随着CRM逐渐由概念走向准成熟，公司开始重视务实，经理们在把握了理念后，十分渴望这些完善的功能可以通过技术来实现。并且他们深知：如果不涉及分析客户关系管理努力的价值不大。
众所周知，向老客户销售产品更容易，成效更显著。公司理解客户越深，就越能很好地与他们交流。事实证明，公司利用“以客户为中心”系统（主要用于后台分析）的分析数据的能力，直接与公司客户忠诚度的提高成正比。
因为在一个公司可能存在多种数据库，例如SFA数据库、营销数据库和接触中心数据库，这可能会引起的挑战性问题是：这些不同的数据库阻碍了公司了解某种潜在的关键因素。当这些数据库不能够很好的连接在一起时，很明显会出现以下的问题：
当CSR安排一个客户交流时，倘若不能识别客户具体价值，就很难确定客户应当被提供的服务级别。
市场细分经理不能在设法交叉销售一个产品之前，追踪到客户的抱怨历史。
档案人员对企业核心客户是否响应某种关键促销活动没有概念。
CSR不能看到客户可能拥有的全部产品列表，因此她不能确定给定的问题单是否与其他产品相协调。
客户支持人员枉然的去分析客户抱怨历史，而不去关注一个现有产品的销售收入。
营销数据分析师缺乏必要的数据，来理解公司与客户关键销售接触对细分后最高销售收入的作用。
客户支持主管不能获得对每一个客户细分的平均客户满意度调查结果的定期报表。
能提供上述问题和其他企业问题的客户信息，就能够对客户服务、销售技巧和随后的促销战略作出关键决策。通过对“运营型”CRM数据与来自于全公司的信息进行集成，公司便能够开始执行分析型CRM；并且执行后，可以作出真正的“以客户为中心”的企业决策。
数据分析的技术出现要早于数据库，数据仓库和CRM。而且它是不同学科的综合，包括标准查询、统计分析以及复杂的预测模型。许多CRM供应商将这些分析（由此称为“分析型CRM”）融入到CRM产品中，因此为用户提供的功能不仅可以运作关键CRM业务流程，还可以将商务智能应用到这些CRM功能模块中，从而使它们更准确、更有价值。
例如，E.Piphany已将预测模型融入工具中，为企业客户提供最可能对一个既定营销做出反应的客户表单。其他的CRM产品供应商已将购买模式识别融入它们的产品中，以确保营销和销售团队用相似的行为来对比客户，因此它们能将新产品定位在一个非常好的的客户群中。
分析型CRM是公司用来在客户与公司关系中维持一种先进关系的唯一方法。这种方法使用来自于运营型CRM系统和其他企业系统中的数据，能够不断跟踪许多客户活动和事件。如图所示。
分析型CRM的360度视图在优化有意义的互动和个性化接触的基础上，重视公司通过所有渠道与客户的交流；而不管这种优化是通过一个新的营销竞争或分析一个呼叫者的抱怨历史实现。这为公司提供了更细的客户细分能力和部署真正的“一对一”的客户交流的能力。具有“运营型” CRM与“分析型”CRM能力的公司，正将它们的企业战略转向：
根据客户价值的不同给予不同的折扣，并快速建立起较低成本的渠道。
基于客户已经购买的商品，提前为客户提供他们所要求的产品和服务。
基于Web访问者的资料，通过动态个性化内容来提升购买率。
根据客户的终身价值来调整在每一个客户身上的营销费用。
综合分析各渠道接触点，预测客户下次可能的购买。
将高Web流量与个体访问者和客户细分联系起来，以更好地理解Web的使用，并改进Web的设计。
基于销售伙伴所带来客户价值的多少，来定制伙伴的佣金和激励计划。
基于个人偏好，通过激励手段，以防客户流失。
为处在最高价值层的客户提供了解他们历史和偏好的专门的人工座席。
就数据集成而言，CRM套件的出现已经开始着手处理许多被荒废的问题。直到最近，还没有构建数据仓库的公司，如果它们设法集成独立的CRM产品的软件、流程和数据，可能就缺乏时机。该工作确实太难了。
CRM套件是供应商提供的许多功能的统一解决方案。根据它们的定义，套件将CRM功能与用户接口无缝连接在一起，因此CRM用户不仅可以共享数据，而且实际上运行着同一个CRM模块。营销人员能通过销售人员所使用的同一种应用程序，查看客户的接触数据。同样，公司内的分析师能够获取一个集中化的CRM入口，来查看各种客户相关的数据，而不必改变应用程序工具。
例如，MicroStrategy的新eCRM产品提供了一个中央门户或“驾驶舱”，市场开发人员使用它，能够创建和查看客户细分，实时监控营销竞争活动，并生成各种各样的客户报表。MicroStrategy早就因它的商务智能软件而著称；它正将强大的分析能力与CRM相关功能相结合，如Web流量分析和营销自动化。数据库巨擘Oracle继续推出工具的集成套件，产品从Web站点前台定制，到客户自助式服务，到有竞争力的Siebel系统，应有尽有；而且还提供了广泛的服务、营销、销售自动化和分析能力。
因此，运营型CRM离不开分析型CRM，它们需要一种集成。离开分析的CRM就如同没有车轮的汽车。如今分析技术正日趋成熟，如联机分析处理（OLAP）、理论与实际结合的数据挖掘、点击流分析、个性化和协作过滤等。
