客戶關係管理(CRM)有助於提高公司與顧客之間交流的效益並且同時使其變得更加友好，然而，如果沒有一種科學方法，很難去處理大量的客戶資訊和日益複雜的與客戶的交流。因此如何充分利用這些資料併發揮效益就成為工作的重點。
要使CRM產生效益首要任務就是資料採集。所謂資料採集即對大量資料中的新奇、隱含和可控的知識進行重要提取並且可利用其做出準確的預測，找到好的顧客，提出合適的附加產品等。一般資料採集包含以下六步： 企業定義→資料儲存→資料選擇→資料建模→資料評估→部署，如圖1所示。
企業定義
資料採集本身就是解決實際的業務問題。首先資料採集的目標應該根據公司的商業需求以及對原始資料和實際操作的分析來定義。企業必須清楚自己的目的才能最好的利用資料採集。例如, 根據“提高反應速度”或“增加反應價值”的特定目標，企業就需要建立一個截然不同的模型以加強服務中心的反應。
資料採集在客戶關係管理中通常應用於以下四個領域：保留客戶；客戶服務與支援；市場研究；提高客戶忠誠度。
資料儲存與選擇
在資料儲存階段的主要任務是收集資料，同時應該注意：資料不可以儲存在資料庫管理系統中，而是儲存在xml檔案和excel裡。
為了CRM的應用，資料通常通過客戶、產品、市場來收集。客戶的資料通常包含名字、年齡、性別、收入、工作、信用等級、是否結婚、是否有孩子等等。
資料選擇是資料採集六步驟中最重要的階段之一。前一個階段收集的資料當然不是全部有效的，它可能包含噪聲資料、不一致的資料和模稜兩可的資料。如果要得到精確的結果，資料選擇是必須的。它通常由下列三個步驟組成：資料提取、資料處理、資料整合和轉換。
資料提取。解決一個具體的業務問題, 我們不需要所有的資料。應該保留相關資料並且剔除無用資料。例如, 為了增加服務中心的反應速度, 客戶的性別應該被提取。
資料處理。在資料處理階段,應該用平均值填充噪聲資料, 改正不一致的資料, 並且除去模稜兩可的資料等等。
資料整合和轉換。收集的資料通常存放於不同型別的資料庫管理系統或檔案中，這就需要將其輸出到統一的資料集中，這也就是資料整合和轉換的重要任務。
資料建模
資料建模是一個重複的過程。我們需要探究許多模型從而找到一個最適當的模型來解決實際存在的業務問題。在搜尋模型時，有時需要重新對先前的資料進行改動。在決定所做預測的型別（例如分類、聚類、聯合規則、迴歸）以後，必須選擇一種模型型別（例如決策樹、神經網路、所有法或舊式備用的邏輯迴歸）做預測。
在建立模型之前，應將收集的資料分成兩組。一組用於建立和訓練模型，另一組用於評估之後建立的模型。目前已經存在許多成熟的模型。但是要應用CRM軟體解決業務問題，究竟哪種模型最適用於解決具體的業務問題呢？主要有以下三種：
分類和聚類。根據客戶不同的購買模式和個人資料（譬如社會經濟地位、性別、年齡、生活方式、家庭背景等等），可對客戶進行分組。對客戶進行分類在CRM中發揮著重要作用，特別是當實施營銷戰略或決定價格靈敏度時。對客戶分類可以將目標市場定義為片段的集合，每段具有不同的.特徵。我們採取不同的策略來滿足每個片段的不同需要從而保持與客戶的有利可圖的長期關係。決策樹是用於該領域的最有代表性的演算法。