Boken 'Big Data' utforsker hvordan metoder for analyse av store datamengder, som maskinlæring, har revolusjonert vitenskapelig praksis innen en rekke fagfelt de siste årene. Til tross for den omfattende bruken av disse verktøyene, mangler det fortsatt en grundig epistemologisk analyse av deres innvirkning. I verkets første del presenteres en konseptuell analyse av begrepet data, etterfulgt av en kort introduksjon til den metodologiske dichotomien mellom induktvisme og hypotetisk-deduktiv tilnærming. Videre diskuteres flere kontroversielle teser knyttet til tilnærminger i big data-forskning, inkludert spørsmålet om korrelasjon kan erstatte årsakssammenheng, om vi er på vei mot slutten av tradisjonell teori og om big data-metodikk representerer en helt ny vitenskapelig metode. Forfatteren tar et klart standpunkt for en induktiv tilnærming til big data-forskning og argumenterer for at den induksjonen som benyttes av de mest vellykkede big data-algoritmene, er variert induksjon i tråd med Mills metoder. Med utgangspunkt i denne innsikten kan de nevnte epistemologiske problemene systematisk bli adressert.
