Šī mērķtiecīgā analīze aptver tā saukto Ziemeļu izaugsmes zonu, kas stiepjas no Oslo caur Örebro un Turku līdz Sanktpēterburgai. Šis koridors ietver ScanMed TEN-T koridora ziemeļu daļas, un tā mērķis ir palielināt reģiona konkurētspēju pasaules mērogā, izveidojot vienotu, starptautiski atzītu tirgu un piepilsētas jostu. Kopumā Baltijas jūras reģiona izaugsmes koridoru politiskā nozīme ir palielinājusies, pateicoties investīcijām infrastruktūrā, kas rada reģiona attīstības potenciālu saistībā ar starptautiskajiem ieguldījumiem un Krievijas tirgiem. Ņemot vērā šo daudzpusīgo kontekstu, teritoriālās politikas attīstībai un izaugsmes koridoru visaptverošai plānošanai ir vajadzīga zināšanu bāze un rādītāji, kas taisnīgi atspoguļo funkcionalitāti un mijiedarbību starp dažādām valstīm, dažādiem pilsētu un lauku reģioniem, konkrētāk, starp to iedzīvotājiem un ekonomikas dalībniekiem un darbībām. Pašlaik telpiskie dati, kas piesaistīti dažādām zonām koridoros, kuri šķērso vairākas administratīvās robežas, bieži vien nav pietiekami ņemti vērā un izmantoti plānošanas procesos. Jo īpaši dati, kas raksturo mijiedarbību koridoros, bieži vien ir ierobežoti. Tāpēc šī mērķanalīze pievērsīsies svarīgai vajadzībai pēc turpmākas izpratnes par to koridoru teritoriālo realitāti, kuru pamatā ir atrašanās vietas dati. Koridora attīstības ilgtermiņa uzsvars ir jāatbalsta ar jauniem datu izmantošanas līdzekļiem, jo šo teritoriju attīstības dinamika vairs neatbilst tradicionālajām datu vākšanas administratīvajām robežām. Jauni datu avoti, piemēram, lielie dati, piedāvā daudzsološu potenciālu, lai analizētu dinamiku un mijiedarbību izaugsmes koridoros. Arvien biežāk datus un informāciju, kas iegūta, analizējot interneta aktivitātes vai sociālos plašsaziņas līdzekļus, var izmantot teritoriālās attīstības tendenču novērošanai. Tādējādi saistībā ar Eiropas izaugsmes koridoriem šajā mērķanalīzē tiks pētīts, kādā mērā jaunās “lielo datu” vākšanas pieejas var izmantot, lai bagātinātu esošo teritoriālo politiku un sniegtu aktuālākus pierādījumus. Lielo datu izmantošana kopā ar tradicionālajiem statistikas datiem sniegs iespējas izpētīt plūsmas starp dažādām jomām izaugsmes koridoros.
