CRM系统运用数据挖掘技术来对客户数据进行分析，分析相关规律、模型和趋势，让客户信息在整个企业内部得到有效的流转和共享，并进一步转化为企业的战略规划，作为科学决策的辅助支持，用于提高在各种渠道上同客户交互的有效性和针对性，把合适的产品和服务，通过合适的渠道，在合适的时候，提供给合适的客户，从而实现企业利润的最大化。
一、客户关系管理系统
客户关系管理，是一种商业管理策略，它通过使企业组织、工作流程、技术支持和客户服务都以客户为中心来协调和统一与客户的交互行动，达到保留有价值客户，挖掘潜在客户，赢得客户忠诚，并最终获得客户长期价值的目的。是企业在不断改进与客户关系相关的全部业务流程，实现信息化管理过程中，所采用的先进信息技术、管理方法和解决方案的总和。因此，它既是一种管理理念也是一种商务模式。
为了有效的对客户关系进行管理，必须进行客户关系信息化建设。最有效的手段就是采用计算机电话集成、数据挖掘、数据仓库、Internet等技术，为企业建立一个以客户为中心，能够对客户信息进行采集、传输、处理、存储、分析、利用的客户关系管理系统。客户关系管理系统大致分为三个模块，分别是：运作型、分析型、协作型模块。其中运作型是最基本的模块，对客户数据具有一定的统计功能。但因没有应用挖掘技术而不具备分析功能。而分析型客户关系管理系统具备对运作行系统所产生的大量数据进行分析的功能，能够有效提取大量有用的信息。而协作型的客户关系管理系统能够支持工作人员与客户的交流。由于客户关系管理是一种以“客户为中心”的管理理念，因此CRM系统应把对客户数据的管理作为系统的关键功能。具体地说，一个合格的CRM系统能够做到以下内容：
①帮助记录、管理所有公司和客户打交道过程中的记录，并且能够通过分析，辨别哪些客户是值得努力的，以及这些客户都有哪些特点、哪些趋势。这对充分理解客户很有用。
②实现自动化管理，动态地跟踪客户需求、客户状态变化到客户订单，能够记录各种客户意见。
③CRM系统可以通过某些自动的电子渠道(如短信、E-mail、网站等)承担某些“机械化”的任务。
二、数据挖掘技术
(一)数据挖掘技术概念
数据挖掘(DM)，是一种决策支持过程，它的基本思想就是从数据库中大量的原始数据中发现并提取隐藏在期中的有价值的信息，帮助决策者寻找数据间潜在的关联，发现被忽略的要素，从而把握规律，预测趋势，以便于进行科学的决策。
(二)数据挖掘技术
数据挖掘的目的是从对象集合中寻找相互间的联系规则。并利用规则来预测未来趋势、评价顾客、评估风险。数据挖掘的技术分为以下三类：
1.统计分析技术。统计分析用于检查一些经常使用的数据模式，然后利用统计模型和数学模型来解释这些数据模式。常用的解释模型有连续和逻辑回归分析、单变量与多变量分析等。
2.知识发现技术。与统计分析技术不同的是它可以在不清楚变量是什么的情况下对数据进行分析。统计分析技术在分析之前必须知道变量，而不知道变量的时候就无从下手了。这个时候，就可以使用知识发现技术。
3.Internet数据挖掘技术。相对于文本数据而言，Internet上的动态数据显得杂乱无序，这个时候想要找到自己想要的数据则必须借助Web数据挖掘技术。Web挖掘可以在很多方面发挥功能，如对查找引擎的结构进行挖掘、确定权威页面、Web文件分类、WebLog挖掘、智能型查询、建立Meta-Web数据仓库等。Web挖掘可分为三类:Web内容挖掘、Web 结构挖掘和Web使用记录的挖掘。
三、数据挖掘技术在CRM中的应用
(一)数据挖掘在CRM中的作用
数据挖掘在CRM中表现出极其广泛的应用前景，在客户关系管理生命周期的各个阶段都可能会用到数据挖掘技术。数据挖掘技术可以帮助管理者在商业上做出合理的决策。
1.可利用关联分析来获取更好的顾客(指潜在的能带来更高利润的顾客)，而不只是任意的新顾客。
2.了解顾客间的全面关系。这样可以不依赖于直觉，而是基于实际产品的使用和顾客经验来制订恰当的定价策略和产品包装方式。
3.随着客户数量的不断增长和细分因素的增多，当靠手工完成客户细分几乎不可能，数据挖掘技术可以帮助企业完成对潜在客户的细分和筛选工作。找到那些“金牌客户”后提供更加有针对性的服务，同时也可以分析现有客户的兴趣，向他们推荐提供新的产品和服务。
4.采用序列统计挖掘，了解客户的消费或忠诚度的变化，以此来保持客户。通过数据挖掘，可以找到流失客户的特征，以抢在那些具有相似特征的客户还未流失之前，就采取针对性的措施防止他们的流失。
5.在限制促销花费的同时，又要在整体上增加促销带来的净效益(通过分析购买行为和促销反应)。
6.对重要的商业事务进行深入分析，这有助于增加市场份额和获取更高利润。
管理人员可以利用数据挖掘技对数据仓库提供的大量清晰的经过整理的顾客数据以及一些特定的、竞争对手们不具备的数据进行分析，发现有用信息，这些信息有助于深入了解顾客行为、公司的产品，甚至是供应商信息。以此来做好客户资源管理，达到企业利益最大化。
(二)CRM中的数据挖掘过程
CRM中的数据挖掘是复杂的过程、涉及客户决策的许多步骤，大致分为问题定义、数据准备和处理、数据挖掘以及结果的解释等阶段。具体步骤如下：
1.理解和发展CRM系统客户(包括营销经理、营销人员以及客户)的应用区域、日标以及相关知识。
2.为CRM系统定义商业目标集合，并为每个目标建立恰当的模型。例如，“提高客户对企业促销的响应率”或“提高每个客户响应的价值”这两个目标所需要的模型是不同的，并且在定义问题的同时，也生成了评价CRM应用结果的标准和方法，即确定了数据挖掘结果的评价指标。
3.数据准备处理。包括对数据的选择、预处理和清洗以及对数据的转换和归纳。搜索所有相关的数据，根据挖掘的需要选取较为重要的数据源。在此基础上完成对数据的预处理和清洗，以此来解决脏数据中的冗余、缺值、数据不一致等问题。
之后依靠作业目标来寻找有用特征表示数据。利用多维归纳或转换方法来减少变量的有效数目。
4.数据挖掘准备。包括选样数据挖掘任务、挑选数据挖掘算法以及搜索有意义的模式。
5.数据挖掘，包括按照特定的方式搜索有意义的模式，或模式集合。
6.解释7 挖掘得到的数据模式，并可能返回到上述各步循环操作。
7.集结发现的指示，集成发现的知识到绩效系统，或简单将其做成文本提交给感兴趣者。
四、结束语
尽管数据挖据技术已经在CRM中进行了广泛的尝试。但是由于CRM系统还是比较新的客户管理支持系统，所以这一领域还有很大的发展潜力。对于当前应用研究而言，很有必要在以下的方向开展：
(一)数据挖掘对基于web的智能CRM的支持研究。当前数据挖掘大多是对构建于企业内网的CRM数据进行分析，对于来自web的各种渠道的数据处理能力较弱，这是今后研究的一个方向。
(二)在数据挖掘支持流程中嵌入专家系统的研究。数据挖掘支持流程的第三步可以考虑用专家系统来代替人类的工作，从而进一步提升CRM系统的智能化。
