Dado un conjunto de datos, cuantificamos el tamaño de los patrones que siempre deben existir en el conjunto de datos. Esto se hace formalmente a través de la teoría de Ramsey de grafos, y un límite cuantitativo conocido como el teorema de Goodman. Al combinar herramientas estadísticas con la teoría de Ramsey de grafos, ofrecemos una comprensión matizada de qué tan lejos está un conjunto de datos de estar correlacionado y qué califica como un patrón significativo. Este método es aplicable a una amplia gama de conjuntos de datos. Como ejemplos, analizamos dos conjuntos de datos muy diferentes. El primero es un conjunto de datos de votantes repetidos en el congreso de EE. UU. en 1984, y cuantificamos qué tan homogéneo es un subconjunto de votantes del congreso. También medimos qué tan transitivo es un subconjunto de votantes. La teoría estadística de Ramsey también se utiliza con datos de comercio económico global para proporcionar evidencia de que los mercados globales son bastante transitivos. Si bien estos conjuntos de datos son pequeños en comparación con Big Data, ilustran las nuevas aplicaciones que estamos proponiendo. Concluimos con llamados específicos para fortalecer las conexiones entre la teoría de Ramsey y los métodos estadísticos.