那麼，“iFilm+”獲取用戶行為數據會否受到微博等新媒體平台的限製？“其實不會。”劉晗解釋說，這裏隻有“懶人和勤快人的區別”。從對方平台的接口抓取數據，是最省事的；如果對方不開放數據接口，則可以用機器模擬一個真實用戶看這些網頁的行為，也能抓取數據。
在創業早期，因為數據的存儲有壓力，劉晗他們不得已要“忍痛割愛”刪一些相對“老”的數據，或者對現在或者半年一年後的趨勢判斷沒有太大影響的數據；此外，他們還建立了數據存儲的分級更換機製，比如9天之內的是熱數據，存在機器內存裏，老一點的數據放在硬盤上，再老一點的用磁盤、光盤備份等。
劉晗透露，今年新的融資將主要投在硬件設備上，“做大數據需要有存儲量大、計算量大的設備，我們現有20多台服務器特別不夠，現在基本上每兩周就要加差不多小一萬塊錢的硬盤設備”。
做toB的生意
在數據分析上，劉晗是技術高手，但是對電影，他原本卻是個門外漢。新影數訊的“iFilm+”，就像劉晗本人一樣，在與電影業界人士、製片方的線下接觸中，不斷熟悉電影行當，不斷豐富對電影票房的計算維度。
在商業模式上，劉晗他們選擇了toB，而非toC。這也是劉晗認為的，在把大數據應用到影視領域時，新影數訊與豆瓣電影的不同。他們toB做的是有關電影投資/拍攝的谘詢服務建議，也有toC的“推薦”，但是他們沒有把toC的結果直接轉化成toC的業務模式，而是反向操作，把用戶喜歡的東西做成toB的谘詢建議。劉晗總結，他們的商業模式/業務模式是針對影片的投資方/出品方/宣傳方。在他看來，電影產業不應該是一個“拍腦門憑經驗”行當，而應該“需要更加理性的數據來幫助判斷”。
大數據讓影視界感受到“衝擊”的經典案例，當屬美國視頻網站Netflix推出的電視劇《紙牌屋》，該劇無論是劇情設置還是選擇演員、導演陣容，都以用戶在網站上的行為和使用數據做支撐，根據官方公布的數據，3/4訂閱者都會接受Netflix的觀影推薦。
同樣都是將大數據應用到影視領域，新影數訊與Netflix的做法不一樣。首先，新影數訊收集的是微博等第三方平台的用戶數據，Netflix是以自己平台上用戶產生的數據為支撐；其次，Netflix的商業模式是用戶付費，它有2000多萬付費用戶，而新影數訊選擇的是toB模式。
新影數訊現在有兩種收費方式：一是收取固定的服務費；另一種是他們更願意大規模拓展的，影片票房增值部分的分成。“比如一部影片，投資方認為能有1.5億元的票房，我們通過數據分析預測票房能到2億元，如果最後票房超過1.5億元，那麼增值部分投資方每多賺1000萬元，我們多抽1%。”如果是第二種業務模式，新影數訊則需要在劇本環節就得介入，包括劇本接不接地氣、如何選演員等。劉晗透露，今年新影數訊主要承接的都是此類合作，“開花結果”將集中到明年年底。
期間也有人建議過劉晗他們做藝人經紀，或者從現在做影片的數據分析挖掘，拓展到舞台劇、話劇等，但劉晗都拒絕了，而是堅持把主線放在“對影視行業娛樂數據、用戶觀影行為、用戶對演員的評價等要素的分析整理上”。在他看來，這是資源有限的創業團隊，要經得住的“誘惑”，要懂得取舍。
在堅持“主線”的同時，劉晗也在考慮更大效率地商業化“iFilm+”的數據分析挖掘能力。他們已與一些影視投資基金和製片方合作，以代管基金的方式，嚐試介入到影片投資環節；他們也在嚐試影片植入廣告的服務。