客户关系管理CRM (customer Relationship Management)是对企业和客户的交互活动进行管理的过程，是一整套先进理念、方法和解决方案，能帮助找到并锁定最好的客户，以正确的价格，在正确的时间，通过正确的渠道，提供正确的产品或服务，从而最有效地满足客户的需要利愿望。但由于缺乏发现隐含在数据中的有用信息的能力，企业无法将数据转化为知识。数据挖掘技术则提供了从庞大的数据库中抽取有效的、未知的和能理解的信息的手段，帮助企业实现数据到知识的转换，为企业提供决策支持。 数据挖掘技术是计算机技术发展的热点之一。通过对历史积累的大量数据的有效挖掘，可以发现隐藏的规律或模式，为决策提供支持，而这些规律或模式是不能够依靠简单的数据查询得到，或者是不能在可接受的时间内得到。这些规律或模式可以进一步在专业人员的识别下成为知识。数据挖掘面对的任务是复杂的，通常包括分类、预测、关联规则发现和聚类分析等。 本文针对基于数据挖掘的企业客户关系管理系统进行研究，首先介绍了客户关系管理系统的概念、类型和组成：介绍了数据挖掘的基本原理，数据挖掘与数据仓库、联机分析处理的关系，以及数据挖掘在CRM中的应用。然后介绍了本系统中采用的两种数据挖掘算法——层次分析法和k-means聚类算法，在介绍了层次分析法的基本概念和应用特点后，详细阐述了应用其在系统中对客户信用情况进行量化的过程；对k-means聚类算法，首先介绍了它的基本原理和一般方法，在分析了一般方法的缺陷后，提出了它的改进算法，以及在本系统中应用k-means算法实现客户细分的过程。接着介绍了所设计的客户关系管理系统，系统利用Microsoft SQL Server 2000及ASP编程技术进行开发，分别介绍了系统的数据库设计、系统中使用的组什技术、系统中各模块的功能等。最后对本篇论文进行了总结。本文中关于客户信用量化和细分的研究成果对从事企业CRM研究的同仁也具有一定的参考价值。