جمع‌آوری داده‌ها
در گذشته‌ای نه‌چندان دور تحقیقات و پژوهش‌های زیادی روی رفتار كاربران در شبكه‌های اجتماعی و نرم‌افزارهای تلفن‌همراه انجام می‌شد و پس از بررسی نتایج به‌دست آمده، روان‌شناسان و تیم‌های پژوهشی توانستند رفتار كاربران را برای آینده پیش‌بینی كنند. اما امروزه با اضافه شدن حسگرهای مختلف به تلفن‌های هوشمند و پوشیدنی‌های دیجیتال امكان جمع‌آوری داده‌های فراوانی وجود دارد. پژوهشگران سعی می‌كنند این داده‌ها را به‌صورت داوطلبانه از كاربران جمع‌آوری كنند. به‌عنوان مثال آنها نرم‌افزار خاصی كه داده‌های حسگرهای حركتی تلفن‌همراه را ذخیره می‌كند، طراحی و در اختیار كاربران قرار می‌دهند. هر كاربر به‌طور داوطلبانه در سراسر جهان می‌تواند در این طرح پژوهشی شركت كند. 
داده‌های جمع‌آوری شده از حسگرها در كنار داده‌های دیگر مانند فعالیت فرد در شبكه‌های اجتماعی، داده‌های مربوط به اطلاعات تماس و پیامك‌ها و اطلاعات مربوط به میزان زمان استفاده هر كاربر از تلفن‌همراه در شبانه‌روز می‌تواند در تشخیص ویژگی‌های افراد كمك كند. در جدیدترین پژوهش‌های یك تیم دانشگاهی استرالیایی، داده‌ها و اطلاعات مربوط به حركت افراد، سرعت حركت آنها و مسافت طی شده در طول هر شبانه روز هم محاسبه شده است. البته در بحث جمع‌آوری داده‌ها كار فراتر از این مراحل رفته و در یكی از پژوهش‌ها، اطلاعات تماس افرادی كه با هم در ارتباط هستند نیز جمع‌آوری شده تا بتوان میزان ارتباط افراد با یكدیگر و امكان تشخیص برخی از ویژگی‌های انعكاسی آنها را فراهم كرد.

   خوابالوها
زمانی كه داده‌ها جمع‌آوری شدند نوبت پاكسازی آنهاست، اما وقتی داده‌های جمع‌آوری و پاكسازی شده در دسترس باشد، امكان تحلیل و نتیجه‌گیری فراهم است. یكی از نتایج جذاب در پژوهش‌هایی به این سبك شناسایی خوابالوهاست. یك‌تیم پژوهشی، نرم‌افزار تلفن‌همراهی را طراحی كرد كه همه اطلاعات مربوط به حسگرهای حركتی دستگاه‌ها را برای آنها ارسال می‌كرد. مشاركت در این طرح به‌صورت داوطلبانه بود و هیچ اطلاعات فردی از شركت‌كنندگان در این نرم‌افزار دریافت نمی‌شد. با توجه به موقعیت جغرافیایی افراد، امكان شناسایی هر‌فرد به‌طور خاص وجود داشت. در انتهای پژوهش مشخص شد چه كشورهایی در چه ساعت‌هایی بیشترین فعالیت را دارند. به‌عنوان مثال در بیشتر شهرهای اسپانیا به دلیل گرمای شدید اغلب افراد ساعات میانی روز را استراحت می‌كنند. در كشورهای دیگر نیز ساعت دقیق فعالیت‌ها مشخص شده بود. 
از آنجا كه میزان تحرك و رفت‌وآمد افراد هم در این نرم‌افزار ثبت می‌شد، پژوهشگران توانستند دریابند چه كشورهایی تحرك بیشتری دارند. البته نتایج این پژوهش‌ها كمك شایانی به دیگر پژوهش‌های مكمل خواهد كرد. به‌عنوان مثال اگر پژوهشگران بخواهند تاثیر شرایط آب‌وهوایی را روی خواب افراد یا فعالیت‌های ورزشی آنها بررسی كنند، این داده‌ها بسیار كارآمد هستند.

   عاشقان خرید
یكی دیگر از كاربردهای بسیار بااهمیت در مورد داده‌های جمع‌آوری شده از كاربران یافتن افرادی است كه عاشق خرید هستند. در یك پژوهش كه با استفاده از همین روش انجام شده پژوهشگران در هفت كشور دنبال بررسی رفتار خرید كاربران بودند. نتایج بسیار جالب است، ۲۰ درصد افرادی كه در دبی در این طرح شركت كرده‌اند، هر روز به یكی از فروشگاه‌های بزرگ این كشور سر می‌زنند. این داده‌هایی است كه حسگرهای تلفن‌های‌همراه و پوشیدنی‌های دیجیتال نشان داده است، اما نكته جالب‌تر این‌كه ۶۰ درصد دیگر از این افراد حداقل یك‌بار به فروشگاه‌های بزرگ سر‌می‌زنند. این داده‌ها به پژوهشگران امكان داد بتوانند بررسی‌های عمیق‌تری داشته باشند. آنها با استفاده از داده‌های جانبی ثبت شده شناسایی كردند كه خانم‌های زیر 25سال و آقایان بین 25 تا 35 سال بیشترین مشتریان هستند. از طرف دیگر پژوهشگران میزان زمان ماندن هر فرد در فروشگاه‌ها را نیز با استفاده از همین داده‌ها ثبت كردند. این داده‌ها می‌تواند به كسب‌وكارها بینش مناسبی دهد؛ این‌كه چه ابزارها و ویژگی‌هایی كمك كرده تا افراد بیشتر در یك مكان حضور داشته باشند و وقت خرید خود را در آنجا صرف كنند.

   شناسایی الگوهای رفتاری
داده‌های ثبت شده تك‌تك افراد شاید به تنهایی معنای خاصی نداشته باشد، اما پژوهشگران با استفاده از بررسی دسته‌جمعی داده‌ها توانایی شناسایی الگوهای رفتاری را دارند. به‌عنوان مثال داده‌های ثبت شده می‌توانند نشان دهند افرادی كه صبح‌ها زودتر از خواب بیدار می‌شوند، تعاملات بیشتری دارند یا برعكس. البته این رفتارها شاید به‌طور عادی معنای خاصی نداشته باشند، ولی در زمانی كه با دیگر عوامل سنجیده شوند می‌توانند معنادار شوند.
پژوهشگران نگاه جذاب‌تری به این داده‌ها دارند، آنها سعی می‌كنند سنین مختلف افراد را بررسی كنند. به‌عنوان مثال سبك زندگی افرادی كه در دوران نوجوانی، جوانی، بزرگسالی و سالمندی هستند، می‌تواند كاملا با هم متفاوت باشد. تركیب داده‌های به‌دست آمده در گذر زمان هم می‌تواند نتایج جالبی را به‌دست آورد. به‌عنوان مثال افرادی كه آخر هفته‌ها تحرك بیشتری دارند و در طول روزهای كاری كمتر فعالیت می‌كنند، می‌توانند افرادی باشند كه بیشتر به اوقات فراغت خود اهمیت می‌دهند یا چون در طول هفته فعالیت كمی دارند آخر هفته برای جبران این كمبود بیشتر فعالیت می‌كنند. از طرف دیگر بسیاری از افرادی كه در مشاغل سخت مشغول به كار هستند و در طول روز جابه‌جایی زیادی دارند، آخر هفته‌ها بیشتر استراحت می‌كنند. پژوهشگران معتقدند این داده‌ها می‌تواند شناخت خوبی به آنها برای تشكیل دادن كلاس‌های مختلفی از افراد و دسته‌بندی آنها با استفاده از الگوهای رفتاری دهد.

​​​​​​​كاربردهای پزشكی- سلامتی
با پیشرفت فناوری، تحرك افراد در جامعه روز به روز رو به كاهش است. اضافه شدن وسایل مختلف حمل‌ونقل، امكان خرید به‌صورت آنلاین و رفع بسیاری از نیازها با استفاده از اینترنت موجب شده افراد تحرك كمتری داشته باشند. داده‌های ثبت‌شده حركتی با استفاده از تلفن‌همراه می‌تواند در پزشكی و سلامت هم كاربرد داشته باشد. بسیاری از پژوهشگران معتقدند این داده‌ها می‌تواند نشان دهد افراد دارای بیماری‌های قلبی چه الگو و سبك زندگی‌ای داشته‌اند و می‌توان افرادی را كه در این دسته قرار دارند آگاه كرد كه با این روند ممكن است آنها هم دچار چنین بیماری‌ای شوند. 
حتی در حوزه سلامتی عمومی هم می‌توان از بروز بسیاری از بیماری‌ها پیشگیری كرد. به‌عنوان مثال با بررسی ساعت‌خواب افراد (براساس داده‌های جمع‌آوری شده) یا میزان تحرك آنها در روزهای كاری و غیركاری می‌توان الگوهای رفتاری مناسبی را تجویز كرد تا افراد دچار مشكلات و بیماری‌ها نشوند یا احتمال بروز آنها را كاهش داد. البته در مراحل اولیه، داده‌ها جمع‌آوری می‌شوند تا الگوها از روی آنها كشف شود، ولی به‌همرور زمان می‌توان براساس داده‌های موجود و پس از تجویز پزشك به انجام برخی فعالیت‌ها، مجدد داده‌ها را جمع‌آوری كرد تا در اختیار پزشكان قرار گیرد و بتوانند با بررسی داده‌های قبل و بعد از تجویز، شرایط عمومی و سلامتی افراد را بررسی كنند.