此对它们的研究有很多共性。
例如，自然语言处理和生物大分子模型都用到隐马尔科夫过程和动态规划方法，其最根本的原因是它们处理的都是一维随机信号
再如，图像处理和统计学习中都用到的正则化方法，也是处理反问题的数学模型中最常用的一种。
