从原理上讲，在物联网的年代，捕捉资料并非最难。卢多维克·多纳蒂，一家镍矿企业埃赫曼公司的数字化转型与绩效总监，他说：“我们利用现有的一切可用的数据，我们的货车上都装有感应器。数据来源于合作者的 AI运算法则。通过对采矿过程中采集到的数据进行分析，可以对矿井底部和港口的库存进行定量和品质的评价。”
美国华盛顿， Felix Instruments公司推出了一款便携摄谱仪，可以帮助评估不同来源、不同土壤、不同灌溉技术的果蔬产品的成熟期，会将最容易变质的商品作为第一批运到店里进行销售的产品。克莱尔·巴里托，法国环境改革与团结部门的交通改革与创新机构的协调人，说：“如今，90%的欧洲过境的证件都是用纸张做的。”欧洲电子货运信息规章即将于2024年生效，要求这些文件都必须实现无纸化，如此执行下来，每年将节省250亿欧元。法国也是一个典型的案例：法国的 DiaLog公司打算建立一个在政府机关内建立一个无纸的平台，并让所有城市的司机都能使用GPS导航系统。
第二个步骤是共享资料。首先是要把一种资料与其它资料相结合。例如，在埃赫曼公司，他们会从各种矿石中抽取样品，以评价矿石的品质。这个“量与质”的搭配帮助我们弄明白，在完成一个命令前，在一个具体的地方，是否有必要进行更多的采矿。最精密的共享还是和其它供应商进行数据共享。它既与信息格式、所有权和相关的法律问题有关，又与企业机密有关。有些中介人把它们当作了工作。一家专门从事货物追踪的美国公司“四只风筝”营销和公司策略执行执行副主席，法布里齐奥·布拉斯卡表示：“我们的价值在于根据顾客的需求来获取资料，并根据顾客的需求向他们展示。多亏了我们的这些手段，物流链条中的各成员能够通过他们的网络中所运送的货品数量来判断何时出货，从而尽量减少延误。
第三个步骤是通过对智能信息进行分析。仅有的一个实例是：法国新兴公司 Califrais正在经营 BtoB的电商站点——兰吉国际市场，该公司是世界上最大的新鲜食品市场。这个站点上的商户可以订购多个供货商，而这些货主会一次交货。Califrais公司的创立者兼科技主管西蒙·比西举例说：“我们的人工智能运算得到了索邦大学，巴黎城市大学，法国国立科学中心的概率、统计与建模实验室等机构的协助。该方法可用于预测商品的定价与需求，批发商的库存优化，顾客满意度的预测，个性化的产品推荐。”
目前唯一的问题是如何充分地使用这一切的资料。如果没有全体雇员都知道这一点，那就没有任何事情可以做。马尼什·迪克西，一家位于伦敦的数据分析与顾问公司 Global Information Institute的首席执行官，他说，这些都将在理论上实现，“利用 Winnow公司的后勤诊断体系，我们可以降低我们的厨房废物。”