数据挖掘(Data Miming)是近几年随着数据库和人工智能发展起来的一门新兴的数据库技术，其处理对象是大量的日常业务数据，目的是为了从这些数据中抽取一些有价值的知识或信息。
1. 数据挖掘技术在CRM中的作用
数据挖掘技术可以应用到CRM的各个不同领域和阶段，具体来说，在CRM中，它可以应用在以下几个方面：
(1)一对一营销：企业内部员工必须认识到客户是企业永恒的宝藏，而不是本部门的一次交易，所以，每一次与客户接触都是了解客户的过程，从而达到营销的目的。
(2)客户盈利能力分析：在客户群中，客户的盈利能力有很大的区别。掌握客户的盈利能力，有利于制定有效的营销策略。数据挖掘技术可以用来预测在不同的市场活动情况下客户盈利能力的变化方向，从而较好地把握稳定的客户市场。
(3)交叉销售：企业与客户之间的商业关系是一种不断发展变化的关系。在建立起双向关系后，可以使用多种方法使这种关系趋于完善。包括延长这种关系的时间、增加相互的接触、在接触中获得更多的利润等。
(4)商业数据向商业信息的转化：数据是商业活动的基础。企业与客户建立的关系所形成的数据是企业赢得市场的参考依据，将商业数据转化为商业信息，提升了企业管理者对市场的判断力和决策力。
2.数据挖掘技术在CRM应用领域中的研究
在CRM中，数据挖掘技术都有着广泛的应用，主要体现在：
(1)概念，类描述。概念描述以简洁汇总的形式描述给定任务相关的数据集，提供数据价值的一般特性，一般应用于CRM中的描述式数据挖掘。概念或类描述由特征比和比较或区分组成。有两种一般方法：基于数据立方体OLAP的方法和面向属性归纳的方法。
(2)关联分析。关联分析发现关联规则，广泛用于购物蓝、商务管理和决策分析，是商业分析中应用最为广泛的一种数据挖掘方法和模式。
(3)分类和预测分析。分类和预测是CRM中数据分析的两种重要形式，可以用于提取描述重要数据类的模型或预测未来的数据趋势。主要方法包括：决策树，判定树、贝叶斯法、BP神经网络算法、遗传算法、粗糙集、模糊集等。
(4)聚类分析，属于无指导学习。对象应该根据最大化类的相似性、最小化类的相似性的原则进行聚类或分组。
(5)孤立点分析。对于欺诈探测、定制市场及其它CRM任务是非常有用的。
(6)复杂类型的数据挖掘。是数据挖掘技术的当前一个重要的研究领域，极大提升了CRM数据分析能力的深度和广度，主要包括：多媒体数据挖掘、文本挖掘和web挖掘等。
3.数据挖掘技术在CRM中应用研究的前沿方向
针对国内对CRM的认知程度、应用层次及国情的需要，数据挖掘技术在CRM中的应用研究方向建议应主要面向如下方面：
(1)应用的探索：电子商务已经成为现代商务的主流因素，同时JAVA或DOT NET是现代信息服务的重要方式，因此基于电子商务和JAVA或DOT NET环境下的CRM数据挖掘的特定应用具有重要的研究价值：
(2)应用目标的转变：随着企业的战略目标和结构部署的转变，CRM中的数据挖掘的应用目标重点应该从增加企业收入转向节约企业成本的观念上来。
(3)应用的对象：从企业规模来看，中小型企业是企业类型中的主体，也是市场经济环境下最为活跃的企业载体。因此，针对中小型企业的CRM应用运用相应的数据挖掘技术来提升决策支持的智能化水平对中国企业具有特别的意义。
(4)数据挖掘与数据库系统、数据仓库系统和WEB数据库系统集成。这将保证数据挖掘的高质量，提高数据挖掘的性能和效率，从而改善CRM决策支持的有效性。
(5)CRM中复杂数据类型挖掘：由于CRM应用深度和广度的有力延伸，针对复杂数据类型的现存数据分析技术与数据挖掘方法的集成研究变得越来越重要。
(6)WEB挖掘：WEB是当前CRM的主要应用平台，包括WEB内容挖掘、WEB日志挖掘和Internet上的数据挖掘服务等内容是重要的研究领域，也是网络环境较为重要的研究领域。
(7)CRM中的隐私保护与信息安全：这是数据挖掘技术要面对的一个重要问题，需要迸一步开发有关方法以确保客户的隐私权和信息安全，有效保护客户信息不被窃取，增强客户的信任度和忠诚度。
总结
综上所述，随着数据挖掘技术日益成熟，CRM应用不断推广，数据挖掘技术日渐成为获取有价值的信息的重要技术和工具。在CRM中合理高效地利用数据挖掘技术，可以较好地提供准确的客户分类、忠诚度、盈利能力、潜在用户等有价值的信息。提高企业高层管理者的决策能力，为企业的长足发展提供有力的信息支持和技术保障。
