（一）客戶(hù)關(guān)系管理與數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)挖掘技術(shù)的融合問(wèn)題

數(shù)據(jù)倉(cāng)庫(kù)（Data Warehouse，DW）和數(shù)據(jù)挖掘（Data Mining，DM）的概念早在客戶(hù)關(guān)系管理之前就已產(chǎn)生，但真正引起人們普遍關(guān)注應(yīng)起始于該技術(shù)在各行業(yè)中的廣泛應(yīng)用。

實(shí)施CRM的基礎(chǔ)就是客戶(hù)數(shù)據(jù)，沒(méi)有較多的信息資源，CRM就成了無(wú)源之水、無(wú)本之木。

數(shù)據(jù)倉(cāng)庫(kù)是目前國(guó)際上解決此項(xiàng)問(wèn)題的比較成熟、應(yīng)用較為廣泛的技術(shù)。在CRM中，數(shù)據(jù)倉(cāng)庫(kù)的目標(biāo)就是決策支持，數(shù)據(jù)倉(cāng)庫(kù)技術(shù)在改善交易系統(tǒng)數(shù)據(jù)方面取得了顯著成效。Chris Todman認(rèn)為，采用個(gè)性化的銷(xiāo)售方法，必須盡可能了解有關(guān)客戶(hù)詳情和行為的信息，而只有通過(guò)提取、轉(zhuǎn)換、裝載（ETL）等程序建立起來(lái)的以CRM為中心的數(shù)據(jù)倉(cāng)庫(kù)才能滿(mǎn)足這一需求。

隨著數(shù)據(jù)倉(cāng)庫(kù)技術(shù)的應(yīng)用，越來(lái)越多的企業(yè)擁有了大量的客戶(hù)數(shù)據(jù)，當(dāng)這些數(shù)據(jù)的規(guī)模成為“海量”數(shù)據(jù)時(shí)，數(shù)據(jù)挖掘技術(shù)在CRM中的應(yīng)用就成為必然。如果說(shuō)過(guò)去是因?yàn)槠髽I(yè)掌握的客戶(hù)數(shù)據(jù)太少而對(duì)客戶(hù)行為無(wú)從把握，今天則是由于企業(yè)獲得的客戶(hù)數(shù)據(jù)太多而使企業(yè)無(wú)所適從。很顯然，在如今浩如煙海的數(shù)據(jù)中淘金，僅靠人力是無(wú)法做到的。數(shù)據(jù)挖掘就是從客戶(hù)數(shù)據(jù)的“礦山”中挖掘出潛在的、尚不為人知的趨勢(shì)或模式，從而使企業(yè)能更好地進(jìn)行客戶(hù)關(guān)系管理。Alex Berson等人提出，數(shù)據(jù)挖掘能幫助銷(xiāo)售人員更準(zhǔn)確的定位銷(xiāo)售活動(dòng)，并使活動(dòng)緊密結(jié)合現(xiàn)有客戶(hù)和潛在客戶(hù)的需求、愿望和狀態(tài)。數(shù)據(jù)挖掘軟件能自動(dòng)地從龐大的數(shù)據(jù)堆中找出好的預(yù)測(cè)客戶(hù)購(gòu)買(mǎi)行為的模式。他們認(rèn)為，統(tǒng)計(jì)、鄰近、聚類(lèi)、決策樹(shù)、神經(jīng)元網(wǎng)絡(luò)、規(guī)則歸納等數(shù)據(jù)挖掘技術(shù)能在客戶(hù)盈利能力分析、客戶(hù)獲取、客戶(hù)保持、客戶(hù)細(xì)分、交叉營(yíng)銷(xiāo)等方面體現(xiàn)重大的商業(yè)價(jià)值。Michael J.A.Berry和Gordon S.Linoff認(rèn)為。在客戶(hù)關(guān)系管理中，數(shù)據(jù)挖掘正起著導(dǎo)向作用，只有應(yīng)用數(shù)據(jù)挖掘技術(shù)，大企業(yè)才能將客戶(hù)數(shù)據(jù)庫(kù)的大量數(shù)據(jù)轉(zhuǎn)變成描述顧客特征的一些圖像。目前，在這個(gè)領(lǐng)域內(nèi)比較全面的當(dāng)屬Ronald S.Swift和William G.Zikmund等人的觀點(diǎn)，他們認(rèn)為數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)挖掘都是CRM中不可或缺的重要內(nèi)容，沒(méi)有二者的結(jié)合應(yīng)用，CRM系統(tǒng)就不可能發(fā)揮其全部功效。盡管上述觀點(diǎn)都不同程度地強(qiáng)調(diào)了技術(shù)的重要性，但他們同時(shí)都堅(jiān)信技術(shù)必須以商業(yè)目標(biāo)為指導(dǎo)。這樣才能真正實(shí)現(xiàn)技術(shù)與商業(yè)的完美結(jié)合。