在竞争激烈的网络经济时代，随着Internet以及Web的商业迅速发展、营销理念的更新，企业保持客户所面临的困难越来越大，企业竞争的重点是“以客户为中心”，如何加强对企业客户资源的管理、开发与利用变得更加重要。客户关系管理(CRM)自产生以来，它的相关研究与应用得到了快速发展，但在企业中CRM应用失败的案例也比比皆是。究其原因主要有两点：一是人们对CRM核心思想的理解认识不准确，二是现有企业CRM应用的体系结构不完善。因此，企业的当务之急是如何进行有效的客户关系管理，以便能够深层分析数据仓库中储存的大量客户信息，从而获得有利于企业商业运作、提高市场竞争优势的有效信息，实现CRM的理念和目标，满足现代电子商务时代的需求和挑战。
1 客户关系管理的特征
随着现代信息技术的快速发展，企业之间的竞争方式和方法也在逐步地发生转变。传统的单纯以产品为中心的企业竞争优势已经逐渐的淡化，而“以客户为中心”，能否及时、准确地响应客户需求的能力成为网络经济时代企业取得成功的关键因素。因此，企业必须能够完整地掌握客户信息，准确把握客户需求，快速响应其个性化需要，并且提供便捷的购买渠道以及良好的售后服务与经常性的客户关怀等，客户关系管理能够帮助企业实现这一目标。
客户关系管理的内涵是以客户信息和与企业的交易数据为基础，利用计算机信息技术，深层分析数据库中的海量数据，找出客户的不同特征，分析客户行为，然后挖掘出有商业价值的信息，从而帮助企业规划和决策相关的企业经营活动。
2 基于数据仓库的CRM体系结构
2.1 数据仓库与数据挖掘技术
数据仓库的创始人W.H.Inmon将数据仓库定义如下：“数据仓库是一个面向主题的、集成的、不可更新的、随时间不断变化的数据集合，用以支持企业或组织的决策分析处理。”
从CRM的角度，数据挖掘(Data Mining, DM)的应用就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预测未来可能发生的行为和结果，为企业经营决策、市场策划提供依据。各种类型的数据，如静态的历史数据和动态数据流数据等，都可以利用数据挖掘技术进行分析。常用的数据挖掘技术包括关联分析、序列分析、分类分析、预测分析、聚类分析以及时间序列分析等。
数据挖掘技术是企业实现有效的客户关系管理的引擎。数据仓库及其数据挖掘技术在企业客户关系管理系统中的应用，能够帮助企业全方位的了解客户，把握客户的特征与需求，更有效地掌握客户的行为。
2.2 基于数据仓库的CRM解决方案
基于数据仓库的CRM是：利用数据仓库与数据挖掘的理论与技术，创建能够描述并预测企业客户行为的模型，目的是优化整个CRM的流程，最终实现有效的客户关系管理。数据源、数据仓库应用系统和CRM分析系统三个部分组成了整个CRM体系结构：
(1)通过广泛收集企业生产、经营过程中产生的客户信息、客户行为、生产系统和其他相关数据，最终形成了数据源当中的海量数据。
(2)CRM中的数据仓库应用系统主要由数据仓库建设和数据仓库系统两个部分组成。数据仓库建设的功能是利用数据仓库的数据ETL和设计工具的抽取、转换、加载、刷新等功能逐步形成数据仓库;数据仓库系统具有联机分析处理(OLAP)、报表等功能，能够分析客户的整体行为和企业运营数据，针对不同的数据仓库用户提供有价值的信息。
(3)CRM分析系统是CRM的核心，主要有分析数据准备、客户分析数据集市、客户分析系统和企业调度监控等模块。分析数据准备模块从数据仓库中提取出进行客户分析所需要的数据，并形成客户分析数据集市;客户分析系统在客户分析数据集市的基础上，进行客户行为分组、重点客户发现和市场性能评估，其分析结果通过进一步的OLAP和报表，为市场专家经营决策、市场策划提供依据;对客户分析系统的有效性、可靠性分析由企业调度监控模块进行监管，提高企业应用CRM的成功机率。（冯玉玲）
