当通过数据分析来揭示变化趋势时，数据量越大越好，对于任何类型的统计分析，样本量越大，所得到的结果越精确。仅仅追踪公司一周销售数据的价值是很难看出未来发展趋势的，3个月的会好一些，6个月的更佳。即使无法确定所寻找的是什么，也要确保所收集的数据包含的信息尽可能详尽和精确。试着弄清楚获得所需最优数据的途径，然后开始收集，如果没有数据，就不能够进行分析。
收集数据是如何将数据记录下来的环节。在这个环节中需要着重说明的是两个原则，即全量而非抽样，以及多维而非单维。今天的技术革命和数据分析2.0主要就体现在这两个层面上。
1）全量而非抽样
由于系统分析速度以及数据导出速度的制约，因此，在非大数据系统支撑的公司中，做数据分析的人员也很少能够做到完全全量地对数据进行收集和分析。但这在未来将不会再成为一个问题。
2)多维而非单维
另一方面则在于数据的维度上，即针对客户行为实现SWIH的全面细化，将交互过程的什么时间、什么地点、什么人、由于什么原因、做了什么事情、怎么做的全面记录下来，并将每一个板块进行细化。时间可以通过起始时间、结束时间、中断时间、周期间隔时间等细分:
地点可以通过地市、小区、气候等地理特征、渠道等细分:人可以通过多渠道注册账号、成员、薪资、个人成长阶段等细分:原因可以通过爱好、人生大事、需求层级等细分:事情可以通过主题、步骤、质量、效率等细分，通过这些细分维度，增加分析的多样性，从而挖掘规律。
有目的地收集数据是确保数据分析过程有效的基础，需要对收集数据的内容、渠道、方式进行策划，主要考虑:
①将识别的数据分析需求转化为更具体的要求，如评价供方时，需要收集的数据可能包括其采集能力、测量系统不确定性等相关数据:
②明确由谁在何时何处，通过何种渠道和方法收集数据:
③记录表应便于使用:
④采取有效措施，防止数据丢失和虚假数据对系统的干扰。
