在假期期间，亚马逊的推荐商品和苹果的配件推荐促销措施基本上都是“我们了解你的购买习惯，向你推荐这些产品”(we know this, so we suggest that)的方法，取得了相当大的成功。

但是，了解用户购买习惯的方法已经由浏览器、手机扩展到Zynga等游戏服务，它们可以根据对用户游戏过程的分析向用户促销产品。

最大的挑战在于知道收集什么数据，以及能够以很快带来营收的方法利用收集的数据，要利用收集的数据商家需要具有技术和数据科学两方面的技能。

提供数据智能和分析服务的软件即服务(SaaS)产品将越来越多，但是，知道需要收集哪些数据仍然是一项挑战。

例如，从营销角度看，你关心商机转化率、Twitter消息是否提到产品或购物车放弃率吗？在考察基础设施时，关心Amazon Web Services的图像停顿、服务提供商费用或网络延迟吗？需要收集和分析的数据很多，对一家公司有意义的数据对其他公司未必有意义。

另外，重要的不是商家收集了多少数据而是收集的数据类型以及如何利用收集到的数据。

网络零售商在收集数据和分析数据方面做得很好，但传统零售商还能收集更多数据，例如客户的情绪、与销售相关的模式、商店中商品的布局，但真正具有挑战性的是以近乎实时的方式利用这些数据。