随着公司通过客户关系管理（CRM）系统收集到越来越多的客户信息，CRM技术也成为渴求数据的商业智能与分析工具的一个天然伙伴。公司现在可以将CRM与分析项目放在一起，从而对一些较大业务收益进行评级，但是也可以先用一些简单的最佳实践规则来实现这些预期的BI优点。

咨询公司Forrester Research的分析师Mike Gualtieri指出，组织要想快速获得竞争优势，分析客户数据是必然的选择。Gualtieri指出，有效的CRM分析会让市场经理与客户服务人员将人视为鲜活个体，而非一些无法接触的分散市场成员。这种客户知识可以带来更完美的市场营销活动和更好的客户参与度。

但是，组织也需要保证自己在客户数据上使用了正确的分析工具。CRM供应商可能会说他们的软件包含了分析特性，但是Gualtieri指出，与完善的分析应用程序相比，这些供应商产品所提供的功能显得非常苍白——特别是在执行预测分析及其他形式的高级分析上。

例如，Gualtieri指出，分析客户数据的最佳理由之一是预测客户变化，其中包括确定谁最有可能使用他们的业务，这样销售人员就可以介入并赢取客户。根据GUaliteria的观点，CRM软件本身很难检测出哪些客户将会是用他们的业务;它需要一些非常直接的客户满意度信号，如投诉邮件。相反，分析软件则可以从大量的客户数据中寻找出更加细微的不满意度信号。

此外，CRM系统可能只是给客户分析程序提供数据的多个数据源之一。在2013年9月由BI及分析软件供应商SAS Institute举办的一次大会上，主管客服部门的高级副总裁Andres de Armas指出，这家金融服务公司也分析了来自各种第三方系统的客户数据，其中包括信用部门的数据库。

利用分散客户数据来拓展银行业务

美国银行组合使用内部和外部数据来监控及优化自己的客户拓展和营销活动，从而使产品能够通过最容易得到个体客户响应的渠道进行交付——保证不会因为客户跟踪不及时失去客户。De Armas指出，可用数据的丰富程度是影响银行成功完成客户分析的一个关键因素。

但是，CRM系统确实在BI与分析应用程序的客户数据收集中发挥了重要作用。Gualtieri指出，大多数CRM软件包都具有高度可定制性，这使公司能够给数据科学家、统计学家及其他数据分析师提供用于建立精确预测模型的信息。

咨询公司Knowledge Integrity总裁David Loshin指出，捕捉关于“每一个客户交互”的数据，使公司不仅仅能够完成收益与盈利的报告任务，还能够通过优化营销项目和服务流程，以此完成旨在延长客户存在时间的战略性分析。Loshin说：“我不会通过一些外部人口统计参数（如年龄和住址）来汇总或分类客户信息，而是根据他们的行为进行划分——‘我的最佳客户每天都会来银行，而且每个月存款4次’，然后设计一种从这个角度描述这类客户的签约模型。”

Loshin也是图书《利用信息来开发客户中心文化》（Using Information to Develop a Culture of Customer Centricity）的作者之一。他指出，正确完成CRM分析的最大挑战是无法建立所需要的BI与分析系统——这需要创建相关流程和在内部“建立正确的工作态度”。他建议，为了实现这个目标，最好要获得高层的支持，特别是在这个项目中前线呼叫中心人员需要用到自助BI软件的时候。

考虑用户

商业公司还需要保证安排正确的人员来使用他们部署的软件——为这些用户提供正确的支持机制。对于使用自助BI工具的情况，Loshin认为销售人员很可能需要经过大量的培训，并且需要在部署后掌握这种技术的使用方法。此外，他还指出，BI团队还可能希望通过给前线人员提供实用信息来简化自助部署，从而“使他们不需要具备数据分析技能就能够胜任工作。”

de Armas指出，对于更高级的CRM分析应用程序，部署并保持正确的数据分析工具需要与技术人员签定较长合约。他指出，懂得如何使用技术来改进客户参与的分析专家并不多，如果组织无法正确配备这类专业人员或无法给他们提供合理的项目，那么他们总是会被迫从头做起。

de Armas说：“在进行这样的项目时，失去核心专家是难以想象的，如果没有签订长期合约，你将失去最宝贵的客户。”

但是，Loshin指出，只要做法正确，在完备的客户数据上执行BI与分析，就可能发现在公司各个方面提升客户满意度的方法。满意度提升的客户很有可能成为带来盈利增长的客户。他说，客户关系分析“是一个很好体现商务智能的例子。我确实在探索什么是商业，而且我也在尝试使用所收集的信息，从这些信息得到的更多知识可以帮助我创造更大的价值。”