“DRIP”是“DataRichandInformationPoor”的缩写，意为数据丰富和信息不足，DRIP这个词首次出现在1983年最畅销的商业书籍“追求卓越”中，书中描述了虽然拥有大量丰富的数据，但缺乏生产有价值信息的流程。而后，通过实施信息技术，DRIP问题终于被成功解决。然而，政府机构并没有铲除DRIP的足够动机，在美国国防部，大量数据让分析师们喘不过气，他们提供的信息常常过时、且与决策者的决策并不相关。在现代战争的速度下，DRIP却像一个迷宫一样错综复杂，充满无法访问或是毫无权威性的数据，从而阻碍了信息融合和理解，从而降低了部队战斗力。
DRIP的致命性表现在无法满足“在正确的时间将适当的武器传递到精确位置”的需求。这一需求看似简单，但在竞争过度和巨大杀伤力面前变得相当复杂。比如需要精确考虑：对敌人最有效的武器是什么？这些武器如何产生预期效果？敌人和其他人将如何应对这种影响？等诸多问题。
战争的速度发生了惊人的变化，使得全球安全环境变得更加难以预测、危险和无情。决策空间的高度折折叠乃至瓦解，促使我们的决策必须跟上战争的速度。
常规的方式是通过有顺序的、缓慢的信息请求流程，传达给决策者。这种情况下，一个军事单位可能起草了某个提案并发送给众多单位。在这个神秘过程中，必须反复确认提案，明确需求，并做出响应。以这种方式最快的反馈也需要数天时间。
而当下，信息可以通过以光速穿过光纤电缆的数字位来表示。比尔盖茨也提出了很多良好信息系统如何加快生产的例子。根据盖茨的说法，最优化的方式是将所有信息都减少到高度结构化的数据位，编写算法，并根据决策者的目标操纵这些数据，然后将分析师和决策者无缝连接到这个平台。最后盖茨还恳请各个行业领导者研究他们的所有信息整合到数字神经系统中，从而大大减少工作时间。
国防工业和美国国会许多领导都在争取增加政府支出，来投资建设信息融合中心，大数据分析，机器学习，人工智能和云计算。毫无疑问，这些都是部分有助于提高信息优势，但如果国防部的DRIP问题没有解决，那么投资效果会大大降低。这些投资与建设看起来光鲜艳丽，但是一些部门仍处在“garbagein,garbageout”的状态。当底层数据是垃圾，或者数据被埋在垃圾堆中时，单纯地拨款并不能解决其根本问题。
为解决DRIP问题，首先需要回顾认知领域对数据和信息的看法。如上所述，必须首先进行数据处理，提炼出信息，最终才能支持最终决策。数据通常由看似毫无意义的点表示，包括位置、温度或特定时间。通过属性的匹配将这些数据点一起处理产生关于特定时间的特定位置的温度的信息。当多个信息组合在构建成知识，信息才变得更有价值。
