1.客户关系管理的定义客户关系管理（CustomerRelationshipManagement，CRM）首先是一种管理理念其核心思想是将企业的客户作为重要的资源。通过完善的客户服务和深入的客户分析来满足客户的需求，保证实现客户的终生价值。CRM又是一种旨在改善企业与客户之间关系的新型管理机制，它实现于企业的市场营销、销售、服务与技术支持等与客户相关的领域。通过向企业的销售、市场和客户服务的专业人员提供全面、个性化的客户资料并强化跟踪服务、信息分析的能力使他们能够维护一系列与客户和生意伙伴之间卓有成效的“一对一关系”从而使企业得以提供更快捷和周到的优质服务，提高客户的满意度。CRM也是一种管理软件和技术。它将最佳的商业实践与数据挖掘、数据仓库、一对一营销、销售自动化以及其他信息技术紧密结合在一起为企业的销售、客户服务和决策支持等领域提供了一个业务自动化的解决方案使企业有了一个基于电子商务的面对客户的前沿从而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化。2.客户关系管理的研究和应用现状CRM起源于20世纪80年代初提出的接触管理（ContactManagement），即专门客户与公司联系的所有信息。到20世纪90年代初期则演变成为包括服务中心与支持资料分析的客户服务（CustomerCare）。经历720余年不断演变发展，CRM逐渐形成了一整套管理理论体系和应用技术体系。从全球的范围看，2002年市场对CRM的需求已经比ERP高，CRM销售量每年的增长率超过了30%，而ERP只有10%。2005年的销售额达到了140亿美元之多，企业信息化的重点从后台系统转向了前台。在国内，多数企业将大部分力气投入到企业内部信息系统得建设上，这意味着CRM在我国的应用还不成熟。CRM应用最广泛的领域是与科技和hr相关的领域，这一领域中的企业由于信息化程度高和自身的优势，能够通过CRM系统建立起与客户之间的有效价值链，从而铲射功能更大的效益。而在我国生产总值中占据重要地位的传统企业在CRM的市场中所占比例较小。加入WTO后，企业面临着更为严峻的国际竞争，因此企业迫切需要寻找类似CRM的新思路、新理念来增强企业的竞争力。现在市场中CRM供应商较多国际的有Siebel、Oracol、Borland、sybase，国内的用友、中圣、金蝶、创智等。大量数据的产生和收集导致了信息的爆炸，但信息仅仅停留在这个阶段，未对这些信息进行适时和深层次的分析，致使企业对客户知识的缺乏。数据挖掘可以从繁杂的数据中找出真正有价值的信息知识，提高企业对客户了解程度，时时快捷的发现并满足客户的需求，从而提高企业的竞争力。1.数据挖掘使市场信息触手可及hr及数据挖掘技术（DataMining，DM）可以扩展企业核心业务过程的信息后勤基础，通过数据挖掘来保证对数据的及分析，从而提高业务过程的有效性。当企业通过数据仓库直接向其顾客索取某些信息密集型顾客支持过程的资源时，支持成本会不断地下降，企业的管理成本也就随之降低。利用信息技术和数据资源不断地增强对客户的了解程度，使客户感觉好像与企业有一种独一无二的个人关系，具有有效的信息文换和能力，与客户打交道变得更容易一些。数据挖掘技术基于事实，利用数据仓库中产品、价格、投资、分配等方面，从浩瀚的信息海洋中提炼出有价值的信息，发现隐含在这些信息中的对等的、不明显的、不可预知的模式、趋势和关系，为企业提供决策的依据。2.数据挖掘将数据加工成信息和知识在CRM中，数据仓库将海量复杂的客户行为数据集中起来，建立一个整合的、结构化的数据模型，在此基础上对数据进行标准化、抽象化、规范化分类、分析，为企业管理层提供及时的决策信息，为企业业务部门提供有效的反馈数据。数据挖掘对客户资料进行分析，是挖掘客户潜力的基石。数据挖掘技术的作用在企业管理客户生命周期的各个阶段都会有所体现。数据挖掘帮助企业发现客户的特点，从而可为客户提供有针对性的服务。通过数据挖掘，可以发现购买某一商品的客户的特征，从而可以向那些也同样具有这些特征却没有购买的客户推销这个商品；若找到流失的客户的特征就可以在那些具有相似特征的客户还未流失之前，采取相应的措施。数据挖掘技术有多种，包括决策树法、遗传算法、集合论方法、神经网络方法、聚类方法、粗集方法、模糊集合方法、BayesianBeliefNetords、最邻近算法、关联规则挖掘算法、可视化技术等。这里主要介绍ID3决策树法、遗传算法、神经网络方法。1.ID3决策树法ID3决策树法是最有影响和最早的决策树方法。在规模越大的hr中，运用ID3决策树法进行数据挖掘的效果越好。它利用一系列规则划分，建立树状图，可用于分类和预测。ID3方法检验所有的特征，选择互信息最大的特征点A为产生决策树节点，由该特征的不同取值建立分支，对各分支的实例子集递归，用该方法建立决策树节点和分支，直到某一子集中的例子属于同一类。ID3方法利用互信息最大的特征建立决策树，使决策树节点数最小，识别例子准确率高。决策树叶子为类别名，即P或者N。
