A CRM (Customer Relationship Management – ügyfélkezelés menedzsment) és a data mining (adatbányászat) több mint egyszerű vezetői információs rendszer: kiemelten az ügyfelekre fókuszáló, modern eszközök, amelyek hazánkban általánosan még nem igazán terjedtek el, de a legnagyobb vállalatok (bankok, biztosítók, távközlési cégek) már elkezdték a bevezetésüket.
Az informatikai cégeket, az ő termékeiket implementáló tanácsadókat és szakértőket gyakran éri a vád, hogy szükségleteket kreálnak, vagyis az ügyfelek számára egyáltalán nem hasznos dolgokat találnak ki és próbálnak értékesíteni. Tény, hogy a cégek költségstruktúrájában mind nagyobb tételt hasítanak ki az informatikai költségek, és időről időre felröppenek pletykák a szoftvercégek által szándékosan benn felejtett időzített bombákról, a kötelezően szükségessé váló felújításokról, a zajos hackertámadások utáni adatvédelmieszköz-boomról, vagy éppen a később lufinak (na és persze dollármilliárdos üzletnek is) bizonyult 2000. év problémájáról. Természetesen a vállalatvezetők ezek után kezdenek szkeptikussá válni az újabb és újabb divatrövidítések hallatán. Sokak szerint ebbe a sorba illeszkedhet az egyik legújabb sztárszlogen, a CRM is, míg mások – az informatikában érdekelteken kívül is – állítják: ez valóban hasznos tartalmat takaró fogalom.
Ügyfélközpontú gondolkodás
A CRM mögöttes szemlélete az az új megközelítés, amely szerint a cégek egyre kisebb mértékben gondolkodhatnak termékközpontúan, mind fontosabbá válik a szolgáltatás minősége és a marketing, egyszóval az ügyfélközpontú szemlélet. Az informatika szempontjából az ügyfélközpontú gondolkodás alapja a szükséges mennyiségű és minőségű, illetve megfelelően rendezett adathalmaz. Amennyiben ez rendelkezésre áll, akkor szabad erre minél fejlettebb eszközöket ráépíteni, amelyek egységes neve a CRM. Talán a legegyszerűbb egy példán keresztül érzékeltetni a CRM szemléletet. Képzeljünk el egy biztosítótársaságot, ahol egy adott ügyfél élet- és vagyonbiztosítással rendelkezik, sőt egy nemrégiben akvirált kisebb biztosítótársaságnál casco biztosítása is volt. Ez a kliens joggal várja el, hogy ne bombázzák olyan direct mail ajánlatokkal, amelyekben a biztosító egy olyan termékét kínálják, amelyikkel már rendelkezik, elvárhatja, hogy amennyiben számlázási vagy értesítési címe megváltozott, azt egyetlen telefonnal jelenthesse be, és ne kelljen a három termék ügyében külön-külön intézkednie, de az is igénye lehet, hogy amennyiben egy vitás kárrendezési ügye van, ne kelljen az ügyintézőnek a hatodik telefonbeszélgetésnél is Ádámtól-Évától kezdenie története elmesélését. Mindezek első megközelítésben az ügyfeleknek előnyösek, aligha nehéz azonban belátni, hogy a cég számára is fontos az ügyfelek elégedettsége, s a párhuzamos ügyintézés kiküszöbölése költségmegtakarítással is járhat.
Adatbányászat
Végül vannak jóval cizelláltabb előnyök is, amelyek az ügyfelek hűségét és a keresztértékesítést (adott ügyfélnek a csoport újabb termékeit is eladni) támogatják. Természetesen ezek a módszerek is az ügyfelekről összegyűjtött minél részletesebb adatokra épülnek és rendkívül szofisztikált matematikai módszerekkel állapítanak meg rejtett összefüggéseket. E módszerek legmodernebb verziói a data mining (adatbányászati) megoldások, amelyek úgy tárnak fel mélyebb összefüggéseket, hogy a felhasználó eredetileg nem is tudja, hogy mit akar megállapítani. Extrém példával élve, lehet, hogy magas statisztikai megbízhatósággal "kibányászható" információ, hogy a 42 és 46 év közötti szőke férfiak hajlamosak életbiztosítást kötni. Ezek után amennyiben a biztosítótársaságnál megvannak a hajszínre és az életkorra vonatkozó adatok, akkor a biztosítócsoportnál meglevő és életbiztosítással még nem rendelkező ügyfeleket meg lehet keresni egy rendkívül fókuszált és emiatt költségtakarékos direct mail akcióval. Mélyebb összefüggésekből végeredményben újabb adatok nyerhetők. A cél legtöbbször a profit, vagyis jelen esetben az, hogy a vállalat a nyereséget produkáló üzleti területekre, ügyfélszegmensre tudja erőit csoportosítani.
A szolgáltatónak fontos, hogy végül is megállapítható: ki a jó ügyfél (menynyire nyereséges egy kliens, avagy mennyi a cég számára az ügyfél life time value-ja, vagyis az a jelenre diszkontált bevétel, amit az ügyfél termelhet számára). A különböző szektorokban ugyan némileg ellentmondásosak a tapasztalatok, de kutatások támasztják alá, hogy az ügyfelek 20 százaléka hozza a profit 80 százalékát, sőt sokszor az ügyfelek nagyobbik részének kiszolgálása kifejezetten veszteséget okoz a cégnek.
A data mining megoldások nem olcsóak és bizonyos vállalatméret (elsősorban ügyfélszám) alatt nem is alkalmazhatóak nyereségesen. Célterületként a pénzügyi szolgáltatókat (bankokat, brókercégeket, biztosítókat), kereskedelmi cégeket, autókölcsönzőket, telekommunikációs társaságokat, internetszolgáltatókat érdemes megnevezni, amelyek közös jellemzője, hogy sok ügyféllel vannak kapcsolatban, rengeteg tranzakciót regisztrálnak s ezáltal tetemes mennyiségű információ gyűjthető össze.