在CRM中，数据仓库将海量复杂的客户行为数据集中起来，建立一个整合的、结构化的数据模型，在此基础上对数据进行标准化、抽象化、规范化分类、分析，为企业管理层提供及时的决策信息，为企业业务部门提供有效的反馈数据。现在，NCR、IBM、Oracle等等厂商都在数据仓库领域有所建树，一些预见性的模型和解决方案已经被建立起来，数据仓库已不仅仅是简单的数据存储，而成为对客户资料进行分析，挖掘客户潜力的基石。
客户分析的三阶段
客户分析过程包括以下三阶段：客户行为分析、重点客户发现和效能评估。首先，将客户行为数据（反馈）和效能评估的结果集中起来进行客户行为分析，通过对重点客户的挖掘，为制定市场策略提供依据；其次，把对客户行为的分析结果以报表形式传递给市场专家，市场专家利用这些分析结果，制定准确、有效的市场策略；最后，以客户所提供的市场反馈为基础，再一次进行效能评估，为改进服务和CRM本身提供依据。
1、客户行为分析
包括行为分组、客户理解和客户组之间的交叉分析三个步骤。行为分组是关键，行为分组的分析结果使后两个步骤更加容易。
行为分组：根据客户行为的不同划分为不同的群体，各个群体有着明显的行为特征。通过分组，可以更好地理解客户，发现群体客户的行为规律。分析过程中把一次市场活动后得到的客户反馈叫做“反应行为模式”，和手工销售体系中采用的“二元客户反应模式”不同，CRM采用的“分类反应行为模式”，允许定义多种反应行为。定义反应行为的方法取决于企业所从事的商业领域。比如企业主营业务是服装销售，一种反应行为可以定义为“从产品目录中选购了女式服装”，也可定义为“从产品目录中选购了男式服装”。这些行为模式的定义可以根据需要非常具体（如，购买了一件红色的男式马球牌衬衫）。
客户理解：其目标是将客户在行为上的共性与已知资料结合起来，对客户进行具体分析：哪些客户具有这样的购买行为？客户分布地区？此类客户给企业带来多少利润？忠诚如何？客户拥有企业的哪些产品？客户购买高峰期？完成了这些客户理解，将为企业在确定市场活动的时间、地点、对象等方面提供确凿的依据。
组间交叉分析：客户组间交叉分析对企业来说也很重要，许多客户同属于两个不同的行为分组，且这两分组对企业的影响相差很大。在企业有“购买新款商品”和“购买50元以下商品”这两个行为分组。企业会认为第一个分组对企业的收益影响大，因为希望通过新款商品来扩大市场，而第二分组对企业的收益影响小。此时，如果客户同属两组，我们就需要充分分析客户发生这种现象的原因。组间交叉分析为我们提供了解决方案，企业可以了解：哪些客户能够从一个行为分组跃进到另一个行为分组中；行为分组之间的主要差别；客户从一个对企业价值较小的组上升到对企业有较大价值的组的条件是什么？这些分析可以帮助企业准确地制定市场策略，获得更多的利润。