大大小小的企业纷纷效仿 Amazon.com 等企业对消费者 (B2C) 零售商的做法，通过充分利用客户数据，预测客户行为、提高销量并加深客户关系。
使用详细的客户数据和预测性分析数据已经不再是 Amazon.com 等 B2C 卖家的专属领域。B2B 销售团队表示，通过快速采纳这些方法，提高了销售机会的数量和质量，并且提高了销售机会转化为实际销售的比率。不论在服务于小型客户的市场上，还是在服务于大型客户的市场上，预测性分析数据都是普遍使用的数据类型。前一种情况下，可以使用大型数据集来帮助建立预测模型;后一种情况下，企业可以通过统计数据查看各个客户购买情况的变化，从而发现机会。
这些分析数据有利于销售和营销团队创建更多的战略和运营角色。它们也迫使一线销售人员及其经理必须更加精通数据使用，而不再像过去那样仅仅依靠直觉在销售团队中做出决策。供货商现在必须对员工进行再培训，对各个流程进行调整，并以新的方式分配时间。
例如，某 B2B 批发商通过统计数据查看了每个产品类别的领先客户的购买情况。然后，预测出总体层面和各个产品类别层面的“目标”收入，建立一个预测模型，用以估算客户采购的金额和频率。该模型可以帮助批发商在客户的实际购买行为不符合预测时采取合理的措施。通过使用可用数据，该公司建立了一个预警系统，警示可能出现的业务下滑情况。另外，该公司还建立了一个强大的销售机会工具，有力地推动收入增长率提高了12个百分点。
这些趋势不仅仅给销售团队带来了挑战，因为财务部门必须考虑这些趋势对基础架构的影响，营销专家必须同时管理分析过程和创造过程，而产品开发团队必须进行调整，以满足不断变化的客户需求。不过，随着经济形势的好转，企业也得以不再仅仅关注如何生存，进而转向寻找应在哪些领域投入时间和精力，为长期成功打下基础。
使用详细的客户数据和预测性分析数据已经不再是 Amazon.com 等 B2C 卖家的专属领域。B2B 销售团队表示，通过快速采纳这些方法，提高了销售机会的数量和质量，并且提高了销售机会转化为实际销售的比率。不论在服务于小型客户的市场上，还是在服务于大型客户的市场上，预测性分析数据都是普遍使用的数据类型。前一种情况下，可以使用大型数据集来帮助建立预测模型;后一种情况下，企业可以通过统计数据查看各个客户购买情况的变化，从而发现机会。
这些分析数据有利于销售和营销团队创建更多的战略和运营角色。它们也迫使一线销售人员及其经理必须更加精通数据使用，而不再像过去那样仅仅依靠直觉在销售团队中做出决策。供货商现在必须对员工进行再培训，对各个流程进行调整，并以新的方式分配时间。
例如，某 B2B 批发商通过统计数据查看了每个产品类别的领先客户的购买情况。然后，预测出总体层面和各个产品类别层面的“目标”收入，建立一个预测模型，用以估算客户采购的金额和频率。该模型可以帮助批发商在客户的实际购买行为不符合预测时采取合理的措施。通过使用可用数据，该公司建立了一个预警系统，警示可能出现的业务下滑情况。另外，该公司还建立了一个强大的销售机会工具，有力地推动收入增长率提高了12个百分点。
这些趋势不仅仅给销售团队带来了挑战，因为财务部门必须考虑这些趋势对基础架构的影响，营销专家必须同时管理分析过程和创造过程，而产品开发团队必须进行调整，以满足不断变化的客户需求。不过，随着经济形势的好转，企业也得以不再仅仅关注如何生存，进而转向寻找应在哪些领域投入时间和精力，为长期成功打下基础。
