企业发展CRM，目的是两方面，一是帮助营销人员管理好自己的销售过程，二是从客户数据分析中挖掘服务发展方向。其中后者更是重中之重……
面临残酷的市场竞争，所有的企业都在不遗余力地争取新客户。然而，现有老客户也蕴涵着巨大的商机。调查发现，大部分企业每年有20~50%的客户都是变动的，而这一数字在技术型公司更甚。一方面在挖空心思争取新客户，另一面却不断失去老客户。要改变这种状况，留住老客户赢得新客户，企业必须充分挖掘现有客户潜力。通过对客户的数据挖掘学习老客户，发掘新的目标客户，这也是很多成功企业上马CRM的原因。因而一套完善的CRM系统，在建设前期就应该认真考虑对数据挖掘的需求。
需求与技术催生数据挖掘
比较常见的分类，CRM被分为分析型、运营型、协作型，但无论哪一种，实现对客户活灵活现地了解都是最终目标，因而数据挖掘处于CRM系统的核心地位。
数据挖掘是提取有用信息的"数据产生"过程，是从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的知识和规则，并能够根据已有的信息对未发生行为做出结果预测，为企业经营决策、市场策划提供依据。
数据挖掘的产生从企业需求方面讲，CRM上马后，运营特性最先显露出来，公司日常所有的营销业务都可以流程化和自动化地管理起来，随后客户信息的日趋复杂，客户数据大量积累，仅限于营销流程的管理已经难以满足企业进一步的需要，企业家期待CRM扮演更重要的角色，分析大量复杂的客户数据，挖掘客户价值。CRM数据应该适应多种分析的需求：
没有认真的客户分析，面对市场只能盲目四望
客户特征多维分析：挖掘客户个性需求，客户属性描述要包括地址、年龄、性别、收入、职业、教育程度等多个字段，可以进行多维的组合型分析，并快速给出符合条件的客户名单和数量。
客户行为分析：结合客户信息对某一客户群的消费行为进行分析。针对不同的消费行为及其变化，制定个性化营销策略，并从中筛选出"黄金客户"。
客户关注点分析：客户接触与客户服务的分析。
客户忠诚度分析：对客户持久性、牢固性及稳定性分析。
销售分析与销售预期：包括按产品、促销效果、销售渠道、销售方式等进行的分析。同时，分析不同客户对企业效益的不同影响，分析客户行为对企业收益的影响，使企业与客户的关系及企业利润得到最优化。
参数调整：为了提高分析结果的灵活度，扩大其适用范围，企业需要对有关参数进行调整。例如，价格的变化对收入会有什么样的影响？客户的消费点临近什么值开始成为"正利润"客户？企业需要通过对收集到的各种信息进行整理和分析，利用科学的方法，做出各种决策。
此外信息技术的发展对数据挖掘的产生做出了很大贡献。IDC的调研报告中，2003年数据仓库将达到200亿美元的市场规模，数据仓库是一种面向决策主题、由多数据源集成、拥有当前及历史终结数据的数据库系统。它是一个中央存储系统，可以帮助企业员工回答来自客户的业务问题。
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。现在，NCR、IBM、Oracle等等厂商都在数据仓库领域有所建树，一些预见性的模型和解决方案已经被建立起来，数据仓库已不仅仅是简单的数据存储，而成为对客户资料进行分析，挖掘客户潜力的基石。
客户分析的三阶段
客户分析过程包括以下三阶段：客户行为分析、重点客户发现和效能评估。首先，将客户行为数据（反馈）和效能评估的结果集中起来进行客户行为分析，通过对重点客户的挖掘，为制定市场策略提供依据；其次，把对客户行为的分析结果以报表形式传递给市场专家，市场专家利用这些分析结果，制定准确、有效的市场策略；最后，以客户所提供的市场反馈为基础，再一次进行效能评估，为改进服务和CRM本身提供依据。
1、客户行为分析
包括行为分组、客户理解和客户组之间的交叉分析三个步骤。行为分组是关键，行为分组的分析结果使后两个步骤更加容易。
行为分组：根据客户行为的不同划分为不同的群体，各个群体有着明显的行为特征。通过分组，可以更好地理解客户，发现群体客户的行为规律。分析过程中把一次市场活动后得到的客户反馈叫做"反应行为模式"，和手工销售体系中采用的"二元客户反应模式"不同，CRM采用的"分类反应行为模式"，允许定义多种反应行为。定义反应行为的方法取决于企业所从事的商业领域。比如企业主营业务是服装销售，一种反应行为可以定义为"从产品目录中选购了女式服装"，也可定义为"从产品目录中选购了男式服装"。这些行为模式的定义可以根据需要非常具体（如，购买了一件红色的男式马球牌衬衫）。