روبوت المختبر يعدّ الجزيئات — ويخطئ. في أنبوب واحد 0، وفي آخر 12، وفي ثالث 3، رغم أن الكميات في الحقيقة متساوية تقريبًا. هذه الأرقام "الخام" أمر شائع في علم الأحياء: تسلسل الحمض النووي (DNA)، عدّ الأنواع في عينة ماء، نشاط الجينات. البيانات كثيرة، لكنها متناثرة ومشتتة أكثر مما يسمح به العشوائية البسيطة.
اقترح علماء الرياضيات "مترجمًا" لهذه الضوضاء — طريقة البواقي المعتمدة على توزيع ديريشليت متعدد الحدود (DM). الفكرة تشبه عمل المدقق الإملائي في محرر النصوص: فهو لا يعيد كتابة النص من جديد، بل يضع خطًا تحت الأماكن المشبوهة فقط، تاركًا كل شيء آخر كما هو. وهكذا هنا: الطريقة لا تغير الأصفار والوحدات الأصلية، بل تضغط القيم المتكررة فقط إذا كانت خارجة عن النمط العام. تتم عملية التنظيف بأكملها في مسار واحد، ويعتمد زمن المعالجة فقط على عدد الخلايا غير الصفرية — أي أنه شبه فوري.
النهج الجديد — مثل محول عام. فهو لا يعمل مع الجداول البسيطة فحسب، بل أيضًا مع البيانات التي ترتبط فيها السمات في سلاسل أو أشجار (مثل الأنواع على شجرة النشوء والتطور). وهذا يسمح باستخدام نفس الأداة لتنظيف بيانات الجينات أو البروتينات أو النظم البيئية. والأهم — يمكن ببساطة "توصيله" بالبرامج التحليلية الجاهزة دون إعادة كتابتها بالكامل.
المدقق لا يختلق الحقائق. إنه يزيل التموجات فقط، تاركًا النص — أو الجدول — أنقى مما كان.
غالبًا ما يُستخدم توزيع ديريشليت متعدد الحدود في تحليل النصوص: فهو يصف جيدًا كيف تتغير ترددات الكلمات من مستند إلى آخر.
في رواية "آلة الفروق" لجيبسون وستيرلينغ، تحليل البيانات يغيّر مسار التاريخ — طريقتنا كانت ستصبح مرشحًا مثاليًا لحاسوب اللورد باباج البخاري.