lix使用了很多技术来支撑数据分析项目，其中包括Teradata、Cassandra和开源ApacheHive数据仓库软件、Tableau的数据可视化工具。收集和准备数据之后，Govind的团队采用了一系列的算法，比如根据用户看什么样的电影推荐什么样的内容。2011年，Netflix开始开发它的原生内容。LosGatos公司也挖掘客户喜欢和不喜欢的数据，支撑内容推荐。
数据分析之路也有挑战。Govind表示找到正确的推荐引擎是很困难的。推荐是基于基本参数进行的，很难准确地判断出一个人想要看什么内容。为了调试好引擎，他的团队做了很多A/B测试，基于不同的预测模型给不同的用户进行推荐，然后追踪每组用户花在推荐内容上的时间。
工资和人力资源服务数据分析公司Paychex关注了其他方面的数据分析：使用搅动模型识别可能会采用他们服务的客户。在去年的预测分析大会上，Paychex风险分析经理PhilipO’Brien表示，他和他的团队利用公司规模数据、交易历史、客户服务交互等数据构建模型，找到可能会购买公司产品的客户。分析团队发现，公司21%的客户服务费用都花费在无论如何都是使用Paychex产品的客户上了。O’Brien表示，公司根据搅动模型部署了之前描述的处理客户数据的方法。但说服业务经理使用分析结果又成了一大挑战。
在过去，公司有很多“屁股决定脚”的决策方式，他表示：“如果人们习惯了靠直觉办事，你一定要向他们展示分析工具具体能带来什么价值。”
客户数据陷阱：知道的太多
这里有一个潜在的危机，即知道的太多。知道什么时候停止是分析客户数据的重要一步。公司可能掌握了很多数据，但不正确地使用数据很可能会给客户带来不适，最终致使他们离开。
SearsHoldings公司的大数据高级经理、企业数据仓库管理员、负责运营和部署的AndyMcNalis表示，零售商分析客户浏览历史、购买记录和地理位置数据来帮助自己设定和修改产品价格。但也有一些数据动不得。比如Sears的门店都有WiFi覆盖，它可以看到客户在使用WiFi查看竞争对手网站的价格。这时，公司可以给客户推送优惠券，但这样做会让客户觉得Sears在监视他，反而适得其反。
客户数据分析还包括其他方面，不只是部署系统和捕捉数据那么简单。Sears使用Hadoop集群和Teradata数据仓库支持客户分析项目，分析团队用开源R语言等编程语言写计算方法，再将其运行到基于Hadoop的数据分析和虚拟化工具上。
这时就需要技术熟练的人应用算法生成有用的信息，访问和分析发现的内容。McNalis表示：“人们认为你在这边把数据填进去，那边就会出来一枚硬币，但其实不是这样的。”