为了从现有数据中发掘创新想法，你需要分析二手数据集（Secondary Datasets）或现有文献，以寻找无法解释的异常现象、应用新的分析方法，或将以往孤立的变量联系起来。重新审视现有数据是提出新颖研究问题的高效途径，且无需耗费收集一手数据（Primary Data）的时间与成本。通过转换视角，你可以发现前人研究中遗漏的隐藏规律。
以下是从现有数据中提取全新、创新想法的实用方法。
寻找异常现象与离群点 (Outliers)
在审查现有数据集时，请密切关注不符合预期趋势的数据点。前人研究往往为了清理统计模型而剔除离群点，但这些异常现象往往是取得突破的种子。试问自己这些偏差为何发生，它们是否指向了某个尚未被探索的现象，或是某个以往被忽视的新变量。
应用现代分析方法
五年或十年前的数据分析受限于当时的可用工具。通过应用现代技术——如高级机器学习算法、网络分析（Network Analysis）或最新的预测模型——你可以从旧的二手数据中提取新的见解。全新的方法论往往能揭示传统分析根本无法察觉的复杂关系。
融合不同领域的数据集
创新往往发生在不同学科的交叉点。尝试将两个看似不相关领域的数据结合起来，观察变量之间如何相互作用。例如，将环境数据集与历史经济记录相融合，可能会为区域发展带来新的见解。对现有数据集进行交叉比对，能让你提出独特的跨学科研究问题。
梳理文献以寻找研究空白 (Research Gaps)
要想知道某个数据集还有哪些尚未开展的研究，你必须全面梳理现有文献，了解已经完成了哪些工作。请特别关注已发表论文中的“研究局限”（Limitations）和“未来研究方向”（Future Research）部分。如果你在综合海量背景文献时感到吃力，WisPaper 的 Idea Discovery 功能利用智能体 AI（Agentic AI）自动从你的文献中识别研究空白，帮助你精准定位需要引入新视角的切入点。
转换语境或理论框架
审视现有数据最初所处的语境。同样的数据能否用来回答一个截然不同的问题？如果一个数据集最初用于研究零售业的消费者行为，能否通过心理学视角对其进行重新分析，从而理解认知决策过程？转换理论框架或人口统计学焦点，可以瞬间将一个旧的数据集转化为极具创新性的研究项目。