在21世纪这样一个信息爆炸但知识贫乏时代，企业可获得的数据在急剧增长，企业要如何从宠大的数据中发现其中存在的关系和规则，如何根据现有的数据预测未来的发展趋势。如何管理和分析海量的客户信息，并从中找出对决策有价值的知识?能满足这一迫切需求的强有力的工具就是数据挖掘。

1.客户关系管理的定义及国内外现状

客户关系管理（CustomerrelationManagement，以下简称CRM）是企业为提高核心竞争力，达到竞争致胜、快速成长的目的，树立以客户为中心的发展战略，并在此基础上开展的包括判断、选择、争取、发展、和保持客户所需要实施的全部商业过程；是企业以客户关系为重点，通过开展系统化的客户研究，通过优化企业组织体系和业务流程，提高客户满意度和忠诚度，提高企业效率和利润水平的工作实践；也是企业不断改进与客户关系相关的全部业务流程，在最终实现电子化、自动化运营目标的过程中，所创造并使用的先进的信息技术、软硬件和优化的管理方法、解决方案的总和[1]。CRM是90年代西方发展起来的新型的管理策略，它在国外的应用已经取得了极大的成功，而我国对它的认识才刚刚起步。我国企业面临着来自国外企业强大的竞争压力，要想在竞争中立于不败之地，就必须加快化建设的步伐，采用国外先进的管理思想和技术手段，并结合自身的情况走出一条具有中国特色的CRM之路。

2.数据挖掘的概论及意义

数据挖掘(DataMining，DM),就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程[2],简单的说,数据挖掘就是从大量数据中提取或挖掘知识.它是数据库研究中一个很有价值的新领域,融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术。近年来，数据挖掘引起了信息产业界的极大关注，其主要原因是存在大量数据，可以广泛使用，并且迫切需要将这些数据转换成有用的信息和知识。获取的信息和知识可以广泛用于各种应用，包括商务管理、生产控制、市场分析、工程设计和科学探索等。根据麻省理工学院的《科技评论》评估，数据挖掘技术是对未来人类产生重大影响的十大新兴技术之一。可以看出，数据挖掘受到了学术界和企业界越来越多的重视。毫不夸张地说，如今的数据挖掘已经成为计算机、信息科学以及相关领域的一个时髦名词。客户关系管理与数据挖掘技术相结合已成为了一种趋势。结合数据挖掘和数据仓库等先进信息技术,能为企业的销售、客户服务和决策支持等领域提供了一个综合解决方案,使企业顺利实现由传统企业模式到以电子商务为基础的现代企业模式的转变，因此数据挖掘技术，是成功实施CRM的关键，对于它的研究对我国企业成功实施CRM战略、提高竞争能力有着十分重要的意义。

3.数据挖掘在企业客户关系管理中的运用方法

3.1客户的获取：是寻找潜在的客户，使其成为企业新客户的过程。对大多数企业而言，发展新客户、扩大客户基础的确是企业成长的一种主要方式，是企业发展的主要动力之一。然而在寻找新客户之前企业应该确定哪些客户是可能的潜在客户，哪些客户容易获得，哪些客户较难获得，从而使企业有限的营销资源得到最合理的利用。通过数据挖掘实现客户获取就是利用客户档案找出客户的一些共同特征，通过聚类分析对客户分群，再通过模式分析预测潜在客户。通过预测潜在客户对开发活动的反映，从中识别出反映积极的客户，帮助市场人员对潜在客户进行筛选，然后有针对性的进行营销活动。

3.2交叉销售：是企业向原有客户销售新的产品或服务的营销过程。它不仅是通过对现有客户扩大销售来增加利润的一个有效手段，而且还是提升企业形象、培育客户忠诚度、保障企业可持续发展的重要战略[3]。通过相关分析，数据挖掘可以帮助分析出最优的最合理的销售匹配。相关分析的结果可以用在交叉销售的两个方面：一方面是对于购买频率较高的商品组合，找出那些购买了组合中大部分商品的顾客，向他们推销遗漏的商品；另一方面是对每个顾客找出比较适用的相关规律，向他们推销对应的商品系列。

3.3客户保持：是指企业维持己建立的客户关系，使客户不断重复购买产品或服务的过程。客户保持是企业成功的关键因素，因为保持现有客户比获取新客户的成本低得多，同时长期客户趋向于购买公司更多的产品、对价格更不敏感。更为重要的是，被保持的忠诚客户会主动为公司传递好的口碑、推荐新的客户。因此，拥有长期忠诚客户的公司具有更多的竞争优势。利用数据挖掘对数据库中大量的客户历史交易记录、人口统计信息及其他相关资料进行分析和处理，对流失客户群做针对性研究，分析哪些因素会导致客户流失，建立流失客户模型，识别导致客户流失的模式，然后根据分析结果到现有客户中找出可能转移的客户，结合模型分析哪些客户会离开并建立潜在离开者模型，以便企业据此制定相关计划或方案，改善客户关系，争取保持客户并提高效益。在客户保持中，通常涉及三个数据挖掘模型，首先建立模型用来预测和识别潜在流失者，然后挖掘和识别潜在流失者中的黄金客户，最后对黄金客户中的潜在流失者进行分析挖掘，识别其行为模式，从而实行有针对性的营销策略以保持这些客户［4］。

3.4客户分类：是指根据客户的性别,年龄,职业等一些属性将一个大的客户群体划分成互不相交的一个个小的客户类别,同类客户拥有相似的属性,异类客户拥有不同的属性。通过分类可以指导企业的营销策略，留住有价值的客户，开发潜在客户，避免花费太多的成本。利用数据挖掘技术对客户进行分类的常用方法有分类方法和聚类方法。利用聚类结果按客户价值对客户赋以类的标记:再利用分类功能将客户分为三类:第一类是无价值或低价值的客户;第二类是不会轻易走掉的有价值的客户;第三类是不断地寻找更优惠的价格和更好的服务的有价值的客户。传统的市场活动是针对前两类客户的，而现代客户关系管理认为，特别需要用市场手段来维护的客户是第三类客户，这样做会降低企业运营成本。

3.5客户信用度分析：就是通过调查、分析、预测等方法与手段，对客户的信用状况及信用风险做出客观、公正、准确评价的活动。在客户关系管理中，客户的信用分析是非常重要的，因为一旦发生信用风险和欺诈行为，企业将面临市场份额的丧失和营销活动的失败，导致企业失去市场、顾客、竞争力和信誉。数据挖掘技术可以有效地分析出客户的信用状况，及时准确地预测出可能发生的客户欺诈风险。数据挖掘中的差异分析可以从企业大量历史数据中分析出具体客户的信用等级，使企业能够对不同信用等级的客户采取不同的营销方案;数据挖掘中的孤立点检测、神经网络和聚类等分析方法可以从客户数据库中的数据分析预测出客户欺诈发生的原因、可能性、严重性及防范措施等，使得企业可以准确、及时地对科各种欺诈风险进行监视、评价、预警和管理，进而采取有效的规避和监督措施，在欺诈风险发生之前对其进行预警和控制。