在理论探讨层面，CRM的核心机制将从消费关系的维系向用户深度洞察及体验提升转变，未来CRM的技术形态是融合用户交互与大数据的技术体系。在实践中，CRM在实用体系需要技术的落地实现，数据体系管理将取代传统CRM中的业务功能管理成为重要核心；同时CRM系统也不再是一个独立的功能产品，我们可以称之为UDES（User Data Eco-System）用户数据生态系统。

在新一代的UDES中，用户数据是所有功能的核心。整体的工作流程包括数据获取；数据整合；数据分析；数据应用四个部分。

另一方面，UDES和传统业务系统最大的不同还包括使用者的角色。过去的ERP或CRM都是各部门独立使用，数据的交互也建立在部分业务流程方面。但基于大数据结构的UDES，将实现一套完整的系统架构，其满足销售；营销；CRM；IT；决策层共五个业务部门的用户管理需求，这也是未来基于数据建立系统架构的特点。

数据流程的四个环节。

数据获取：顾名思义就是将与用户有关的数据进行更完整的获取，但这个看似很容易理解的部分同样在零售行业有着非常困难的实现。

当然，对于其他online数据，系统也需要具备很强的获取能力，同时在类似社交媒体渠道，我建议系统对数据还要具备一定的处理分析能力，因为每个渠道都有各自特性，对于类似微信这样的交互数据，我们可以利用触点标签的形式来处理用户的不同类型的交互结果，从而达到数据结构化的目标。

数据整合：整合的本质是建立CSV（CustomerSingle View）的过程。CSV，中文称作客户独立视图，大家更加熟悉的是客户360度视图，用户画像等词汇。如果说用户画像是很多品牌对用户认知的最终交付物，那么CSV就是形成这个交付物的重要环节。

CSV的价值非常重要且很好理解，就是将一个用户在多个渠道的身份信息进行关联并且通过纳入统一用户ID来进行识别管理。虽然简单，实现起来还是比较复杂。由于前端是多渠道的数据入口，标准、类型和更新周期都不同，而业务团队对用户身份匹配的需求是实时的，因此需要创建一种快速识别用户身份的体系和规则进行快速的账号关系匹配与管理。目前手机号；邮箱；或第三方账号都是比较有效的账号关系匹配条件，但也不能简单的用手机号整合全部渠道的数据。

数据分析：很多朋友都比较关心算法模型，坦诚地说，目前的大数据模型还处在发展的初级阶段，并且多数建立在数学模型基础上，这与实际经营的关注点有一定差距；如果品牌希望直接从这类模型中找到新的商业机会，还需要些耐心。

目前，最有商业价值的是分析模型，基于品牌从业者多年的业务知识积累；只不过在过去数据渠道相对闭塞的时代，品牌习惯对单类型数据进行深度分析，挖掘更多用户价值或看到新业务机会的结果往往差强人意。究其原因，我不认为是分析模型或分析能力的问题，而是技术支持与数据类型的局限。

从品牌角度考虑，DT时代的数据分析还是要回到商业本身，通过多年的行业知识积累结合新技术应用整合多渠道数据，从多维视角分析数据。

也许有些朋友觉得这是BI可以做的事情，理论上讲是相似的。但BI大部分由IT团队管理，在很多公司也算是一种IT资产，离实际业务有些距离，同时BI的使用成本较高，业务相应速度无法满足当下快速变化的市场，而这里讲的数据分析交付物应包括：动态数据仪表盘（实时业务数据显示）；数据报表（数据分析与挖掘）；业务建议（业务部门可以直接使用各类策略）。

数据应用：这是品牌直接使用的功能，无论是营销；销售；用户管理；数据管理还是业务决策。但与传统CRM相比又会有很多不同。

还用零售门店的用户管理举例，在UDES体系中，门店管理系统不仅是一个会员查询或数据录入的前端，它也是一个大数据结果呈现的介质。

零售人员可以在查看用户历史数据的同时看到关于这个客户的业务推荐，例如客户是不是更在意积分；客户对什么产品更感兴趣；客户本次可能形成哪类消费等。而这些信息将直接帮助零售人员提升业绩，帮助企业实现销售增长。

同样，在营销方面，假设我们要对一个地区的女性用户做一个创意活动，那么如何认知这些用户的特征呢？数据应用可以实现选择一个用户群体，同时将这个群体的标签进行合并计算，列出至少TOP10，让创意人员更了解客群的相对共享特征，辅助创意。

营销自动化流程推送信息后，UDES也将自动回收用户的反馈，这些动作就是一个新的数据循环开始了。

未来已经到来，未来的商业应用将具备三个重要特点：智能化（Intelligence）；易用（Usability）；高效（Efficiency）。我们大胆设想，未来的用户数据生态不仅可以帮助企业更好的管理用户数据，实现各种业务的自动化和智能化，还可以基于数据流程让企业的多个部门联动起来，实现最大工作效率。

用户数据管理能不能快速提升销量。这是个非常现实的问题，而答案是销售额提升的关键是销售策略，系统提升的是业务效率，而效率将决定你的利润率。