Selon une définition datant de 1975 et donnée par Igor Ansoff, économiste, un signal faible est  « une information d’alerte précoce, de faible intensité, pouvant être annonciatrice d’une tendance ou d’un événement important ». Les données dites de "signaux faibles" ont en réalité bien souvent un fort potentiel. Lorsqu'elles sont mises en perspective dans un contexte précis, elles peuvent en fait s'avérer extrêmement pertinentes notamment dans la production d'analyses prédictives. L'exemple de l'internaute sur une page de site marchand est à cet égard révélateur : le temps passé sur une page produit permettra éventuellement d'anticiper une conversion en achat, à condition bien sûr d'ajouter à l'analyse le contexte global de navigation de cet internaute et son historique de pages vues.
 
Les signaux faibles doivent d'abord être bien compris. Un article du Monde prend l'exemple d'une gamme de produit : "découvrir que si telle gamme de produit se vend mieux que les autres, ce n'est pas parce que le goût en est meilleur, mais parce que le système d'ouverture en est plus commode. Une conclusion que seule l'analyse des signaux faibles cachés dans des statistiques de ventes de centaines de références démontrera." Alexis Meilland consultant Big Data chez Autonomy, interviewé par ZDNet explique qu' « On est aujourd’hui capable avec les nouvelles technologies d’analyser et d’exploiter la totalité des données disponibles avec une granularité extrêmement fine. On peut alors en extraire les informations les plus pertinentes ainsi que les signaux faibles, qui permettent d’identifier de nouveaux comportements, de nouveaux types de consommateurs, de nouveaux critères de segmentation, etc. ».
 
Compte tenu de la surabondance des données, détecter les signaux faibles revient à périmétrer strictement le champ des données à explorer et à suivre un objectif précis. Fabien Barbaud, CTO de Public-Idées explique très concrètement sa démarche dans un article paru dans Marketing Professionnel : "Prenons une typologie client e-commerçant qui a pour objectif d’augmenter le panier moyen de son client (déjà acquis), et un second objectif où l’e-commerçant veut augmenter son trafic et acquérir de nouveaux clients. Les problématiques et les collectes d’informations sont donc différentes. A partir de là, la collecte d’information sera la suivante : quel est le panier que l’internaute est en train de se construire au fil de sa navigation ? La logique impose donc la création d’un outil à mettre en place sur le site de l’e-commerçant qui va capter les différents ajouts dans le panier de l’internaute. Le parcours de ce dernier doit également être pris en compte, notamment par quel point chaud du site il va passer. En captant tous ces éléments qui pris séparément peuvent sembler sans intérêt le professionnel va ainsi pouvoir créer un profil client (pattern). En utilisant ces patterns, nous pouvons par exemple, trouver des leviers qui vont amener les internautes ne correspondant pas à ce profil à le devenir." En cela, les Big Data constituent non seulement une évolution du marketing mais également des méthodes de pensée vers beaucoup plus de souplesse, d'agilité et d'ouverture.