在这个大数据时代，因为数字化交易的不断普及，原本“实体”的客户不断的被数据化，并且有很多企业已经建立了自己的客户数据库，并且根据企业的实际，使用了不同的数据分析方法。比如聘请专门的数据分析师或是购买诸如DataFocus、数据赢家等智能数据分析工具。我们以前介绍过如何分析和处理客户数据，以及各类数据建模方法，比如CLV等客户数据分析指标。
但是有很多朋友在获取CLV数据方面遇到了一些困难，尤其是电商类企业，这一类企业数据量多且杂，很难精准的获取想要的数据，大都原因还是因为没有思路。本篇将为大家分享一些获取CLV数据的思路。
我们以当时合作的某电商BI需求为例。首先我们可以从个人ID角度导入分析CLV，这里做过电商数据运营的都懂，ID基本是每个客户数据的重要组成部分。那么比如遇到一些智能报表的时候，我们可以从个人的CLV单独累计(智能统计)入手，让分析师把CLV按照客户购买的产品后的即时反馈进行累计/统计，并且CLV计算方式应能按照活动价调整CLV价值，这样一来使得每个产品有自己的CLV价。
还有就是很多人很熟悉的分列思路，可以按照第一次购买日期分列、过滤，在CLV价值体系构建完成后，按照CLV价位分列、过滤。最终CLV的月份统计会计入同期群分析数据表里，跟踪到历史CLV。这才是一套完整的CLV数据获取逻辑，可以辅助DataFocus等BI工具进行实施。
