数据分析和信息传输

       CRM系统用户能够运用商用计算机系统用户已使用多年的分析工具和传输方法来对数据仓库中的数据进行分析。这些工具包括报告、数据库查询以及数学建模。当数据来源存在于数据仓库或数据中心中时，CRM用户还能够运用一种特殊工具进行分析，即专门为数据挖掘而开发的在线分析处理系统（OLAP）。

       报告和数据库查询

       报告是从电脑系统中获取信息的一种传统方法，可以重复使用，也可有特殊用途。重复性报告（repetitive report）（或称阶段性报告（periodic report））可以根据计划安排有规律的进行，比如月度报告。用户无须要求进行阶段性报告——该报告是自动发送的。特殊报告（special report）是只有在出现特殊的信息时才进行的。对数据库和数据仓库查询做出的反馈就是一种特殊报告。

       信息专家和用户运用报告编写软件来设计程序，以撰写所需报告。电子数据表和数据库管理系统都具备报告撰写能力。有些软件还是专门适用于编撰数据仓库报告的。例如，博姿化学公司——一家拥有1400家门店的英国保健和美容品零售商，就应用了微战商用职能软件来撰写报告，内容涵盖人口统计概况、购物篮分析、购物者概况以及直接营销反馈等内容。

       报告和查询结果都可以在用户的工作站显示器上列示出来，并实现纸质文件打印。

       在进行重复性查询时，CRM用户通常从大处着眼，从概况的角度看待数据，然后逐步细化到每一个查询。这个过程成为数据的钻取——不断增加细化程度或粒度。

       数学建模

       报告和查询结果提供的通常都是关于过去发生的情况或者现在正在发生的问题的分析结果，信息系统用户则大多希望了解未来的情况。这种展望可以由数学建模工具提供。数学模型以软件形式构成，并应用数据和用户指令来预测未来可能发生什么事情。一个典型的例子就是营销经理用来模拟促销预算和价格变化对产品需求带来的影响的模型。CRM用户则可以应用数据仓库中的数据来模拟客户关系战略的可能影响。

       数据挖掘

       我们已经了解到，当公司建立数据仓库时，其规模可以大到十亿或千兆字节。术语“数据挖掘”（data mining）描述了用户如何从数据仓库的大仓库中提取以前未知的信息。这个过程与矿工从事淘金、采煤、挖钻石等从地表以下挖掘的工作方式非常类似。

       进行数据挖掘有两种基本方法。一种称作校验模式，用于用户有理由相信存在某种特定形式或格式的数据，而且能够通过重复性查询来支持这个假设的情况。

       第二种数据挖掘的技术被称为知识发现，即用户让系统来确定分析路径的方法。校验模式确认或否定用户相信其存在的东西，知识发现则揭示出一些对用户完全新鲜的事物。