联机分析处理（Online Analytical Processing，OLAP）技术在多维数据库上应用领域知识，在不同的层面上进行查询和汇总分析。OLAP技术主要使用多维数据模型和概念分层等技术，具体有上卷和下钻、切片和切块，以及旋转等数据操作方式。OLAP技术的分析引擎支持统计功能，例如计算移动均值、增长率、利润、返修率等；它也支持预测分析，如预报、趋势等。OLAP使用的多维数据库可以是关系数据库、数据仓库或两者的混合。

       数据挖掘（Data Mining，DM）技术和OLAP技术刚好相反，OLAP依赖现有的领域知识，而DM则偏重发现新的领域知识。数据挖掘是融合统计、人工智能和机器学习等技术，从海量数据中发掘有意义的特征和模式的综合技术。DM技术可在不同的知识粒度和抽象层次上工作，例如概念知识、元知识等，但这些知识必须新颖且有应有价值。DM使用的具体方法有关联规则、聚类、神经网络等。实践中，DM一般综合使用多种挖掘方法，并有效地加以集成。DM技术可以使用多种数据源，但主要在数据仓库上运行。

       在OLAP和DM这两种新技术之外，传统的统计技术在客户管理系统（客户管理软件CRM）数据分析中也一样发挥着重要的作用。用于验证猜想的回归分析，特别是多元回归技术，依然是数据分析的有力武器。用于识别主要关键影响变量的因子分析，包括主要成分分析，也在客户管理系统（客户管理软件CRM）数据处理中有大量的应用。随机采样和实验技术，例如A/B测试，在客户管理系统（客户管理软件CRM）辅助市场营销时也被经常采用。

       3）数据呈现技术

       数据呈现技术用直观的形式将数据分析过程和结果表达出来。它主要包括传统的报表技术和现代的可视化技术。

       传统的报表技术主要通过图、表和线条等形式诠释数据分析结果。随着计算机技术的发展，早期的粗糙的文字打印报表已经被各种电子文件替代，数据处理结果可以用文本、图片、声音和视频等多种媒体来表达、传送和共享。电子表格和幻灯片文件可以更加出色、更加直观地将数据分析结果传达给决策者。它们已经成为包括客户管理系统（客户管理软件CRM）在内商业智能系统必不可少的输出形式。

       现代的可视化技术不再满足于单纯的静态数据观察，而是给用户提供动态的、交互的多媒体环境，充分利用多种视觉手段，例如形状、方位、轨迹、颜色、纹理等，帮助用户操纵数据以理解信息本质。可视化集成了包括信息抽取和描述、人机交互、数据挖掘、计算机图像学等在内的多种技术手段。可视化技术追求的目标是用更好的可读性来揭示隐含在数据中的规律。

       可视化技术与报表技术的主要不同有两点。一方面，可视化的信息量非常大，而报表无法展现复杂的信息空间。另一方面，可视化不仅能像报表技术一样呈现数据分析结果，更重要的是它可以提供交互手段来支持数据处理过程，例如检索、浏览和数据挖掘等。

       3、其他数据处理问题

       客户管理系统（客户管理软件CRM）中的各种数据分析技术的应用是一个综合和反复的过程。现有的商业数据处理软件也都集成了各种技术，各种技术在数据处理过程中会被反复迭代使用。备好的数据源在后续的处理步骤中也可能还需要补充数据，或需要提高质量。在最后的报告环节之前，数据准备和数据处理步骤中也可能使用大量的可视化技术。

       客户管理系统（客户管理软件CRM）数据分析过程中，领域专家和数据处理人员的经验也非常重要。一些数据分析技术包含专家系统，需要领域专家贡献他们的业务经验作为基础知识库。同时，各种数据分析技术的效果在很大程度上依赖于数据处理人员的经验，需要数据处理人员在数据分析过程中判断新模式的有用性和新颖性，并选用更合适的数据分析技术。

       最后，企业在利用客户管理系统（客户管理软件CRM）进行数据分析时，一定要认真识别数据分析的关键目标，选择合适的数据处理工具（数据准备方法、数据挖掘算法和结果解释方式等），并明确哪部分任务需要领域专家参与，哪部分可以依赖自动化分析。