处在今日行业竞争激烈，客户需求快速变化的局势里，企业竞争力的提升将取决于是否能在所服务的价值活动里，创造出其他竞争者无法取代的地位。现今企业面临着从大量标准化生产到差异制化生产，从推式生产到拉式生产，从大众化口味产品到个性化独特化产品的变革，营销的重心也由产品转移至客户，亦即谁最了解客户的消费行为，谁就拥有最佳的竞争优势。
近年来，企业投注大量的资金与人力资源，希望构筑起企业完善的客户关系管理模式，透过提高客户的忠诚度，使顾客购买更多的产品，降低营销成木从而获取更高的利润。想达到上面的目标，则须从了解客户开始着手，数据挖掘技术能够从大量的客户资料中，寻找客户的行为模式和消费规律，并将其转换成有效的战略决策，在保持老客户的同时增加新客户。CustomerRetentionPractice的Newsletter早十1998年就提出：“典型的企业中有80%的利润是20%的客户所创造出来的”。如何找到和发现这20%的客户，如何让客户感受他们与企业的“关系”是有价值的，这就是数据挖掘技术的任务，也是客户关系管理的重点。
1数据挖掘的定义和功能
对于数据挖掘，一种比较公认的定义是W.JFrawley，G.Piatetsky-Shapiro等人提出的：“从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程”。从商业角度的定义来看，数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性数据。
过去数据分析更多地是用于科学研究，而现在分析数据更主要是为商业决策提供真正有价值的信息和有利的支持，进而获得利润。但所有企业面临的一个共同问题是：企业数据徽非常大，而其中真正有价值的信息却很少，因此从大量的数据中经过深层分析，获得有利于商业运作和提高竞争力的信息，就好比从矿石中淘金一样，数据挖掘也因此被称为资料采矿。简言之，数据挖掘可以描述为：按企业既定业务目标，对大量的企业数据进行探索和分析，揭示隐藏的、未知的或验证已知的规律性，并进一步将其模型化的先进有效的方法。
2客户关系管理(CRM)
“客户关系管理”是在商业操作及其相关工具上使用的术语，也是为更多的顾客提供服务和更好地管理客户间相互影响的基础。简而言之，CRM是一个商业策略，要努力争取大客户，保留现有的客户，实现每个客户赢利最大化和企业最终盈利最大化。
由于消费信息的来源日益广泛，消费者获得信息的选择空间增大，而商家在激烈的竞争中能够利用的资源却越来越有限，为了争夺企业生存和发展的空间，不得不管理好这些有限的资源。为此，客户关系管理逐渐成为现代企业营销管理中的一个核心课题。从所实现的功能上来说，一个好的CRM应该包括如下基本功能：客户和联系人管理、潜在客户管理、时间管理、销售管理、电话销售和电话营销、营销管理、客户服务与支持、呼叫中心、合作伙伴关系管理、商业智能和网上营销等。如果企业有着成千上万的客户，不同的模块每天还在产生庞大的数据，那么如何从这些海量的、表面上看似毫无关联的数据中，得到对企业有用的信息，这就是CRM所面临的问题。
3数据挖掘在客户关系份理中的应用
(1)客户群体分类。所谓客户群体分类就是将一个大的消费群体划分成一系列细分群体的过程。细分可以让一个用户从比较高的层次上来察看整个数据库中的数据。这也正是细分的意义所在。当然细分也使得人们可以用不同的方法对待处于不同细分群体中的客户，提供个性化服务，使企业以最小的投入获得最大的回报。数据挖掘通过聚类和分类分析方法可以把大量的客户分成不同的类，以此达到客户群体分类的效果。
(2)客户盈利能力分析。客户盈利能力分析是数据挖掘的基础。数据挖掘技术是通过帮助企业理解和提高客户盈利能力来发挥作用的，而客户盈利能力也是检验数据挖掘技术是否用于正确方向的一个指标。当数据挖掘系统被启动并用于商业应用中时，系统的目标不外乎是提高投资回报率(ROI)，而要提高ROI，总是要保持和客户之间的关系才能赚更多的钱，这是数据挖掘系统或任何决策支持系统所要理解的第一步，也是最重要的一步。
预测在不同的市场活动情况卜客户盈利能力的变化，很重要的一点是是否有从商业角度确定一种客户盈利能力的指标。如果没有明确的一个评判标准，就不可能知道进行商业操作是否真的有更多的盈利。给定一些约束条件后，用数据挖掘技术可以计算出最佳的结果，还可以用来揭示客户的行为习惯和预测发现一些在不同情况下有相似行为的新客户。
(3)客户忠诚度分析。客户忠诚度，通俗来讲，就是客户保持与现供应商交易关系的强烈意愿。客户的忠诚度一般都是建立在企业提供的产品或服务是不是不可替代的，能否为我提供愉快的购物经历。是否有主动服务的行为，是否存在较高的转换成本等等基础上，企业经常通过自有的数据存储方式，跟踪客户的消费行为，通过对客户的消费数据进行统计，建立购买序列模式，分析客户的购买倾向或忠诚度的变化，以此对价格和商品的特色加以调整和更新，实现留住老客户，吸引新客户的目的。
事实上，保持客户的忠诚度对客户盈利能力也会产生极深的影响。因为企业无需在忠诚度高的顾客身上投入新的营销和市场费用，而且由于顾客和企业间已经建立起了一种良好的关系，所以顾客省直愿意向他所熟悉的公司支付额外的费用以获得最好的服务。
(4)客户流失分析。应用数据挖掘技术来分析现有客户的保留情况以及分析客户流失原因，哪终客户会有高风险转移的可能等等这些问题，能凸显出客户关系管理系统在数据分析上的能力。要知道客户为什么会流失，很重要的一点是弄清楚客户转移消费方向的原因。应用数据挖掘技术解决这个问题，首先需根据以前的客户流失数据，包括客户属性、服务属性和客户消费属性与客户流失可能性关联的数学模型，找出客户流失原因，建立预测模型来推测可能出现客户流失的情况。
(5)客户获取分析。新客户的获取包括发现那些对你的产品不了解的顾客，他们可能是你的产品的潜在消费者，也可能是以前接受你的竞争对手服务的顾客。但在各种情况下，数据挖掘技术都可以帮助我们对潜在客户群进行细分，并且提升市场推广活动产生的反馈率。
欲获取新客户，首先需围绕市场试验反馈的数据，使用数据挖掘技术总结统计，归纳现有客户特征和市场环境信息，以确定目标市场和潜在客户，其中应用的技术一般有统计、聚类和关联等。通过对客户数据的挖掘可以获得优质客户特征模型，预测潜在客户的优劣。另外还可以通过数据挖掘技术建立获得客户的难以度模型，预测客户获取的难易程度。
(6)交叉销售。交叉销售是指向现有客户提供新的产品和服务的营销过程。实施这一过程的目标是为使客户和商家都可以从中获得利益，即双赢的结果。数据挖掘借助CRM建立起的数据仓库，通过统计或人工智能等算法分析数据，建立模型，从而发现产品与顾客之间的关系、产品与产品的关系。
交叉销售是典型的关联分析问题。例如保险公司和银行之间建立交义销售，保险公司可以通过分析银行的客户信息数据库，发掘出银行中的哪些客户最有可能购买保险，进一步通过客户细分，找出这些客户中哪些适合购买寿险，哪此又会购买人身保险或车险等。其次，保险公司可以通过关联分析找到银行不同产品或服务与保险公司的不同产品之间的相关性，比如拥有银行信用金卡的客户更需要哪个险种。
综上所述，透过数据挖掘的协助，可以从顾客的历史资料分析有关顾客消费行为的各种信息，了解其购买偏好与消费行为，企业可以配合顾客的消费生命周期，适时的提供适当的商品与服务，以良好的互动来建立信赖关系。数据挖掘技术可以让企业在营销过程中找到最佳顾客，进行资源最适运用来达成所追求的目标。CRM是数据挖掘重要的应用领域，也正是有了数据挖掘技术的支持，才使CRM的理念和目标得以实现，满足现代电子商务时代的需求和挑战。企业营销数据和相关信息的不断积累，数据库的逐渐广泛应用，数据挖掘将成为企业获取决策信息的重要工具。
信息革命带来了一场生活和交易方式的改变，促使电子商务以网络的速度发展，因此基于电子商务环境下的CRM数据挖掘的特定应用具有越来越重要的研究价值。从企业的规模来看，中小型企业是企业类型中的主体，针对中小型企业CRM应用的数据挖掘技术研究对中国企业提升决策支持的科能化水平同样具有特别的意义。
但数据挖掘不是万能的，从广义上来说，其仅仅是知识发现过程中的一环，在实际应用中还要受到许多限制。数据是否足够、合适，模型和算法是否恰当，决策者的支持能力如何等都会影响到数据挖掘技术的有效应用。
