雖然硬體尺寸的問題找到解決方向，但感測器資料的判讀仍是一大應用瓶頸。在現實生活中，很多物體都不是由純物質構成。因此，感測器所讀取到的資料波形往往相當復雜，而且隨著紅外線照射部位不同，即便是同一個待測物，測出的數值也會有所變化。此外，如果是用來量測農產品，個別待測物之間的數值也會有不小的改變。這些變數都會增加數據判讀的難度。
在實驗室里，經過訓練的專業人員可以解讀這些原始數據背后所代表的意義，但如果是鎖定消費市場的光譜鑒測應用，應用開發商就必須要設法克服數據判讀的問題。對此，ConsumerPhysics選擇利用大數據(BigData)分析搭配機器學習(MachineLearning)的方式來解決，透過銷售SCiO并提供手機App給開發者社群，累積各式各樣物件的大量光譜資料，從中尋找出數據變化的規律。
SCiO不會跟專業鑒定產生競爭，因為SCiO的目的是讓消費者在逛玉石市場時，可以很簡單地判斷寶石或玉的真假，至于專業寶石鑒定會更進一步分析寶石或玉的成分組成比例、成色等，判斷其品質等級。很多產品希望通過紅外線光譜分析這項功能，為智慧型手機帶來更多硬體設計上的差異化。
