أهمية الملاحظة تكمن في أنه يمكنه حمل الكثير من المعلومات، حتى لو اعتمد على المتغيرات الخفية. على سبيل المثال، ترتيب تنفيذ المعاملات هو أمر قابل للملاحظة. يعتمد بوضوح على المتغيرات المخفية، مثل تدفق الترتيب. ومع ذلك، لا يزال من الممكن بناء مقدر من القابل للرصد واختبار الافتراضات أو النماذج لتقييم قابلية تكرار الحدث المرصود، دون الحاجة بالضرورة لمعرفة المتغير الخفي. يمكننا مقارنة ترتيب التنفيذ الفعلي مع الترتيب المثالي، حيث يتم ترتيب المعاملات بشكل مثالي حسب الأولوية، من خلال تحديد مسافة بين الترتيب الحقيقي والترتيب المثالي. من هذا، نحصل على توزيع محدد لكل جدول. تحت افتراضات أساسية، مثل الوقت المستغرق في جدولة المعاملات قبل التنفيذ ودرجة التوازي، يمكننا إعادة إنتاج التوزيعات المقاسة باستخدام محاكاة يفترض فيها تدفق الأوامر موحدا عبر جميع الجدولات. نجد أن: - جدولة تنفذ المعاملات فور توفرها، وتستخدم الأولوية فقط لحل المعاملات المتزامنة، وتقوم بإنتاج الأغاف بشكل شبه مثالي - جدولة تقوم بدفعة وتنفيذ المعاملات كل 50 مللي ثانية تعيد إنتاج BAM بشكل شبه مثالي - جدولة تنتظر حتى قرب نهاية الفترة قبل تنفيذ كل شيء تقريبا بشكل مثالي وتعيد إنتاج جدولة إيرادات Frankendancer لا يفترض أي من هذا وجود تفاوتات في تدفق الترتيب. هل يعني هذا أنه يمكن إلغاء تدفق الأوامر كمتغير مخفي؟ لا. حقيقة أن النموذج يعيد إنتاج البيانات لا تعني أن الاضطرابات في النموذج لا يمكن أن يكون لها تأثيرات ذيلية، مما يجعل تدفق الترتيب متغيرا أساسيا عند دراسة القيم الشاذة أو الأحداث الشاذة المتكررة. هل يعني هذا أنه لا يمكن تعلم شيء من خلال العمل تحت نظام "تدفق النظام المتساوي"؟ لا. ما تتعلمه هو كيف تتصرف الجدولة في ظروف التكافؤ.