数据分析型  
　　数据仓库是CRM进行客户分析的基础，目前很多拥有数据仓库技术的厂商纷纷提倡CRM，其中包括NCR、Sybase等。  
　　数据仓库所建立的客户数据库使企业能收集到更详细的客户信息档案，以便对现有客户提供更好的服务，也可以建立一个预测模型，尽可能准确地预报客户流失的概率和可能性，以便及早采取相应的措施。 利用数据挖掘工具和统计模型对数据仓库的数据进行研究，可以分析顾客的购买习惯、广告成功率和其他战略性的信息。对零售商而言，可以利用数据仓库对商品品种和库存趋势进行分析，选定需要补充的商品，研究顾客购买趋势，分析季节性购买模式，确定降价商品，并对其数量和运作做出反应。  

　　Wal-Mart的数据仓库始建于20世纪80年代。自1980年以来，NCR一直在帮助Wal-Mart经营世界上最大的数据仓库系统。1988年Wal-Mart数据仓库容量为12GB，1989年升级为24GB，以后逐年增长，1996年其数据量已达7.5TB。1997年为了圣诞节的市场预测和分析，Wal-Mart将数据仓库容量扩展到24TB。利用数据仓库，Wal-Mart对商品进行购物篮分析（Marketing Basket Analysis），即分析哪些商品顾客最有希望一起购买。Wal-Mart数据仓库里集中了各个商店的原始交易数据。在这些原始交易数据的基础上，Wal-Mart利用自动数据挖掘工具（模式识别软件）对这些数据进行分析和挖掘。数据仓库改变了Wal-Mart，而Wal-Mart改变了零售业。在它的影响下，世界顶尖零售企业，如Sears、Kmart、JC Penney、No.1 German Retailer、日本西武、三越等先后建立了数据仓库系统。1996年，Wal-Mart和NCR联合获得数据仓库研究所VLDB技术领域的“最佳实践奖”。  

　　数据仓库的出现使企业能够准确地分析和把握消费心理，但因为数据仓库是一个复杂的应用系统，如果没有丰富的实践经验，很容易出现失败。《财富》杂志在其最近的一篇报告中指出，许多数据仓库系统根本没有实用价值。某公司投资3000多万美元用于建造信用卡方面的数据仓库，其应用效果近乎零。